CREDIT MANAGEMENT BLOG

Doch welche Aufgaben/ Eigenschaften hat ein Credit Manager/in in der heutigen Zeit? In den vergangenen Jahren war der Credit Manager/in überwiegend operativ tätig. Zu seinen täglichen Aufgaben gehörten unter anderem die aktive Beschaffung von Informationen, Bearbeitung von Tasks und Anträgen, das Controlling von Portfolien bis hin zur Antragsfreigabe und manuellen Bilanzanalysen. Er erstellte in der Regel die komplexen Entscheidungsvorlagen für die Geschäftsführung und den Vorstand, um potentiell hohe Risiken zu bewerten und Kreditlinien einer gewissen Größenordnung entsprechend der Compliance-Vorgaben durch den Genehmigungsprozess zu bringen. Der Fokus lag hierbei auf Risikoreduzierung bei relativ konstanten Geschäftsmodellen und einem existierenden Zeitfenster für Entscheidungen. Der „traditionelle“ Credit Manager/in fand sich also häufig in der Rolle des „Collection-Managers“ wieder. Dies zeigte sich auch im Rahmen der Incentivierung. Oftmals wurden auch die Incentive-Modelle für Credit Manager eher über DSO und Betreibungsgeschwindigkeit als an anderen Kennziffern wie z.B. betreutes Gesamtlimitvolumen oder Entscheidungsgeschwindigkeit von Kreditentscheidungen definiert. Also auch hier eher ein konservativer, leicht messbarer risikoreduzierter Ansatz.

 

Durch neue Trends und Entwicklungen, vor allem in der Welt der Datenmodelle und im Bereich des maschinellen Lernens, steht der „traditionelle“ Credit Manager/in vor neuen Herausforderungen. Dazu zählen andere Vertragsarten und Eigentumsübergänge bei häufig geringeren Kreditlinien und neuen Bedingungen der Kreditnehmer. Die Zunahme an Verfechtungen und Sharing bzw. die gemeinschaftliche Nutzung von vormals gekauften Investitionsgütern macht die tägliche Arbeit zudem schwieriger. Dadurch sind die ursprünglichen Standardsicherheiten somit in der Handhabung und der Höhe nur noch bedingt anwendbar. Um mit den aktuellen Trends mithalten zu können und die an ihn neu geschaffenen Erwartungen zu erfüllen, muss der „traditionelle“ Credit Manager/in die Datenverfügbarkeit als wichtigste Quelle für AI/ML und neue Datenmodelle sicherstellen oder zumindest identifizieren. Hinzu kommt das frühe Scouting bzw. die Entwicklung von künftig passenden Geschäftsmodellen und Investitionen, sowie die Verbindung der empirischen Erfahrungen mit den neuen Data Lakes. Die bisherige Kreditvergabestrategie, basierend auf den alten Geschäftsmodellen der Kunden, muss den neuen Gewohnheiten angepasst werden. Und zwar bevor der Kunde kaufen möchte.

 

Aber wie wird der „traditionelle“ Credit Manager/in zum „Credit Data Analyst“? Hierfür muss er sich den neuen Erwartungen stellen und zuvor einige Hausaufgaben erledigen. Hierzu zählen unter anderem die Kommunikation von Budgets, die Definition von internen Datenanforderungen, das Vorbereiten des Credit - Management Teams auf die neue Rolle, Positionierung der Technik als Hilfe und nicht als Bedrohung sowie die Identifizierung des Automatisierungspotentials und Wandlung in die geeignete Größe. Die Veränderungen müssen sich auch in den Incentive-Modellen wiederfinden, da die statische Messung von traditionellen Geschäftsvorfällen mit dem Wechsel auf moderne Modelle nicht mehr up to date sind. Es sind eher die strategischen Fakten, die bewertet werden können: Einhaltung der SLA’s gegenüber dem Vertrieb, d.h. wie lange benötigt eine Limitentscheidung – gerne gestaffelt nach Höhe und Risiko oder auch die Höhe des ausgereichten, umsatzfördernden Gesamtkreditvolumens. Weitere KPI’s sind durchaus denkbar. Denn auch hier gilt, dass Mitarbeiter/innen ihren eigenen Erfolg messen wollen, um sich selbst zu verbessern.

Beherzt der „traditionelle“ Credit Manager/in die aktuellen Trends und erledigt seine Hausaufgaben ordentlich, wird er zum „Credit Data Analyst“. Sein Berufsbild hat sich um 180 Grad gedreht und er arbeitet nun nicht mehr operativ, sondern strategisch.

 

Aber welche täglichen Aufgaben gehören nun zum neuen Berufsbild des „Credit Data Analyst“? Seine operativen Tätigkeiten sind durchgängig automatisiert und seine Rolle als Data Scientist rückt stärker in den Vordergrund. Bei der Bearbeitung von Anträgen wird reines Eskalationsmanagement betrieben und die für das zu betreuende Portfolio am besten geeigneten Informationen werden häufiger und dynamischer geändert. Bei steigender Komplexität durch dynamischere und eventuell kurzlebigere Geschäftsmodelle, wird eine real-time Entscheidung erwartet. Die Geschwindigkeit bzgl. Entscheidungen nimmt somit um ein Vielfaches zu. Die größte Neuerung ist die durch KPIs gesteuerte Überwachung von Portfolien sowie die Kommunikation mittels AI.

 

Welcome, „Credit Data Analyst”! Der Markt verlangt nach dem neuen Berufsbild des strategisch arbeitenden Credit Managers/in welches in Zukunft in allen innovativ ausgerichteten Unternehmen Einkehr finden (wenn nicht bereits geschehen) und zu einer Veränderung der täglichen Arbeit eines Credit Managers/in führen wird.