Automatisering inom finanser, särskilt inom banksektorn, har traditionellt börjat med högfrekventa processer och transaktioner. Inom bank är de vanligaste aktiviteterna transaktionshantering och utlåning till privatpersoner.

Dessa områden har varit det primära fokus för automatiseringsarbetet och omfattat aspekter som ansökningshantering, riskbedömning och övergången från manuell granskning av formulär och dokument till automatiserade kontroller och modellbaserade utvärderingar.

Mezzaninefinansiering står i skarp kontrast till dessa högfrekventa processer. Mezzaninefinansiering kännetecknas av sin unika, skräddarsydda karaktär och upptar ett specifikt nischutrymme inom det finansiella landskapet: den representerar en finansieringslösning med förhöjda risknivåer, strategiskt placerad mellan vanliga företagslån och aktieinvesteringar.

Mezzaninfinansiering innebär antingen att tillhandahålla finansiering på aktieägarnivå (vilket är strukturell underordning) eller genom aktieförvärv tillsammans med avkastningsinstrument som säljoptioner (kontraktsmässig underordning).

Med tanke på den enstaka och mycket individualiserade karaktären hos mezzanineaffärer, utgör automatisering av processer inom detta område en betydande utmaning. Den naturliga frågan skulle vara följande: hur kan banker, särskilt stora, ta sig an uppgiften att förbättra lönsamheten för sin mezzanineverksamhet genom automatisering och digital transformation?

Som expert med betydande erfarenhet inom områdena Private Equity, Risk Management och Finans, strävar jag efter att ge en inledande utforskning av den digitala transformationen av mezzaninelån som försöker reda ut komplexiteten och ge framgångshistorier när det gäller att tillämpa tekniska framsteg på ett område bankverksamhet som traditionellt är beroende av skräddarsydda, individualiserade affärer.

Det traditionella landskapet av mezzanineutlåning

Mezzaninefinansiering är en distinkt och nyanserad sektor inom det bredare finansiella landskapet. Som tidigare nämnts ligger den i en mellanting mellan konventionella företagslån och aktieinvesteringar och kännetecknas av en förhöjd risknivå.

Unikt är att varje mezzanine-affär är skräddarsydd och utformad för att passa varje kunds specifika behov och omständigheter, ungefär som en skräddarsydd kostym.

Utmaningar i traditionell mezzaninlåning

Mezzaninfinansieringens natur medför betydande utmaningar. Traditionella metoder bygger huvudsakligen på manuella processer och individualiserad affär. Detta tillvägagångssätt kräver en djup förståelse för de unika aspekterna av varje affär, en kompetens som ofta är knapp och dyr .

I stora banker med etablerade företagsutlåningsdivisioner är kund- och kreditansvariga väl insatta i standardkreditprodukter. Deras möte med mezzaninetransaktioner är dock sällsynta, vilket i sin tur begränsar deras expertis i att effektivt sälja eller attrahera sådana affärer.

Att etablera ett specialiserat team av kundansvariga exklusivt för mezzaninprodukter är inte bara dyrt, utan det eskalerar också kostnaderna i jämförelse med de mer standardiserade låneförfarandena.

Även om det är möjligt att kombinera komplexa investeringsprodukter i grupper för att minska kostnaderna, framstår digitalisering i detta avseende som ett mer ekonomiskt och effektivt alternativ.

Digitalisering som lösning

Den digitala transformationen inom mezzaninlåning fokuserar främst på identifiering och attraktion av affärer. De flesta kredit- och kundspecialister i banker använder system som registrerar förhandlingar, affärsidéer och initiala transaktionsparametrar.

Att integrera mezzaninkriterier i dessa befintliga system skulle kunna automatisera identifieringen av potentiella mezzaninaffärer.

När en transaktion uppfyller dessa kriterier kan den automatiskt vidarebefordras till mezzaninavdelningen för vidare bearbetning. Ytterligare framsteg kan inkludera AI-modeller som tränats för att skilja mellan standardföretagslån och mezzanine-affärer baserat på en mängd inkommande affärparametrar.

