6 Indikator Lain untuk Memprediksi Default dan Bubble

Untuk mengantisipasi kegagalan pembayaran, berbagai indikator dipakai dalam analisa kredit. Berikut 6 indikator lain untuk memprediksi default dan bubble, yang meskipun tidak secara langsung menganalisa capacity dan collateral namun juga terbukti akurat mengantisipasi resiko kredit*:

1. Debt Equity Ratio. Perbandingan antara besarnya total hutang dibandingkan dengan asset yang dapat diamankan memiliki angka keramat 30%, dan indikator kunci sederhana ini sangat sulit dipenuhi ketika sebagian besar Debitur tidak memiliki single identity, tidak memiliki credit history yang terpusat, akurat, up-to-date dan dapat diandalkan seperti halnya di Indonesia. Karena kesulitan ini maka indikator ini sering diganti dengan indikator kesehatan (dan kewajaran) keuangan yang lain seperti butir 2 di bawah ini.
2. Price to Income Ratio. Tidak seperti LTV atau Down-payment yang mengukur affordability dalam hal angsuran, rasio nilai pembiayaan terhadap penghasilan ini mengukur affordability dalam spektrum luas. Acuan umum yang dapat dipakai adalah “rumusan employee benefit” yaitu 10-50x penghasilan.
3. Price Earnings Ratio. Diturunkan dari rasio PER, nilai angsuran dibandingkan dengan nilai rental asset dibiayai merupakan ukuran ketika asset harus menutup cash flow, yaitu kondisi ketika capacity telah gagal dan pengembalian hutang harus bersandar kepada capital.
4. Sensitivitas Usaha terhadap Krisis. Sektor usaha tertentu terbukti merupakan sektor yang kebal krisis. Karyawan dengan penghasilan tetap dari industri perbankan adalah favorit consumer loan. Jenis pekerjaan dan industri ini merupakan contoh sensitivitas yang rendah terhadap krisis.
5. Collateral Value & Liquidity. Jaminan yang memilii demand besar dengan nilai depresiasi rendah adalah salah satu resep keamanan pinjaman. Asset tertentu terbukti stabil nilainya karena 2 hal, karena nilai intriksiknya yang berlawanan dengan arah krisis dan karena segmen pembelianya yang tetap memiliki daya beli. Contoh klasiknya adalah saat krisis terjadi, harga rumah ambles dan harga emas membumbung, di krisis yang lain semua harga asset melemah kecuali USD. Contoh lainnya adalah nilai tas premium yang tak kunjung turun meski terjadi gejolak keuangan (hanya shadow banker yang “menerima” kategori aset ini).
6. Faktor Struktural atau B2B Relationship. Saat krisis terjadi, industri yang umumnya dipertahankan pemerintah adalah perbankan, dan ritel yang menyasar grass root. Selain industri tersebut, beberapa sektor akan mempertahankan sektor lainnya yang terkait. Pembiayaan properti akan terus dipertahankan (tidak akan bubble atau disangkal terjadi bubble) oleh developer sebab >50% pembelian property melalui kredit, dipertahankan bersama bank tentunya bilamana developer adalah customer utama kredit komersialnya, dan KPR adalah consumer loan utama –nya. Kasus yang sama juga terjadi pada KKB, kerugian perusahaan Multifinance akan “dibantu” oleh ATPM dan bank, mengingat multifinance adalah saluran utama kredit perbankan.

*) Selain indikator yang umum dipakai, seperti down-payment atau loan-to-value atau debt to underlying asset ratio

6 Layanan Standar untuk Mendukung Consumer Lending

Lenders dewasa ini sulit sekali bersaing memperebutkan Debitur dalam hal bunga, loan scheme, dan persyaratan kredit yang semakin ketat diawasi oleh otoritas keuangan. Oleh sebab itu maka Lenders “menarik” applicant dengan memberikan layanan yang dahulu tidak lazim diberikan. Berikut ini adalah 6 Layanan yang kian menjadi standard:

