Data gedreven bedrijfsprestaties verbeteren Logo klant X & Data gedreven bedrijfsprestaties verbeteren

Agenda Situatie en vraagstelling Klant X Graydon Analyse resultaten Vervolg aanpak 2 Juni 2016

Huidige situatie, complicatie en vraagstelling van Klant X X unieke bedrijven geïdentificeerd in de klantenbase … Complicatie Behoud van huidige portefeuille (omzet) Omzet behoud en vergroten middels Cross- en Upsell en Nieuw business …. Vraagstelling Klant X Welke inzichten zijn er om klant X te helpen met optimalisatie van (credit) risk management? Welke inzichten zijn er om klant X te helpen bij het vinden en onderhouden van rendabele en duurzame zakelijke relaties? 2 Juni 2016

Agenda Situatie en vraagstelling Graydon Analyse resultaten Vervolg aanpak 2 Juni 2016

Big data is al bijna 130 jaar onze core business 2 Juni 2016

Marketing information Graydon werkt in 3 landen, biedt credit management, marketing informatie, risk & compliance en incasso oplossingen Client acceptance Company report Monitoring Credit Management Market analysis Lead generation Data management Marketing information Identification & verification Screening & monitoring Audit trail Risk & compliance Extrajudicial debt collection Legal collection International debt collection Debt collection 2 Juni 2016

Externe officiële bronnen Onze B2B data is uitgebreid, verschaft een 360° beeld van een onderneming en gebruikt officiële data bronnen, zoals de KvK >400.000 10.048.979 NL Jaarrekeningen Actieve NL, BE & UK bedrijven Graydon B2B data >1.000.000 21 miljoen NL Uittreksels Betaalervaringen 58 3 Externe officiële bronnen Landen 2 Juni 2016

Onze inzichten helpen om… Nieuwe business genereren We leveren inzichten die onze klanten in staat stellen betere beslissingen te nemen om hun bedrijfsprestaties te verbeteren, voorbij onze traditionele producten Onze inzichten helpen om… Omzet verbeteren Nieuwe business genereren Kosten verlagen Risico’s verminderen Karakteristieken Bewezen cash flow impact Unieke content Schaalbaar Predictive Actionable 2 Juni 2016

Voorbeeld: we zijn in staat bedrijfsgroei te voorspellen, door externe industrie projecties en onze uitgebreide financiële B2B data te combineren, relevant voor verschillende buyer personas Tactische besluitvorming Betere gerichte marketing inzet Effectievere sales organisatie Verbeterde financiële resultaten Verminderde operationele risico´s 2 Juni 2016

Agenda Situatie en vraagstelling Graydon Analyse resultaten Vervolg aanpak 2 Juni 2016

Door eerst onze voorspellingen te valideren, kunnen we vervolgens een goede verwachting voor het komend jaar geven Terug kijken Vooruit kijken Doel Aanpak validatie voorspellingen Voorspeld omzetverlies Meest interessante segmenten Performance scores Voorspelling vs actuals Meest interessante prospects Vervolgstappen 2 Juni 2016

Terugbrengen van risico’s Doel: verbeteren van de business met bewezen, voorspellende inzichten Behoud van omzet Inzichten in de belangrijkste waardevolste klanten Identificeren van klanten die gaan stoppen Cross- and upsell kansen in kaart brengen Nieuwe business Prospects selecteren adhv groeipotentie Prospects selecteren met minimale kans van opheffing Financieel gezonde bedrijven Business verbeteren Terugbrengen van risico’s Faillissement risico’s Opheffing risico’s Verander risico’s Verbeteren Cash flow Verlagen van de DSO Optimaliseren inningsproces 2 Juni 2016

De meest waardevolle inzichten krijgen we door het combineren van Klant X data met de Graydon database Klant X data Maandelijkse facturatie- en betalingsbestanden Graydon data Harde/zachte data Officiële financiële gegevens Voorspellende scores Gini 0,84 2 Juni 2016

Som van alle factuurbedragen in de periode Onze werkwijze kenmerkt zich door backtesting op historische data voor transparantie en validatie van inzichten Valideren performance Graydon scores over de Klant X portefeuille Verrijken van betalingsbestand met historische scores, als geldend per dd/mm/jjjj Identificeren welke bedrijven in de periode dd/mm/jjjj– dd/mm/jjjj zijn gefailleerd of opgeheven Vaststellen gerealiseerd % faillissementen en opheffingen over de per dd/mm/jjjj geldende scores Valideren verwachte omzetderving binnen 12 maanden Vaststellen jaaromzet per klant Inschatten te derven omzet in periode dd/mm/jjjj tot dd/mm/jjjj, o.b.v. scores per dd/mm/jjjj Identificeren welke bedrijven in de periode dd/mm/jjjj– dd/mm/jjjj zijn gefailleerd of zijn opgeheven Inschatting voor resterende maanden op basis van maandelijkse patronen X bedrijven Y faillissementen Z opheffingen dd/mm/jjjj dd/mm/jjjj X bedrijven Jaaromzet per klant = Som van alle factuurbedragen in de periode Y faillissementen Z opheffingen dd/mm/jjjj dd/mm/jjjj 2 Juni 2016