Omfattningen av denna omvandling är betydande: medan en storbank kan genomföra tusentals företagslånetransaktioner årligen, är mezzaninefinansieringsaffärer mycket sällsynta, ofta numrerade med ensiffriga siffror. Att implementera ett system för att identifiera mezzanineaffärer kan potentiellt leda till en tiofaldig ökning av deras volym.

Effektivisering av processen: automatisering och standardisering

Digital transformation kan effektivisera genomförandet genom att automatisera och standardisera processen. Istället för att dyka rakt in i fullskalig automatisering och plattformsutveckling, kunde du initialt fokusera på enklare tekniker som RPA, som automatiserar datainsamling, verifiering, beräkning och rapportering. Detta minskar manuellt arbete och fel och förbättrar redovisning och efterlevnad.

Standardiserade mezzanininstrument och dokument som term sheets och låneavtal kan också snabbt anpassas för varje affär utan kvalitetsförlust. Detta påskyndar bearbetning och dokumentation, vilket ytterligare förbättrar transparens och konsekvens.

Digitala plattformar och verktyg som databaser och instrumentpaneler hjälper till att spåra och hantera ökad affärvolym och variation genom att organisera information. Detta gör det möjligt att övervaka affärens status och framsteg, identifiera och lösa problem.

Sammantaget förenklar automatisering och standardisering utförandet, vilket minskar friktion och kostnader. Genom att effektivisera end-to-end-processen gör digital transformation mezzaninelån mer effektivt, skalbart och lönsamt.

Rapporteringsverktygens roll

Mezzanineportföljrapportering är problematisk utan standardiserade data. Dessa heterogena affärer saknar transparens, vilket gör det svårt att konsekvent utvärdera nyckeltal för avkastning och risk.

Digitala analysverktyg för datavisualisering och Business Intelligence kan hjälpa till genom att integrera fragmenterad data för konsoliderad synlighet: det möjliggör interaktiva instrumentpaneler som visualiserar portföljprestanda uppdelat efter låntagaren, industrin, geografin och andra dimensioner – detta möjliggör holistisk övervakning.

Qlik möjliggör även avancerad analys som prediktiv modellering, scenarioanalys och stresstester. Långivare kan simulera framtida portföljprestanda under olika antaganden och förhållanden – dessa datadrivna insikter hjälper till att optimera strategi och riskreducering.

Qlik Sense och dataanalys i detta avseende är det bästa för att ge den transparens och insikter som behövs för att aktivt hantera mezzanineportföljer. Genom att möjliggöra omfattande rapportering och prediktiv analys av dessa komplexa affärer ger digital transformation långivare den synlighet som krävs för att maximera avkastningen och minimera risken. Det är en kraftfull spak för att optimera resultaten vid mezzaninlån.

Fallstudier

I det här avsnittet kommer vi att utforska instanser av automatisering av kreditprocesser. Noterbart finns det begränsade framträdande fall av optimering av mezzanintransaktioner utöver vårt arbete på Sberbank.

Jag kommer dock att presentera några exempel som visar hur liknande tillvägagångssätt kan tillämpas på mezzanineaffärer, i likhet med vad vi uppnådde på Sberbank mellan 2018 och 2021, och vad jag kommer att avslöja senare i texten.

Fallstudie 1: Major European Bank implementerar end-to-end digital utlåningsplattform

Bakgrund : En stor europeisk bank försökte ompositionera sin utlåningsverksamhet till små och medelstora företag i konkurrensen från agila fintech-rivaler. Det syftade till att skapa ett digitalt ekosystem med sömlösa kundresor. Det första steget var att återuppfinna sin kommersiella utlåning med strömlinjeformade applikationer, mobil åtkomst och realtidsgodkännanden.