1. Loan Information, mencakup hak dan kewajiban Debitur, seperti persyaratan dokumen, rentang bunga, denda, provisi, serta cara pembayaran, dll. Layanan baru yang menarik mencakup kerjasama dengan developer (Kredit Kepemilikan Rumah), dealer (Kredit Kepemilikan Kendaraan Bermotor), bahkan informasi industri untuk kredit komersial, seperti inflasi, suku bunga, dan berbagai parameter makro beserta estimasinya.
2. Loan Facility Comparison. Layanan ini menyediakan perbandingan antar fasilitas kredit, serta dengan fasilitas funding atas item-item loan information. 
3. Loan Simulation. Simulasi kredit ini memberikan estimasi rating yang Calon Debitur peroleh (misalnya AAA), serta berapa bunga dan nilai angsuran berdasarkan rating tersebut.
4. Loan Administration. Administrasi kredit yang self service melalui web sudah umum dewasa ini, mencakup print-out amortization table, bukti pembayaran, dan bahkan di luar negeri layanan juga mencakup print credit history dan rating-nya.
5. Auto Collection. Fasilitas pembayaran angsuran otomatis melalui transfer (standing instruction), auto debit rekening atau fasilitas kartu kredit, serta payment reminder.
6. Loan Modification. Modifikasi tenor, besarnya angsuran, dan term of payment untuk meningkatkan kemungkinan Debitur melunasi kredit. Modifikasi kredit umumnya diberikan untuk Debitur berpotensi mengalami financial distress dengan Debt Service Rationya yang masih acceptable, sumber penghasilan tetap (Fixed Income Earner), dan tidak memiliki resiko default dalam jangka waktu dekat (misalnya sakit, perceraian, PHK, dll).

Layanan di atas umumnya dapat diakses mulai dari telpon ke Call Agent, telpon ke fasilitas IVR (Interactive Voice Response), SMS, sampai smartphone application.

4 Slice-and-dice Umum untuk Mengembangkan Sub-Segment Resiko

Dalam dunia Marketing, 1-to-1 segmentation mulai dilakukan oleh perusahaan yang perlu menyasar secara akurat orang per orang di pasar karena alasan keterbatasan budget atau karakteristik produk yang spesifik. Segmentasi pasar untuk kepentingan resiko juga memiliki pola yang sama. Ketika kebijakan yang umum sudah tidak lagi efektif memperkirakan credit worthiness calon debitur maka Lender harus bergerak kepada seleksi yang lebih ketat melalui segmentasi yang mengarah personal. Berikut adalah 4 slice-and-dice yang umum dilakukan untuk mengembangkan sub-segment resiko:

1. Domisili. Tidak dapat dipungkiri daerah mengindikasikan perbedaan penghasilan, pengeluaran dan gaya hidup. Contoh yang mencolok adalah bagaimana Baltimore adalah daerah dengan potensi saving terbesar, bukan karena tingginya penghasilan namun karena biaya hidup dan gaya hidup. Di Indonesia tipikalnya adalah Jawa Tengah. UMR lebih rendah dari Jakarta misalnya namun pengeluaran dan gaya hidupnya membuat penduduk Jateng cenderung memiliki tabungan yang siap dibelanjakan lebih tinggi.
2. Jenis Usaha. Kemampulabaan jenis usaha tertentu cenderung lebih sensitif terhadap dinamika ekonomi dan pasar. Dulu sektor ritel dianggap sebagai safe heaven, namun tidak untuk usaha gerai modern. Sub-segmen gerai modern ini (pengusaha Indomart, Alfamart, dll) penghasilannya lebih sensitif terhadap kenaikan harga BBM, inflasi dan suku bunga. Tengok saja ketika situasi ekonomi tidak menguntungkan maka customer yang duduk-duduk di 7-eleven akan jauh berkurang, tentunya hal ini mempengaruhi capacity pemilik gerai yang harus meng-angsur.
3. Credit History. Dulu credit history yang baik dapat dipakai untuk menunjukkan integritas dan capacity; sekarang data ini perlu ditelaan lebih lanjut. Nilai angsuran lama dan sekarang jelas menentukan capacity, namun apakah kendaraan yang telah lunas sebelumnya (pada pembiayaan kendaraan) masih operasional atau sudah dijual juga menjadi pertimbangan. Pada mortgage lending, sudah menjadi analisa standar bahwa DP untuk rumah ke-2 dimana rumah pertama masih ada mensyaratkan DP yang lebih rendah daripada bila rumah pertamanya sudah dijual. Ini menunjukkan telaah capacity dan gaya hidup terkait asset building calon debitur.
4. Kesehatan Keuangan. Consumer lending umumnya lebih memperhatikan kemampuan calon debitur mengangsur, sedangkan kesehatan (dan kewajaran) kesehatan keuangan seperti porsi asset likuid, insurance coverage, porsi hutang terhadap total asset, dll kurang diperhatikan. Hal ini dahulu dimaklumi karena kesulitan data, namun kondisi dewasa ini memaksa penggunaan data untuk membuat estimasi yang selanjutnya dipergunakan untuk men-segmentasi calon debitur berdasarkan pengelolaan keuangannya. Pengelolaan yang buruk pada masa lalu mungkin tidak menyebabkan kebangkrutan karena pertumbuhan ekonomi (secara mikro istilahnya gali lubang tutup lubang), namun dalam ketidakpastian ini akan sangat beresiko.

