Van de kwaliteit van uw scoringssysteem kan veel afhangen. Primair moet het systeem de (on)inbaarheid van uw vorderingen kunnen voorspellen. Daarnaast kan de continuïteit van uw omzet, uw liquiditeit, uw rentabiliteit en last but not least de herfinanciering van uw debiteurenvorderingen ervan afhankelijk zijn. Hoe goed kent u uw scoringssysteem? Deze vraag staat centraal in een onderzoek dat de VVCM en de Stichting NORA dit najaar uitvoeren. In dit artikel gaan wij in op de betekenis en de werkwijze van scoringssystemen en het belang van het onderzoek van de VVCM en de Stichting NORA.

Waarvoor gebruikt men scoringssystemen?
Scoringssystemen worden gebruikt voor de gestandaardiseerde beoordeling van individuele debiteuren. Ook gebruikt men een scoringssysteem voor de monitoring van het complete debiteurenbestand. Het vermogen om continu de kwaliteit van de omzet en de openstaande vorderingen te managen, is vooral belangrijk bij de liquiditeitsplanningen en de herfinanciering van debiteurenvordering. Men moet in staat zijn anticiperend de kwaliteit van het portfolio te managen. Bij grote debiteurenportfolio’s is dit zonder een geavanceerd scoringssysteem nauwelijks meer mogelijk. In dit artikel gaan wij allereerst in op de voordelen van een goed scoringssysteem. Vervolgens laten wij u kennismaken met de mogelijkheden om een scoringssysteem te beoordelen en te verbeteren.

Waarom is een scoringssysteem zo belangrijk?
De economische situatie zorgt voor meer aandacht voor de positie van het leverancierskrediet. Steeds meer bedrijven hebben langere krediettermijnen nodig om aan hun verplichtingen te kunnen voldoen. Bancaire kredieten zijn schaars voor de leverancier en de klant. De economische situatie verandert in een hoog tempo. Een snelheid die de meeste kredietbeoordelaars en kredietbeoordelingssystemen nauwelijks kunnen bijhouden. Als gevolg hiervan vertrouwen credit managers niet meer voor de volle 100% op kredietinformatie en hun scoringssystemen, en gaat de aandacht steeds meer uit naar de individuele analyse. Bij grote debiteurenportfolio’s heeft dit vergaande consequenties. Deze omstandigheden vragen om meer aandacht voor de kwaliteit van de kredietanalyse en van de technische hulpmiddelen bij de kredietbeoordeling, de scoringssystemen.
Scoringssystemen worden meestal door grotere ondernemingen ingezet, of door non bank finance financiers zoals lease- of factoringbedrijven. De reden waarom credit managers, die verantwoordelijk zijn voor grote portfolio’s, scoringssystemen inzetten, ligt in het feit dat het onmogelijk is om de kredietbeoordeling van grote aantallen debiteuren op een andere wijze nog efficiënt uit te voeren. Het belang van een scoringssysteem maakt deze techniek echter ook interessant voor kleinere portfolio’s. Vooral als men de vorderingen wil herfinancieren. Er komen immers steeds meer financieringsvormen op de markt die herfinanciering van kleinere portfolio’s mogelijk maken. En door de herfinanciering van de debiteuren wordt de financiering van het eigen bedrijf aanzienlijk verbeterd.

Hoe werkt een scoringssysteem?
Scorings hebben tot doel het gedrag van klanten in kaart te brengen. Gedragingen die de kredietwaardigheid of gebeurtenissen voorspellen. Bijvoorbeeld het tijdstip van de betaling. Een scoringswaarde toont onder andere de waarschijnlijkheid van de te verwachten betaling in overeenstemming met de condities en afspraken met een klant. Onder scoring verstaat men doorgaans de methode van puntenwaardering. Een scoringssysteem bevat ook de inzet van score cards voor de procesondersteuning binnen de onderneming. Een score card toont hoe en waarom diverse kenmerken een rol spelen bij de beoordeling van debiteuren. Deze kenmerken worden voorzien van punten, waarvan de som het scoringsresultaat of de scoringswaarde is. De diverse kenmerken moeten de goede inschatting van de uitvalwaarschijnlijkheid weergeven. Tabel 1 verduidelijkt de berekening van de waarde van een score.