Tillvägagångssätt : Banken samarbetade med Deloitte för att definiera kund- och teknikkrav för ett nytt molnbaserat digitalt utlåningssystem. Deloittes OpenDATA-plattform på AWS möjliggjorde flexibel, skalbar, modulär utveckling. Detta möjliggjorde antagandet av agila metoder, och levererade den första versionen på bara 13 veckor.

Systemet använder avancerad analys inklusive AI och ML för att integrera och analysera data från interna system, externa databaser, sociala medier och andra källor för att skapa heltäckande, uppdaterade låntagarprofiler.

Den tillämpar förutbestämda regler för att filtrera och rangordna lämplighet för mezzaninfinansiering. RPA, blockchain och smarta kontrakt automatiserar manuella uppgifter som dokumentation, beräkningar och rapportering.

Qlik Sense möjliggör interaktiv datavisualisering, prediktiv modellering, scenarier och stresstester för att optimera mezzaninstrategier och riskhantering.

Som ett resultat minskade låneansökningstiden från 20 dagar till 15 minuter, godkännandegraden ökade från 50 % till 90 % och handläggningskostnaderna minskade med 70 %. Blyflödet, kvaliteten och konverteringen förbättrades också, medan transparensen och konsekvensen i mezzaninerbjudandena förbättrades. Analyser och simuleringar optimerade strategier och beslut.

Fallstudie 2: Privatlåneföretag utnyttjar GoDocs för att modernisera utlåning

Bakgrund : theLender är ett privat låneföretag som är specialiserat på att tillhandahålla brygglån till fastighetsinvesterare. theLender försökte skilja sig från andra långivare genom att erbjuda en snabbare, enklare och mer transparent utlåningsprocess.

Tillvägagångssätt : Företaget samarbetade med GoDocs, en ledande leverantör av programvara för generering av kommersiella lånedokument, för att implementera en digital utlåningsplattform som automatiserar hela processen för uppkomst och stängning av lån.

Plattformen utnyttjar cloud computing, artificiell intelligens och blockchain-teknik för att effektivisera arbetsflöden, minska fel och förbättra säkerheten.

Vidare gjorde theLenders digitala låneplattform det möjligt för den att minska tiden för att generera lånedokument från timmar till minuter, eliminera manuell datainmatning och mänskliga fel, ge realtidssynlighet och samarbete mellan alla parter som är involverade i lånetransaktionen, säkert lagra och dela lån dokument på en distribuerad reskontra, och slutligen integreras med tredjepartstjänster som kreditupplysningsföretag, titelföretag och depositionsagenter.

Som ett resultat hjälpte företagets digitala utlåningsplattform det att öka sin lånevolym och sina intäkter med 300 % på ett år, förbättra kundnöjdheten och behållningsgraden, minska sina driftskostnader och risker, samt få en konkurrensfördel inom den privata utlåningen marknadsföra.

Slutsats

Digital transformation erbjuder en övertygande möjlighet för mezzaninlångivare att förnya och skapa värde. Avancerad teknik inklusive automation, AI och dataanalys kan ta itu med aktuella smärtpunkter kring deal sourcing, processeffektivitet och portföljhantering.

De potentiella fördelarna är mångfacetterade – förbättrad kundupplevelse, anställdas produktivitet, riskhantering och strategisk smidighet. Den största fördelen är en ökning av antalet transaktioner, och därmed i inkomsten.

Utgående från min erfarenhet av att arbeta på Sberbank från 2018 till 2021 är det tydligt att implementering av sådana förändringar i mezzaninverksamheten avsevärt kan öka både affärsvolymen och antalet affärer. Inledningsvis hanterade Sberbank cirka 10 mezzanineaffärer per år.

Men år 2022, efter antagandet av effektiva automationsstrategier, ökade bankens kapacitet till över 100 affärer årligen.

Denna anmärkningsvärda tillväxt belyser den betydande inverkan som digitala innovationer har för att förbättra både omfattningen och effektiviteten av verksamheten inom mezzaninelån.