Využitím obohatených a štruktúrovaných údajov si spoločnosti môžu vytvoriť presnejší a úplnejší obraz o svojich obchodných operáciách a zákazníkoch.
Nejde len o dodržiavanie predpisov a technickú interoperabilitu, ale o oveľa viac.
1. Štruktúrovaný názov a poštová adresa poskytujú spôsob, ako jednoznačne identifikovať zúčastnené strany. Toto môže výrazne pomôcť pri KYC a presnom skríningu sankcií nielen pri identifikácii sankcionovaných strán v platbe, ale aj pri znížení počtu falošne pozitívnych výsledkov generovaných filtrovacím systémom (pozri prípad použitia 3).
2. Štruktúrované informácie o platbách umožňujú, aby sa v platobných správach uvádzali informácie, ako sú čísla faktúr, čísla objednávok a ďalšie odkazy týkajúce sa účelu platby. Môže poskytnúť systémom plánovania podnikových zdrojov (ERP) možnosť prijímať a spracovávať bohatšie údaje o platbách, čo môže viesť k automatizovanému zosúladeniu a zlepšeniu riadenia peňažných tokov.
3. Identifikátor právnickej osoby (LEI) poskytuje väčšiu transparentnosť pri platbách s cieľom jasne identifikovať konkrétne zúčastnené subjekty, čo môže pomôcť so zlepšením KYC, automatizovaným skríningom sankcií a zosúladením.
4. Účelové kódy poskytujú prehľad o dôvode platieb a pri konzistentnom používaní môžu priniesť viacero výhod, ako je identifikácia kľúčových trendov zákazníkov, a tým umožnenie vývoja inovatívnych služieb, predchádzanie podvodom a prioritizácia platieb pri spracovaní. Napríklad Bank of England plánuje použiť kód účelu na identifikáciu a prioritizáciu časovo kritických platieb, ako sú napríklad nákupy nehnuteľností.
5. Viaceré identifikátory platieb umožňujú každej strane zadať svoje jedinečné referenčné čísla na identifikáciu platby, čo zlepšuje proces zosúladenia.
6. Platby konečným dlžníkom a veriteľom , známe aj ako OBO – „v mene“ – poskytujú informácie o skutočnej koncovej strane, ktorá platí alebo prijíma fond.
Všetky kombinované údaje môžu firmám poskytnúť podrobné informácie na analýzu odoslaných a prijatých platieb. To môže viesť k lepšiemu rozhodovaniu nielen pre lepšiu detekciu a prevenciu podvodov, ale aj k zlepšeniu zákazníckej skúsenosti a optimalizácii interných procesov.
Dopad na reálny svet
Pozrime sa na niektoré prípady použitia:
Prípadová štúdia 1 – Commonwealth Bank of Australia (CBA) – vyhľadávač výhod
Hľadanie a žiadosť o niektoré štátne dávky môže byť dosť zložité, čo vedie k tomu, že každý rok zostávajú milióny dolárov nevyžiadané. CBA zistila, že pomocou účelových kódov dokázala presne identifikovať svojich študentských zákazníkov a pomôcť im tak získať prístup k výhodám, ktoré im chýbali. Vďaka tomuto prispôsobenému prístupu bol bankový zážitok pre každého študenta personalizovanejší a relevantnejší.
Prípad použitia 2 – odsúhlasenie faktúr maloobchodnej spoločnosti
Mnoho veľkých maloobchodných spoločností zápasí s nutnosťou manuálneho odsúhlasovania faktúr od rôznych dodávateľov, pričom každý z nich má svoj vlastný jedinečný formát údajov, čo vedie k zvýšeným nákladom, ktoré môžu mať vplyv na ich konečný výsledok. Banky sú schopné poskytovať firmám služby, ktoré porovnávajú prichádzajúce platby s údajmi o faktúrach poskytnutými ERP systémom zákazníka, čo umožňuje automatické zosúladenie a presné reportovanie. To je možné len preto, že správne údaje sú v správnom poli.
Prípad použitia 3 – presné preverovanie sankcií
Platby sa často oneskorujú kvôli falošným zisteniam platiteľa alebo príjemcu (falošne pozitívne výsledky), čo vedie k nespokojnosti zákazníkov s možnou stratou príjmov a zvýšenými nákladmi pre banky v dôsledku manuálnych vyšetrovaní.
Príklady:
Mohammed Ali a Maria Chávez sú medzinárodne známe mená, ktoré sa objavujú aj na sankčných zoznamoch. Kvôli tomuto menu by mohla byť odoslaná správa o sankciách za platbu. Ako fiktívny príklad však možno uviesť Mohammeda Aliho z Londýna narodeného v roku 1997 alebo Mariu Chavezovú z New Yorku, narodenú v roku 1980, čo sa líši od Mohammeda Aliho z Egypta narodeného v roku 1965 alebo Marie Chavezovej z Mexika, narodenej v roku 1967, ktorí môžu byť na zozname OFAC.
Začlenením ďalších údajov, ako sú adresy, dátumy narodenia a ďalšie atribúty, môžu skríningové systémy poskytovať presnejšie upozornenia, čím sa finančným inštitúciám ušetria náklady na skríning a vyšetrovanie a čo je dôležité, sa zlepší zákaznícka skúsenosť.