Scoringssystemen ondersteunen alle creditmanagementprocessen. Vanaf de acquisitie, de acceptatie, de levering en de betaling tot de invordering en de incasso. Met marketing scores worden doelgroepen conform aan de bedrijfsactiviteiten en rendementsdoelstellingen aangewezen en actief benaderd. Met een zogenaamde aanvraag- of gedragsscoring wordt vastgesteld of en onder welke condities men aan een nieuwe klant kan of wil leveren. Voor de procesondersteuning van het debiteurenmanagement en het incasso wordt een incasso scoring gebruikt. Deze verschillende scoringssystemen kunnen geïntegreerd bij een bedrijf worden ingezet, maar ook zelfstandig bij gespecialiseerde dienstverleners zoals marketing- of incassobureaus.
In het kader van de afhandeling van bestellingen door nieuwe klanten verschaffen en structureren score cards alle vereiste informatie over de debiteur. Bijvoorbeeld interne informatie (zoals aard van het contract of betalingsgedrag tot nu toe) en externe data van handelsinformatieleveranciers of kredietverzekeraars (bijvoorbeeld betalingservaring van de branche, brancherisico’s, huidige financiële situatie van de debiteur, etc.). De gestructureerde interne en externe informatie voorziet men van gewichten die het belang van de informatie moeten weergeven. De optelsom van de gewichten geeft dan de puntenwaardering van de klant. De procesondersteuning door score cards heeft als doel een aanbeveling uit te spreken. Deze aanbeveling vindt vaak plaats in de vorm van een verkeerslicht. Als ‘groen’ beoordeelde debiteuren, met een hoog aantal punten, kunnen direct goedgekeurd worden. Aanvragen met een gemiddelde waardering die als ‘geel’ zijn ingedeeld, moeten handmatig aanvullend beoordeeld worden. Aanvragen met een zeer geringe score die als ‘rood’ wordt aangemerkt, worden direct afgewezen.

Eisen aan een scoringssysteem
Scoring maakt besluitvorming transparant en objectief. De besluitvorming vindt in overeenstemming met de beleidsuitgangspunten uit de creditmanagementpolicy plaats. In het kader van de aanvragen verschaft scoring de voorwaarden dat elke aanvraag op basis van gelijke criteria worden beoordeeld. De statistisch zuivere en plausibele waardering van aanvragen verschaft acceptatie bij de medewerkers en maakt een calculeerbare processturing mogelijk. Een scoring vervult in het credit management de volgende taken:
•    Scoring moet de best bereikbare beoordeling van debiteuren met behulp van alle beschikbare informatie en in een vooraf in te schatten bewerkingstijd mogelijk maken.
•    Een vergaande standaardisatie van alle werkzaamheden moet het kredietbeoordelingsproces in aanmerkelijke mate rationaliseren.
•    De scoring zal het inzicht en daarmee de acceptatie van de medewerkers in alle gelederen en op alle niveaus binnen de organisatie bevorderen.
•    Typische conflicten tussen verkoop en credit management worden met behulp van een scoring geobjectiveerd en calculeerbaar gemaakt. De uitvalwaarschijnlijkheid wordt calculeerbaar gemaakt en de risico’s worden inzichtelijk.
•    De risicostructuur van het portfolio kan doorlopend op elk tijdstip berekend worden. Hierdoor kent men de mate van continuïteit van de omzet en kan men de vereiste informatie verschaffen aan de financiers van de uitstaande debiteuren.
•    Een scoringssysteem maakt de nauwkeurige planning van de cashflow (betalingen) pas mogelijk. Inherent aan deze voorspelling wordt tevens de analyse van de rendementen per debiteur ondersteund.
Een score card kan bepaalde eigenschappen en handelingen van een klant openbaren en de specifieke handelswijze van de klant onthullen. Het kan logische verbanden leggen en conclusies van een aanbeveling voorzien. De voorwaarde van deze eigenschappen vormt de zogenaamde tijdstabiliteit-hypothese. Dit houdt in dat een klant zich in de toekomst hoogstwaarschijnlijk op een gelijke wijze gedraagt zoals in vergelijkbare situaties in het verleden. Bij de ontwikkeling van de score cards wordt met behulp van mathematisch statistische methodes een bewijs geleverd welke kenmerken achteraf bijzonder discriminerend waren. Men simuleert hierbij met steekproeven vergelijkbare situaties in het verleden. Beschikt men niet over vergelijkbare data, omdat er bijvoorbeeld een nieuwe markt wordt betreden, dan ontwikkelt men zogenaamde generieke score cards op basis van kennis van experts en aanverwante representatieve data. Het behoeft geen betoog om in te zien dat een generieke score card minder presteert dan een mathematisch statistische score card waarvan de prestatie voorafgaand aan de inzet is komen vast te staan.
Deze mathematisch statistische score cards zijn dan weliswaar beter dan de generieke score cards maar zij zijn desondanks nog altijd de ‘best guess’. De afwijkingen van de realiteit worden weergegeven in de zogenaamde α-fout (alfa fout) en ß-fout (beta fout). Met de α-fout merkt men toekomstige insolvente ondernemingen op het ogenblik van de scoringsfout als solvent aan. Bij een ß-fout gaat het om toekomstig solvente ondernemingen die men op het ogenblijk van de scoring als in de toekomst insolvent heeft aangemerkt. Beide fouten hebben met elkaar te maken. Besluit men bij het ontwikkelen van de score card de α-fout te minimaliseren om verliezen op incourante vorderingen te voorkomen, dan heeft dit tot gevolg dat ook de ß-fout toeneemt en mist men onevenredig veel handel. Omgekeerd veroorzaakt een minimale ß-fout hogere verliezen voor incourantheid door het toenemen van de α-fout. Zoals in afbeelding 1 is te zien, kan men deze foutkans minimaliseren door het verschuiven van de ‘cut off punt’. Een goed scoringssysteem moet geschikt zijn om verschillende instellingen van een variabele α-fout en ß-fout mogelijk te maken.

