Customer Credit Risk Management: | KPMG | DE
close
Share with your friends

Customer Credit Risk Management:

Customer Credit Risk Management:

Raus aus der statischen Risikobetrachtung, rein in die treiberbasierte Steuerung

Verwandte Inhalte

FTM Bildwelt: Eiskletterer

Customer Credit Risk Management ist eine eher statische, operative Abarbeitung von Kreditlimitentscheidungen ­ so sieht zumindest bisher die klassische Umsetzung in Corporates aus. Doch mit den heute verfügbaren technischen Möglichkeiten eines flexiblen KPI-Reportings im Bereich Credit Risk können gezielte Maßnahmen für ein ausgewogenes und dynamisches Risikomanagement abgeleitet werden. Entscheidend sind eine saubere und umfangreiche Datenbasis sowie die richtigen Analyseinstrumente.

Nur Status berichten ist Stillstand

Der Alltag eines Kreditmanagers ist geprägt von Prüfungen risikobehafteter Bestandskunden oder der Risikoeinschätzung von Neukunden. Das Ganze findet oft auf Basis von Einzelbetrachtungen unter Berücksichtigung externer Ratings, dem Zahlverhalten und der offenen Posten statt. Echtes Risikomanagement wird nur beim Eintritt eines Trigger-Ereignisses betrieben, wie zum Beispiel die Systemmeldung, dass ein Kunde ein zuvor bestimmtes Kreditlimit zu überschreiten droht.

Derzeitige Standardsoftware bildet ebendiesen Informationsbedarf auch hinreichend ab. Zum Beispiel in Form von Scorecards, welche die Entwicklung von Zahlverhalten, Branche und externen Ratings graphisch aufbereitet liefern und auf deren Basis sich schnelle und intuitive Kundenrisikoprüfungen durchführen lassen. 

Diese Form des Reportings bietet Antworten auf operative Fragestellungen, wie beispielsweise dem Verhältnis aus gewährtem Kreditrahmen zum angefallen Exposure bei Großkunden. Solche Auswertungen sind häufig statisch und in erster Linie nur auf granularer Ebene im Tagesgeschäft des Kreditmanagements von unmittelbarem Nutzen. Reports für Ad-hoc-Anfragen des Managements müssen dagegen häufig aufwendig mit IT- und Fachbereichskapazitäten umgesetzt werden und stellen im Alltag eines Kreditmanagers echte Herausforderungen dar.

Daher stellt sich die Frage: Was wäre eigentlich alles möglich? Welcher Informationsgehalt schlummert in aggregierten Stammdaten, dem Forderungsbestand und der Debitorenbuchhaltung? Und wie könnte dieser genutzt werden?

So wäre beispielsweise anstatt der Kunden-Scorecards durch eine geschickte Datenaggregation und -visualisierung eine Betrachtung des globalen Exposures möglich. Durch die Anwendung von Data Analytics Methoden sind detaillierte Managementreports auf unterschiedlichen Aggregationsebenen keine Zukunftsmusik. 

Wie könnte ein solcher Anwendungsfall aussehen? 

  • Flexible Selektion der Exposure-Bausteine (offene Posten, Bestellungen, ausstehende Lieferungen und Sicherheiten) für eine differenzierte Betrachtung
  • Ermittlung des Exposure at Risk (kumuliertes Exposure abzüglich der Summe des besicherten Exposures)
  • Betrachtungsmöglichkeiten auf unterschiedlichen Aggregationsebenen (zum Beispiel Corporate Exposure versus Entity Exposure)
  • Erstellung eines Future Exposure Forecasts unter Anwendung von Predictive-Analytics-Methoden
  • Im Falle von Forecast-Exposure in Fremdwährung ist die Betrachtung zu prognostizierten FX-Kursen durch eine direkte Marktdateneinbindung möglich

Zur Prozessoptimierung bei der Erstellung der Reports können verschiedene (Monitoring)-Bots (Software Roboter) im Hintergrund genutzt werden, die einerseits automatisierte Standardberichte erzeugen, andererseits bei Bedarf (zum Beispiel Verschlechterung des Zahlungsverhaltens, der Branchenentwicklung oder des Kundenratings) einen Alarm an verantwortliche Stellen senden und einen definierten Risikomanagementprozess auslösen. Konkrete Handlungsvorschläge für eine Risikominderung können direkt an den Kreditmanager übermittelt werden, der mithilfe dieser detaillierten und zielgerichteten Informationen eine sichere Entscheidungsgrundlage hat.

Wie Analytik bei der Beantwortung der wichtigen Fragen hilft

Das Trend-Thema Data Analytics zieht sich so ziemlich durch alle Unternehmensbereiche. Durch neue Technologien im Bereich der Datenverarbeitung und -analyse eröffnen sich Chancen und Möglichkeiten in der Unternehmenssteuerung. Aber wie sehen solche Chancen im Bereich Customer Credit Risk Management überhaupt aus? Wir haben zunächst drei Grundsatzfragen ermittelt, die mithilfe von Analytik-Methoden beantwortet werden können.

