Automatisering in financiën, met name binnen de banksector, begon traditioneel met hoogfrequente processen en transacties. In de banksector omvatten de meest voorkomende activiteiten transactieverwerking en retailleningen.
De automatiseringsinspanningen zijn primair gericht op deze gebieden, waarbij aspecten als aanvraagverwerking, risicobeoordeling en de overgang van handmatige beoordeling van formulieren en documenten naar geautomatiseerde controles en op modellen gebaseerde evaluaties aan bod komen.
Mezzaninefinanciering staat in schril contrast met deze hoogfrequente processen. Gekenmerkt door zijn unieke, op maat gemaakte aard, neemt mezzaninefinanciering een specifieke nicheruimte in binnen het financiële landschap: het vertegenwoordigt een financieringsoplossing met verhoogde risiconiveaus, strategisch gepositioneerd tussen standaard bedrijfsleningen en aandeleninvesteringen.
Bij mezzaninefinanciering wordt financiering verstrekt op aandeelhoudersniveau (structurele achterstelling) of via de verwerving van eigen vermogen in combinatie met rendementinstrumenten zoals putopties (contractuele achterstelling).
Gezien de eenmalige en zeer geïndividualiseerde aard van mezzaninedeals, vormt het automatiseren van processen op dit gebied een aanzienlijke uitdaging. De natuurlijke vraag zou de volgende zijn: hoe kunnen banken, met name grote, de taak aanpakken om de winstgevendheid van hun mezzaninebedrijf te verbeteren door middel van automatisering en digitale transformatie?
Als expert met ruime ervaring op het gebied van Private Equity, Risicomanagement en Financiën wil ik een inleidende verkenning bieden van de digitale transformatie in mezzanineleningen. Ik wil de complexiteit ervan ontrafelen en succesverhalen vertellen over het toepassen van technologische vooruitgang op een gebied van bankieren dat traditioneel afhankelijk is van op maat gemaakte, geïndividualiseerde dealvorming.
Mezzaninefinanciering is een onderscheidende en genuanceerde sector binnen het bredere financiële landschap. Zoals eerder vermeld, bevindt het zich in het midden tussen conventionele bedrijfsleningen en aandeleninvesteringen en wordt het gekenmerkt door een verhoogd risiconiveau.
Uniek is dat elke mezzanine-deal op maat wordt gemaakt, afgestemd op de specifieke behoeften en omstandigheden van elke klant, net als een op maat gemaakt pak.
De aard van mezzaninefinanciering brengt inherent aanzienlijke uitdagingen met zich mee. Traditionele methoden vertrouwen voornamelijk op handmatige processen en geïndividualiseerde dealmaking. Deze aanpak vereist een diepgaand begrip van de unieke aspecten van elke deal, een vaardigheid die vaak schaars en duur is.
Bij grote banken met gevestigde afdelingen voor bedrijfsleningen zijn client- en creditmanagers goed thuis in standaard kredietproducten. Hun ontmoeting met mezzaninetransacties is echter zeldzaam, wat op zijn beurt hun expertise in het effectief verkopen of aantrekken van dergelijke deals beperkt.
Het samenstellen van een gespecialiseerd team van clientmanagers dat zich uitsluitend richt op mezzanineproducten is niet alleen duur, maar het brengt ook hogere kosten met zich mee dan bij de meer standaard leenprocedures.
Hoewel het mogelijk is om complexe beleggingsproducten te groeperen om kosten te besparen, blijkt digitalisering in dit opzicht een voordeliger en efficiënter alternatief.
De digitale transformatie in mezzanine-leningen richt zich primair op het identificeren en aantrekken van deals. De meeste krediet- en cliëntspecialisten in banken gebruiken systemen die onderhandelingen, dealideeën en initiële dealparameters registreren.
Door mezzaninecriteria in deze bestaande systemen te integreren, kunnen we de identificatie van potentiële mezzaninedeals automatiseren.
Wanneer een transactie aan deze criteria voldoet, kan deze automatisch worden doorgestuurd naar de mezzanine-divisie voor verdere verwerking. Verdere ontwikkelingen kunnen AI-modellen omvatten die zijn getraind om onderscheid te maken tussen standaard bedrijfsleningen en mezzanine-deals op basis van een veelheid aan inkomende dealparameters.