De prestaties van een scoringssysteem?
Met de variabele instelling van de α-fout en de ß-fout is het mogelijk om afhankelijk van de risicobereidheid van de onderneming het scoringssysteem precies af te stemmen op de behoefte van de gebruiker. Omdat scoringssystemen meestal over een verkeerslicht met drie beslissingsaanbevelingen beschikken, kan men naast de α- en ß-fout instelling ook de afstand tussen de beide fouten gebruiken voor de verbetering van de prestatie van het scoringssysteem. Dit wordt bereikt door de afstand tussen het gemiddelde van de score van de uitgevallen ondernemingen en de niet-uitgevallen ondernemingen ten opzichte van elkaar te beoordelen. Het verschil is de discriminerende afstand. Des te verder de gemiddelden uit elkaar liggen, des te beter presteert het scoringssysteem. Daarom staan hoge discriminanten voor een goede prognosekwaliteit.

Omdat scoringssystemen veelal door leasing- of factoringbedrijven worden gebruikt, moeten veel van dergelijke systemen aan de Basel II-regelgeving voldoen. Deze regelgeving eist dat scoringssystemen in staat moeten zijn de prognoses met een hoge mate aan kwaliteit te waarborgen. Met behulp van backtesting controleert men de geprognosticeerde uitvalpercentages. Hierbij controleert men in het bijzonder de stabiliteit en kwaliteit van het systeem aan de hand van een aantal kwaliteitsparameters.
Allereerst meet men het aantal uitgevallen bedrijven en het aantal niet-uitgevallen bedrijven die het systeem juist heeft kunnen detecteren. Men leidt hiervan de zogenaamde ‘accuracy ratio’ af. Hieronder wordt verstaan de mate van juiste voorspelling door het systeem uitgedrukt in procenten.
Een tweede kwaliteitsmaat is de zogenaamde ‘gini coëfficiënt’. Deze gini coëfficiënt toont de mate van discriminerend vermogen van de risk drivers uit de score card (voorbeeld zie tabel 1). De gini coëfficiënt is daarom een van de belangrijkste kwaliteitskenmerken. Des te meer uitval uit slechte risicoklassen wordt gemeten, des te beter is het systeem in staat te discrimineren tussen goed en slecht. Des te meer uitval uit goede risicoklassen wordt gemeten, des te slechter is het systeem in staat te discrimineren.
Als derde belangrijke kwaliteitsmaat worden migratietabellen gebruikt. Een migratietabel toont de eerste score van een onderneming en een tweede score na verloop van een jaar. In de regel ontstaan er verschillen. De wijze waarop de verschillen optreden – zijn er stelselmatig positieve of negatieve ontwikkelingen? – geeft een belangrijke indicatie van de kwaliteit van het systeem. Hiervoor moet men uiteraard wel de metingen bewaren om het verloop gestructureerd te kunnen analyseren.
Er bestaat dan ook een goed en algemeen geaccepteerd kader waaraan de prestaties van scoringssystemen kunnen worden getoetst.