Wie hoch ist das konzernweite Exposure at Risk? Ist die bestehende Sicherungsstrategie die Richtige? Ist die Risikoneigung in Anbetracht der Marktsituation angemessen? Oder entstehen womöglich Opportunitätskosten aufgrund falscher Risikoeinschätzungen, die zu „verpassten" Verträgen und damit Umsätzen führen? Solche Fragen werden heute häufig aus dem Bauch heraus beantwortet. Durch die Ermittlung des Exposure at Risks auf Konzernebene in Kombination mit Branchen- und Länderentwicklungen lassen sich hierzu belastbare Entscheidungsgrundlagen schaffen.

Wie präzise sind meine buchhalterischen Wertberichtigungen? Wird durch zu hohe Abschreibungen offener Forderungen der Bilanzgewinn gemindert? Gerade mit dem Einzug des IFRS 9 sind Wertberichtigungsraten im Accounting derzeit ein viel diskutiertes Thema. Auch hier gilt: Abschreibungsraten werden häufig auf Basis langjähriger Erfahrung geschätzt, können aber nur schwer empirisch nachvollzogen werden. Dies liegt in erster Linie an bereits abgeschriebenen Forderungsbeträgen: Hier weichen die Zahlen der Debitorenkonten und die nach der Abschreibung noch eingegangenen Zahlungen (=außerordentliche Erträge)  teilweise deutlich voneinander ab. Die hieraus resultierende Intransparenz erschwert folgerichtig die Steuerung.

Wie entwickelt sich der (konzernweite) Forderungsbestand über die Zeit hinweg? Wird der Bestand tendenziell jünger (oder älter)? Woran liegt das? Am großen Wachstum bonitätsgesunder Kunden? Oder verbessert sich das Zahlungsverhalten der Bestandskunden? Fragen wie diese stellen sich häufig bei der Festlegung einer globalen Strategie im Forderungsmanagement, auf deren Basis Entscheidungen in Sachen Besicherung, Zahlungszielstandards oder der Handhabung von Zahlungsvereinbarungen getroffen werden müssen.

Wir sehen an diesen drei Beispielen, dass die Vielfalt und Komplexität solcher Fragestellungen im Allgemeinen zugenommen hat. Die hohe Flexibilität im Einsatz von Data-Analytics-Technologien erleichtert aber auch die Umsetzung und Handhabung von entsprechenden Instrumenten zur Beantwortung ebendieser Fragen und schafft damit neue Entscheidungsgrundlagen auf Managementebene.

Und der Nutzen?

Sicher ist, dass das Transparenz- und Informationsbedürfnis seitens des Managements auch in Detailfragen zunimmt und Fragen gestellt werden, deren Beantwortung erst heute mit den entsprechenden Werkzeugen möglich ist. Das große Stichwort lautet demnach: Treiberbasierte Steuerung im Umgang mit Kreditmanagemententscheidungen. Das bedeutet nicht, eine globale Standardmaßnahme zu treffen (beispielsweise „Verkürzung aller Zahlungsziele um 10%“), sondern aus dem Reporting möglichst effektive und effiziente Maßnahmen abzuleiten (beispielsweise „Verkürzung der Zahlungsziele um 10% bei den Kunden, die tendenziell vor Zahlungsziel offene Posten begleichen“). 

Differenziertes Handeln wird erst durch eine präzise, vollständige und richtige Informationsbasis als Entscheidungsgrundlage möglich. Nur so kann eine gezielte Marktbearbeitung erfolgen. Das Ableiten von effektiven, effizienten und auf die Zielerreichung zugeschnittenen Maßnahmen anstelle von globalen „One-fits-all“-Aktivitäten wird damit zur Regel. 

Neben der gewonnenen Agilität in der Entscheidungsfindung des Kreditmanagements kann durch die durch Analytik ermöglichte, neue Informationslage auch die konzernweite Sicherungsstrategie für offene Posten zunächst validiert und schließlich optimiert werden. Durch Einblicke in die lokalen Exposure und Sicherheiten können beispielsweise Einsparungen bei der Forderungsbesicherung (Kostenoptimierung zum Beispiel beim Factoring o.ä. möglich) ermöglicht und Synergieeffekte länderübergreifend sichtbar gemacht werden.

Multivariate Transparenz im Reporting sowie ein engeres, automatisiertes (Bot-gestütztes) Monitoring führen zu besseren Informations- und Entscheidungsgrundlagen, die ein schnelleres, gezielteres Handeln in Krisensituationen ermöglichen und proaktiv Prävention von Kreditausfällen betreiben. Resultat ist nicht nur eine dauerhafte Minderung von Schäden durch Forderungsausfälle, sondern auch eine potenzielle Steigerung des Umsatzes, da (Neu-)Kundenrisiken bei Vertragsabschluss besser eingeschätzt werden können.

Quelle: KPMG Corporate Treasury News, Ausgabe 84, September 2018
Autoren: Stephan Plein, Senior Manager, Finance Advisory, splein@kpmg.com; Anna-Lena Remmel, Assistant Manager, Finance Advisory, aremmel@kpmg.com

KPMG Corporate Treasury News

So kontaktieren Sie uns

 

Angebotsanfrage (RFP)

 

Absenden