De omvang van deze transformatie is significant: terwijl een grote bank jaarlijks duizenden zakelijke krediettransacties kan uitvoeren, zijn mezzaninefinancieringsdeals veel zeldzamer, vaak genummerd in enkele cijfers. Het implementeren van een systeem voor het identificeren van mezzaninedeals zou potentieel kunnen leiden tot een vertienvoudiging van hun volume.
Digitale transformatie kan de uitvoering stroomlijnen door het proces te automatiseren en te standaardiseren. In plaats van direct te duiken in volledige automatisering en platformontwikkeling, kunt u zich in eerste instantie richten op eenvoudigere technologieën zoals RPA, die gegevensverzameling, verificatie, berekening en rapportage automatiseren. Dit vermindert handmatig werk en fouten en verbetert de boekhouding en naleving.
Gestandaardiseerde mezzanine-instrumenten en documenten zoals term sheets en leningsovereenkomsten kunnen ook snel worden aangepast voor elke deal zonder kwaliteitsverlies. Dit versnelt de verwerking en documentatie, wat de transparantie en consistentie verder verbetert.
Digitale platforms en tools zoals databases en dashboards helpen bij het bijhouden en beheren van toegenomen dealvolume en -variëteit door informatie te organiseren. Dit maakt het mogelijk om de dealstatus en -voortgang te monitoren en problemen te identificeren en op te lossen.
Over het algemeen vereenvoudigen automatisering en standaardisatie de uitvoering, waardoor frictie en kosten worden verminderd. Door het end-to-end-proces te stroomlijnen, maakt digitale transformatie mezzanine-leningen efficiënter, schaalbaarder en winstgevender.
Mezzanine portfolio rapportage is problematisch zonder gestandaardiseerde data. Deze heterogene deals missen transparantie, wat het lastig maakt om consistent belangrijke rendement- en risico-indicatoren te evalueren.
Digitale analysetools voor datavisualisatie en Business Intelligence kunnen helpen door gefragmenteerde data te integreren voor een geconsolideerde zichtbaarheid: het maakt interactieve dashboards mogelijk die de portefeuilleprestaties visualiseren, opgesplitst per lener, sector, geografie en andere dimensies. Dit maakt holistische monitoring mogelijk.
Qlik maakt ook geavanceerde analyses mogelijk, zoals voorspellende modellen, scenario-analyses en stresstests. Lenders kunnen toekomstige portefeuilleprestaties simuleren onder verschillende aannames en omstandigheden. Deze datagestuurde inzichten helpen bij het optimaliseren van strategie en risicobeperking.
Qlik Sense en data-analyse zijn in dit opzicht het beste om de transparantie en inzichten te bieden die nodig zijn om mezzanineportefeuilles actief te beheren. Door uitgebreide rapportage en voorspellende analyses op deze complexe deals mogelijk te maken, geeft digitale transformatie kredietverstrekkers de zichtbaarheid die nodig is om rendementen te maximaliseren en risico's te minimaliseren. Het is een krachtige hefboom voor het optimaliseren van resultaten bij mezzanineleningen.
In deze sectie zullen we voorbeelden van automatisering van kredietprocessen onderzoeken. Opvallend is dat er een beperkt aantal prominente gevallen zijn van het optimaliseren van mezzaninetransacties buiten ons werk bij Sberbank.
Ik zal echter een aantal voorbeelden geven die laten zien hoe vergelijkbare benaderingen kunnen worden toegepast op mezzanine-activiteiten, vergelijkbaar met wat we bij Sberbank tussen 2018 en 2021 hebben bereikt. Ik zal dit later in de tekst onthullen.
Achtergrond : Een grote Europese bank wilde zijn MKB-leningen herpositioneren te midden van concurrentie van agile fintech-rivalen. Het doel was om een digitaal ecosysteem te creëren met naadloze klantreizen. De eerste stap was het opnieuw uitvinden van zijn commerciële leningen met gestroomlijnde applicaties, mobiele toegang en realtime goedkeuringen.