De resultaten: significante ± € X mio omzet at risk, duidelijk waar de pijn zit en kansen voor nieuwe business om dit te compenseren Omzet at risk Inschatting van kredietrisico performt goed, duidelijk meer faillissementen naarmate score verslechtert Idem voor opheffingen, welke in aantal 5 x meer dan faillissementen en daarmee erg relevant voor omzetbehoud Huidige inschatting is dat in de komende 12 maanden € X miljoen omzet ‘verdampt’ Kansen voor groei Het is duidelijk wat de meest rendabele klantsegmenten zijn Op basis van ‘look a likes’ kunnen de beste prospects worden geïdentificeerd, inclusief mogelijke omzetwaarde Omzetverval kan gecompenseerd worden door stijging in marktpenetratie van X% in de hoogste segmenten tot Y % in de laagste € 2 Juni 2016

De inschatting van kredietrisico heeft goede performance De inschatting van kredietrisico heeft goede performance. Duidelijk oplopende faillissements percentages naarmate de credit score verslechtert Bij best gescoorde bedrijven 4 x minder faillissementen dan gemiddeld Bij slechtst gescoorde bedrijven 22 x meer faillissementen dan gemiddeld 2 Juni 2016

Ook goede resultaten in voorspelling welke zakelijke klanten zichzelf gaan opheffen Bij best gescoorde bedrijven 14 x minder opheffingen dan gemiddeld Bij slechtst gescoorde bedrijven 22 x meer opheffingen dan gemiddeld 2 Juni 2016

Omzetderving door opheffing of faillissement van de klant kan goed worden ingeschat. Graydon inschatting was dat ± € X mio omzet zou wegvallen Sample 2 Juni 2016

Huidige inschatting is dat ± € X miljoen omzet binnen een jaar weer komt te vervallen, door faillissement of opheffing van de klant Sample 2 Juni 2016

Klantsegmentatie op basis van demografische kenmerken faciliteert focus voor groei Meest rendabele klantsegmenten Minst rendabele klantsegmenten Sample Segment 5: Bedrijven met balanstotaal > € X Segment 23: Kleinzakelijk, BV, groot- en detailhandel 2 Juni 2016

Klantsegmentatie geeft ook inzicht in mogelijk concentratierisico Veel van de omzet komt voort uit drie van de x segmenten Veel van de omzet komt voort uit drie van de 29 segmenten Veel van de omzet komt voort uit drie van de 29 segmenten Sample 2 Juni 2016

In de meest aantrekkelijke segmenten is nog volop potentie voor groei Sample Segment 5: Bedrijven met balanstotaal > € x Segment 23: Kleinzakelijk, BV, groot- en detailhandel 2 Juni 2016

Spreiding klanten voor segment 5 Marktpenetratie voor segment 5 We kunnen zeer nauwkeurig aangeven welke dekking klant X al heeft en zelfs pinpointen waar de meest interessante prospects zitten Spreiding klanten voor segment 5 Marktpenetratie voor segment 5 Meeste klanten in Noord Holland Nog voldoende potentieel voor verhogen marktpenetratie Sample Idem voor Amsterdam Idem voor Amsterdam 2 Juni 2016

Verschil in risico en groeipotentieel tussen meest en minst aantrekkelijke segmenten blijkt ook uit individuele credit scores en groei verwachtingen Sample 2 Juni 2016

Agenda Situatie en vraagstelling Klant X Graydon Analyse resultaten Vervolg aanpak 2 Juni 2016

Terugbrengen van risico’s Extra competitive edge door gebruik van voorspellende scoring en effectievere klantbenadering Behoud van omzet Met de juiste klant op juiste moment in gesprek Tijdig in gesprek met de juiste klant Nieuwe business Prospects selecteren adhv look a likes Prospects verder verfijnen obv groeipotentie Effectievere marketing campagnes obv segmentatie Business verbeteren Terugbrengen van risico’s Faillissementen en opheffingen voorspellen Effectievere inzet Finance en Sales Aanscherpen / verzachten voorwaarden Verbeteren Cash flow Strak credit management op klanten met verhoogd risico Eventuele crediteringen verder terugdringen 2 Juni 2016

Integreer in organisatie “think big, start small” & “fail fast” Met actionable inzichten een significante stap maken, o.b.v. concrete voorspellende B2B data, waarbij we gezamenlijk het geïdentificeerde omzet potentieel van ± € X mio realiseren Bewijs methode Schaal op Integreer in organisatie 1 2 3 Sales ondersteunen, proactief benaderen van de juiste klanten & prospects Betrek Marketing en Finance, gebruik pilot ervaring en laat successen zien Data gedreven way of working in alle B2B onderdelen en customer journey Data gedreven segmentatie Gericht accountmanagement Beste prospects benaderen Klant acceptatie proces o.b.v. predictive scoring Effectievere marketing campagnes naar juiste doelgroep en timing Cash flow optimalisatie o.b.v. facturatie data XXX Logo klant X Verdere segmentering naar marge Complete dataset over meest relevante X bedrijven Verwachte faillissementen & opheffingen Inzicht in expiraties, cross- en upsell mogelijkheden klanten Maandelijkse prospect lijsten Per kwartaal een analyse update Inzet verdeling Geautomatiseerd decision model o.b.v. acceptatie advies Doelgroep selectie en data voor marketing campagnes Debiteuren segmentatie o.b.v. slagingskans B2B data partnership Voorspellende scores via API 2016 2017 2018 2 Juni 2016

Data gedreven bedrijfsprestaties verbeteren Logo klant X & Data gedreven bedrijfsprestaties verbeteren