Как управлять дебиторской задолженностью в бизнесе

Мультимиллиардные долги «Связному» ушли с молотка за одну сороковую цены. Когда-то они стоили 31 миллиард

Estimated reading time: 5 minutes

  • Продажа долгов «Связного» с рекордным дисконтом в 98%.
  • Долги приобрели за 820 миллионов рублей вместо 31 миллиарда.
  • Анализ управления дебиторской задолженностью с использованием AI.
  • Практические рекомендации для компаний в условиях банкротства.

Содержание

Контекст: что произошло с «Связным»

В результате банкротства «Связного» множественный перечень кредиторов и должников стал объектом интереса экспертов и аналитиков. Как сообщает CNews, три иностранные компании, задолжавшие «Связному» 31 миллиард рублей, выставили свои обязательства на торги. Победителем стал Центр оценки и права (ЦОП) «Гарант», который выкупил права требования на эти долги за астрономические 820 миллионов рублей — что составляет 2,4% и 2,6% от номинальной стоимости основных долгов. Это вызвало вопросы о том, зачем в условиях экономической неопределенности компании приобретают «плохие» долги и каким образом они планируют их вернуть.

Причины, стоящие за сделкой

Долг компании Trellas Enterprises составил 21 миллиард рублей, и ЦОП предложил за него лишь 494 миллиона рублей. Долг к Evroset Holding оценивался в 9,6 миллиарда рублей, за который ЦОП был готов отдать 250 миллионов рублей. Эти сделки ясно показывают, что многие компании находятся в сложной ситуации с дебиторской задолженностью, и даже в случае банкротства долгов нельзя списывать со счетов.

Юристы и экономисты подчеркивают, что покупка такой дебиторки на торгах — это нормальная практика. «Технически» побеждает агент, который, вероятно, представляет более крупные интересы. Юрист Роман Чернышов из юридической компании Nerra отмечает, что такие структуры могут интересоваться дебиторской задолженностью для взаиморасчетов, что также служит сигналом для компаний, учитывающих свою ликвидность.

Почему такая низкая цена?

Причинами такого глубокого дисконта можно считать множество факторов. Один из них — это низкая ликвидность иностранных требований, сложность и длительность их взыскания. В текущих делах о банкротстве тоже нередки ситуации, когда активы значатся на балансе, но являются мертвыми, когда дело доходит до реального исполнения решений. Эта низкая ликвидность делает привлекательной для кого-то покупку таких прав, но только если компания понимает, как такие долги могут работать на них в будущем.

Рынок дебиторской задолженности в России

Согласно данным, предоставленным CNews, материнская компания Evroset Holding — Veon, что добавляет дополнительный уровень сложности, когда принимаем во внимание структуру последнего банка устройства и его возможности на российском рынке. Инвесторы должны тщательно анализировать другие компании, чтобы предсказать возврат инвестиций, и тут на помощь приходят автоматизированные системы и ИИ-модели.

Практические рекомендации

Как же компаниям, которые сталкиваются с дебиторской задолженностью, управлять своим финансовым состоянием более эффективно? Рассмотрим несколько практических рекомендаций:

  1. Анализ дебиторской задолженности: Проводите регулярный анализ задолженности, чтобы идентифицировать проблемные счета и учесть их в стратегическом планировании.
  2. Оптимизация процесса взыскания: Используйте технологии для автоматизации процессов взыскания долгов, включая предварительные уведомления и управление сообщениями.
  3. Внедрение AI для оценки рисков: Используйте искусственный интеллект для прогнозирования вероятности возврата долгов и анализа финансового состояния ваших дебиторов.
  4. Настройка автоматических напоминаний: Реализуйте системы, которые автоматически уведомляют должников о долгах и сроках платежей, чтобы минимизировать просроченные платежи.
  5. Долгосрочные отношения с должниками: Формируйте условия возврата долгов, которые повышают шансы на их погашение, создавая более привлекательные условия для платежей.
  6. Анализ альтернативных стратегий: Рассмотрите возможность перевода долгов в специализированные компании для взыскания, если у вас нет ресурсов на это.
  7. Интеграция новых технологий: Подумайте об использовании n8n для автоматизации процессов интеграции в вашу CRM, чтобы обеспечить легкий доступ ко всем данным о задолженности.
  8. Работа с профессиональными юристами: Убедитесь, что у вас есть доступ к квалифицированным юристам, которые могут посоветовать о наиболее эффективных методах взыскания долгов и судебного порядка.

Как AI и n8n помогают в контексте этой темы

Технологии искусственного интеллекта и n8n могут существенно облегчить процесс автоматизации бизнес-процессов. AI-решения могут помочь анализировать данные о выгодно ли вам вступать в контракты с определенными дебиторами, а также моделировать вероятные исходы, основываясь на исторической информации о возврате долгов.

N8n, в свою очередь, предлагает гибкие возможности интеграции, позволяя связать вашу бухгалтерскую программу с почтовыми сервисами и CRM для автоматической отправки уведомлений и напоминаний о задолженности. Как результат, вы сможете не только упростить внутренние процессы, но и сократить время, которое ваша команда тратит на рутинные задачи, освободив время для более важной аналитической работы.

Преимущества внедрения автоматизации

  • Сокращение человеческого фактора: Автоматизированные процессы снижают вероятность ошибок при работе с данными.
  • Улучшение контроля: Программное обеспечение может обеспечить аналитику и мониторинг состояния долгов в режиме реального времени.
  • Экономия времени: Автоматизация позволяет специалистам сосредоточиться на стратегических задачах.

Заключение

Состояние «Связного» демонстрирует слабости и риски, которые существуют в сфере дебиторской задолженности. Текущая ситуация служит сигналом к тому, чтобы принимать более обдуманные шаги при управлении долгами, включая автоматизацию и внедрение ИИ. Лишь комплексный подход и правильные инструменты управления могут помочь компаниям справляться с дельными ситуациями.

Хотите внедрить AI и автоматизацию под вашу задачу — оставьте заявку на консультацию. Подписывайтесь, чтобы не пропустить новые разборы и кейсы по AI-автоматизации.

Часто задаваемые вопросы (FAQ)

1. Почему так сильно упала цена на долги «Связного»?
Цена упала из-за низкой ликвидности и сложности взыскания долгов, а также высокой степени экономической неопределенности.
2. Какие методы рекомендованы для управления дебиторской задолженностью?
Рекомендуется проводить анализ задолженности, оптимизировать процессы взыскания, внедрять AI для оценки рисков и формировать долгосрочные отношения с должниками.
3. Как технологии способны помочь в этой сфере?
Технологии, такие как AI и n8n, помогают автоматизировать процессы, анализировать данные и оптимизировать взаимодействие с дебиторами.
Оцените автора
iseenewworld.com