Aanpak : De bank werkte samen met Deloitte om klant- en technologievereisten te definiëren voor een nieuw cloudgebaseerd digitaal leensysteem. Het OpenDATA-platform van Deloitte op AWS maakte flexibele, schaalbare, modulaire ontwikkeling mogelijk. Dit maakte de adoptie van Agile-methodologieën mogelijk, waardoor de eerste versie in slechts 13 weken werd opgeleverd.
Het systeem maakt gebruik van geavanceerde analyses, waaronder AI en ML, om gegevens uit interne systemen, externe databases, sociale media en andere bronnen te integreren en analyseren. Zo worden uitgebreide, actuele profielen van kredietnemers samengesteld.
Het past vooraf bepaalde regels toe om geschiktheid voor mezzaninefinanciering te filteren en te rangschikken. RPA, blockchain en smart contracts automatiseren handmatige taken zoals documentatie, berekeningen en rapportage.
Qlik Sense maakt interactieve datavisualisatie, voorspellende modellen, scenario's en stresstests mogelijk om mezzaninestrategieën en risicomanagement te optimaliseren.
Als resultaat werd de aanvraagtijd voor een lening teruggebracht van 20 dagen naar 15 minuten, steeg het goedkeuringspercentage van 50% naar 90% en daalden de verwerkingskosten met 70%. De leadflow, kwaliteit en conversie verbeterden ook, terwijl de transparantie en consistentie van mezzanine-aanbiedingen werden verbeterd. Analytics en simulaties optimaliseerden strategieën en beslissingen.
Achtergrond : theLender is een particuliere kredietverstrekker die gespecialiseerd is in het verstrekken van overbruggingsleningen aan vastgoedbeleggers. theLender wilde zich onderscheiden van andere kredietverstrekkers door een sneller, eenvoudiger en transparanter leenproces aan te bieden.
Aanpak : Het bedrijf ging een partnerschap aan met GoDocs, een toonaangevende leverancier van software voor het genereren van commerciële leningdocumenten, om een digitaal leenplatform te implementeren dat het volledige proces van het verstrekken en afsluiten van leningen automatiseert.
Het platform maakt gebruik van cloud computing, kunstmatige intelligentie en blockchaintechnologie om workflows te stroomlijnen, fouten te verminderen en de beveiliging te verbeteren.
Bovendien kon theLender dankzij het digitale leenplatform de tijd voor het genereren van leendocumenten terugbrengen van uren naar minuten, handmatige gegevensinvoer en menselijke fouten elimineren, realtime inzicht en samenwerking bieden tussen alle partijen die betrokken zijn bij de leentransactie, leendocumenten veilig opslaan en delen in een gedistribueerd grootboek en tot slot integreren met externe diensten zoals kredietbureaus, titelbedrijven en escrow-agenten.
Dankzij het digitale leenplatform van het bedrijf kon het bedrijf het leenvolume en de omzet in één jaar met 300% verhogen, de klanttevredenheid en retentiepercentages verbeteren, de operationele kosten en risico's verlagen en een concurrentievoordeel behalen op de markt voor particuliere leningen.
Digitale transformatie biedt mezzanine-geldschieters een aantrekkelijke kans om te innoveren en waarde te creëren. Geavanceerde technologieën, zoals automatisering, AI en data-analyse, kunnen de huidige pijnpunten rondom dealsourcing, procesefficiëntie en portfoliomanagement aanpakken.
De potentiële voordelen zijn veelzijdig: verbeterde klantervaring, productiviteit van werknemers, risicomanagement en strategische wendbaarheid. Het belangrijkste voordeel is een toename van het aantal transacties en dus van inkomsten.
Op basis van mijn ervaring bij Sberbank van 2018 tot 2021 is het duidelijk dat het implementeren van dergelijke veranderingen in de mezzanine-business zowel het volume van de business als het aantal deals aanzienlijk kan vergroten. Aanvankelijk beheerde Sberbank ongeveer 10 mezzanine-deals per jaar.
Maar in 2022, na de invoering van effectieve automatiseringsstrategieën, steeg de capaciteit van de bank tot meer dan 100 deals per jaar.
Deze opmerkelijke groei onderstreept de substantiële invloed van digitale innovaties op het vergroten van zowel de schaal als de efficiëntie van de activiteiten op het gebied van mezzanineleningen.