In questo momento storico, più che mai, è fondamentale poter mettere a terra innovative visioni su modelli che possono concretamente contribuire a rafforzare il rapporto di fiducia tra i soggetti della filiera e a migliorare i processi aziendali, riducendo gli aggravi amministrativi, contenendo i costi e diminuendo il margine d’errore. Costruire sistemi di machine to machine payment significa andare esattamente in questa direzione.
Indice degli argomenti
Il contesto economico
Oggi ci troviamo in un contesto senza precedenti dal punto di vista macroeconomico. Come ha ben delineato il Governatore della Banca d’Italia, Ignazio Visco, il nostro Paese è in ripresa, con una “domanda robusta” attesa per la seconda metà dell’anno, quando si prevede che la pandemia segnerà un definitivo arretramento. Per contro, la maggior parte delle imprese si trovano ad affrontare le opportunità di ripresa in un contesto competitivo ancora più agguerrito a livello internazionale come effetto delle pesanti ferite causate proprio dalla crisi pandemica e dove i soggetti economici in lotta per la sopravvivenza saranno moltissimi.
Quando un system integrator approccia il mercato grazie a un insieme di competenze e soluzioni che lo rendono un vero e proprio hub finanziario, per definizione il suo approccio deve andare ben oltre l’attività di pura integrazione dei sistemi. L’analisi dei processi e la costruzione di nuovi modelli è il vero punto di arrivo di un qualsiasi progetto di integrazione. È questa la sintesi estrema del tanto decantato, a ragion veduta, approccio ecosistemico e di co-innovation, ed è questo il percorso che consente di delineare nuove visioni.
In questa ottica, analizziamo l’integrazione della piattaforma proprietaria di FinDynamic nei sistemi di Crédit Agricole Italia.
![machine to machine payment](https://img.industry4business.it/wp-content/uploads/2020/12/word-image-1-640x360.jpeg)
Quali vantaggi offre un sistema di machine to machine payment
Alla luce di ormai consolidati modelli di servitization, propri dell’industria manifatturiera, in cui i macchinari vengono dati in uso da fornitori che fatturano al cliente in base alla produzione, immaginiamo di interfacciare una piattaforma come FinDynamic – software italiano nato come strumento per ottimizzare la liquidità tra clienti e fornitori – non più solo con il sistema bancario, ma anche direttamente con i macchinari di produzione.
Questo permette alla macchina, che già comunica grazie a soluzioni di IoT dati e a parametri di produzione, di interloquire anche col sistema bancario per definire in base a dati elaborati forme di finanziamento, sia in fase di costruzione che in fase di operatività del macchinario.
Tale processo consente un alleggerimento importante dell’operatività amministrativa dell’impresa, agisce come acceleratore della produzione sostenendo, al contempo, l’immissione di liquidità nel sistema generando così un circolo virtuoso.
Con il modello di servitization “tradizionale”, il macchinario comunica al fornitore i dati di produzione permettendogli, a fine mese, di emettere una fattura che tendenzialmente sarà pagata (nella migliore delle ipotesi) a 30 giorni (con un incasso effettivo non prima di 2 mesi).
I vantaggi di un modello evoluto di servitization e machine to machine payment
Al contrario, in un modello evoluto di servitization e supportato da un sistema di machine to machine payment, lo stesso macchinario comunicherà alla piattaforma sulla base di modelli statistici e algoritmi di intelligenza artificiale le previsioni di funzionamento e produzione per il mese, elaborando automaticamente e in concerto col sistema bancario lo sconto applicabile a fronte del pagamento immediato da proporre al fornitore. Un anticipo, questo, che potrebbe essere delegato direttamente alla banca limitando l’impatto sul circolante dell’azienda cliente. Inoltre, da un punto di vista operativo, se il fornitore accetterà l’offerta di sconto invierà una “request to pay” al cliente che in tempo reale effettuerà il saldo.
Alla base di questi sistemi intelligenti troviamo naturalmente tecnologie Internet of Things, dove l’analisi avanzata dei dati e la loro rappresentazione grafica rappresentano componenti imprescindibili per la realizzazione di hub finanziari competitivi e in grado di gestire la complessità dei nuovi scenari dettati dalla servitization.
Conclusioni
Attraverso una road-map graduale, sostenibile e che garantisca al contempo un break-even rapido con rischi ridotti, già in fase di definizione del progetto è possibile simulare i costi, il saving e i maggiori guadagni previsti (stimabili tra il 20% e oltre il 40% rispetto a un modello di vendita tradizionale).
Stime che dimostrano come l’avanzata fase di definizione dell’originale modello rappresenta un’evoluzione che va ben oltre la “supply chain finance” e si muove chiaramente nella direzione di generazione di servizi e valore per le aziende, sia sul fronte dei clienti che dei fornitori.
La fluidità del processo e il valore generato per entrambe le parti mettono in luce, infine, come il modello possa avere ricadute positive su un ulteriore cruciale aspetto: la generazione di fiducia tra gli attori che possono operare sulla base di relazioni più efficienti e trasparenti, elemento sempre più cruciale nella complessità dei mercati.