Hoe verbeter je de prestaties van een scoringssysteem?
De prestaties van een scoringssysteem zijn alleen te verbeteren door de juiste indicatoren (risk drivers) te kunnen vinden en bovendien de mate van belangrijkheid in onderlinge relatie tot elkaar te kunnen bepalen. Daarom zijn zowel de risico-indicatoren als de weging van doorslaggevende betekenis voor de kwaliteit van een scoringssysteem. In deze samenhang is ook de kwaliteit van de ingekochte externe informatie van een kredietverzekeraar of handelsinformatiebedrijf van groot belang. Ook die informatie moet op kwaliteit en relevantie voor het te verbeteren scoringssysteem worden onderzocht.
Zekerheid over de kwaliteit kan alleen verkregen worden door het bewaren van alle kredietbeoordelingen en door middel van backtesting van deze data. Dit lukt alleen met een mathematisch statistisch model. Beschikt men niet over voldoende data, dan worden in de regel generieke score cards samengesteld aan de hand van kennis van experts. Deze experts zijn doorgaans de credit managers die voldoende ervaring hebben met het soort debiteuren dat gescoord moet worden. Maar de kans dat men zowel de juiste risk drivers als het belang van deze drivers en hun onderlinge relatie goed weet in te schatten is gering, omdat men de eigen inschatting niet hard kan maken door een backtesting.
De prestaties van beide score cards, de mathematisch statistische en de generieke, kunnen verbeterd worden door individuele analyses. Om een goed eindresultaat te behalen – zo gering mogelijke uitval en zo veel mogelijk handel – is de individuele analyse absoluut noodzakelijk. De scores dienen voor de versnelling van de doorloopsnelheid van de kredietbeoordelingen en het monitoren van de kwaliteit van het portfolio. De individuele analyse verdient echter een prominentere plaats binnen de kredietbeoordeling Als men duizenden debiteuren moet monitoren, zijn de gele scores nog altijd van een aanzienlijke omvang en is er daarom behoefte aan effectievere en efficiëntere analysemethoden. Ook de individuele analyses moeten efficiënter en objectiever kunnen worden uitgevoerd.
Kennis over rating- en scoringssystemen en analysevaardigheden bij de kredietanalyse is een specialisme die in onvoldoende mate binnen reguliere opleidingen aan de orde komt. De kwaliteit van de prestaties van scoringssystemen en van de kredietanalyse als geheel kan verbeterd worden door kennis. Kennis die men kan ontwikkelen door een opleiding tot ‘certified credit rating advisor’ te volgen. Aan deze opleiding is de titel CRAd verbonden. Alumni van deze opleiding zijn in staat de scoringssystemen en score cards te beoordelen en adequate individuele analyses uit te voeren.
Ten slotte is meten weten. Het verdient aanbeveling het eigen scoringssysteem en de score card geregeld te laten valideren door een externe expert. Dan zal blijken of en in hoeverre het scoringssysteem presteert. Ook hieraan is een certificaat verbonden. Niet voor de credit manager maar voor het scoringssysteem; vergelijkbaar met een ISO-certificering.

Onderzoek naar het gebruik van scoringssystemen
Alleen al als gevolg van de huidige economische situatie is er meer aandacht voor een goede kredietanalyse voorafgaand aan het verstrekken van leverancierskrediet. Bij grote debiteurenportfolio’s is de kredietanalyse nauwelijks meer handmatig uitvoerbaar. Men gebruikt score cards voor een efficiëntere kredietbeoordeling en voor het monitoren en managen van de kwaliteit van de complete debiteurenportfolio. Een afgewogen combinatie van een goed functionerend scoringssysteem en aanvullende handmatige analyses is de basis van een veilige kredietbeoordeling.
Wij willen weten wanneer en waarom credit managers score cards inzetten bij hun kredietbeoordeling en wanneer juist niet. Heeft het te maken met de omvang van de onderneming? Met de (teruglopende) prestaties van het huidige systeem? Wij zijn benieuwd of de keuze van een softwarepakket nog van invloed is op de beslissing om een eigen scoringssysteem in te zetten. Immers, er zijn pakketten die de opbouw van score cards ondersteunen. Is de invoering van een scoringssysteem nodig om de debiteuren te kunnen financieren via de non bank finance markt? Wie weet zijn er nog veel meer redenen waarom credit managers kiezen voor de invoering van een eigen scoringssysteem.
Vervolgens willen wij weten in welke mate credit managers kennis hebben van de feitelijke prestaties van hun kredietbeoordelingssysteem. Leiden zij dit achteraf af van de uitvallen of meten zij vooraf de prestaties van hun systeem? En vooral, weten zij hoe en in welke mate deze systemen te verbeteren zijn? Kortom, door dit onderzoek willen wij inzicht krijgen in de kwaliteit van kredietbeoordelingssystemen die een zeer belangrijke plaats innemen binnen het credit management. Ook hopen wij hiermee een bijdrage te kunnen leveren aan de verbetering en innovatie van dit soort systemen.

Auteurs: Fritz Witt CRA is rating analist en expert in credit ratings en ratingsystemen. Hij is hoofddocent van de Credit Rating Advisor leergang aan Nyenrode Business Universiteit. Daarnaast is hij voorzitter van de normcommissie voor de ISO-norm voor rating- en scoringssystemen bij het Nederlandse Normalisatie Instituut (NEN) en secretaris van de Stichting NORA. Peter Meefout is oud-voorzitter van de VVCM.
Bron: De Credit Manager, 2012, nummer 3.

Shares