Lihat juga:

Segmentasi berdasarkan Model ketika granularity data "cukup" untuk mapping sub-segment (dari valiancesolutions.com):

Bagaimana Segmentasi dapat membantu Marketing "menemukan" segment yang profitable, tentunya dapat juga untuk menentukan masa segment yang beresiko:

Customer Segmentation from Carlos Soares

17 Hal yang dapat Anda lakukan untuk Menurunkan Resiko Kredit selain Menurunkan LTV

Untuk memperbaiki kualitas Application-in, Lending Operation umumnya langsung mengeluarkan kebijakan menaikkan Down Payment atau menurunkan Loan-to-Value sehingga Calon Debitur yang apply loan adalah mereka yang memiliki cukup Capacity sekaligus menurunkan Exposure bilamana kredit macet; alias shifting ke Segment yang lebih aman.
Kebijakan menurunkan LTV adalah kebijakan yang tidak populer, lalu adakah pilihan lain melakukan “pengetatan kredit” dengan beranjak ke Segmen yang lebih aman?

Bagi Acquisition Team, bilamana customer selection tetap dibiarkan longgar maka pengetatan dapat dilakukan pada Internal Process, yaitu mencakup Process itu sendiri, People/ Organization, dan Rewards. Dari sini paling tidak ada 17 hal yang dapat dilakukan:

1. Sertifikasi Surveyor dan Analyst untuk grading kemampuan dan integritas mereka sehingga dapat dilakukan assignment tugas sesuai taraf kesulitannya
2. Melakukan segmentasi resiko dari Calon Debitur, Sales Agent, dan pihak lain yang terlibat dalam Loan Generation. Pendekatan “Single Credit Risk Analysis Model” untuk semua product portfolio dan semua segment harus ditinggalkan, sebab pemahaman Debitur (Know Your Customer) adalah kunci dari credit mitigation, serta hal-hal lain di bawah ini
3. Mengatur sales booking untuk fokus kepada portfolio tertentu yang lebih menguntungkan
4. Proses survey dan analisa Aplikasi Kredit yang lebih detil untuk mencari peluang Calon Debitur yang baik diantara pengajuan yang longgar berdasarkan segmentasi resiko, seperti memasukkan Analisa Konjungtur untuk segment Kredit Usaha, dan Rent Repayment Scenario untuk segment rental
5. Mengembangkan Scoring Model untuk setiap segment resiko dan lebih mudah menolak daripada menyetujui Applicant
6. Mengembangkan kebijakan kredit, termasuk kebijakan pengajuan deviasi berdasarkan analisa kualitas kredit. Penyimpangan pengajuan kredit yang jelas-jelas secara historis beresiko harus tegas diturunkan
7. Memberikan wewenang persetujuan kredit bukan hanya berdasarkan jabatan organisasi namun juga berdasarkan historical payment quality. Penurunan batas wewenang kredit adalah cara yang lebih umum, namun hal ini menambah complexity dan cycle-time tanpa jaminan kinerja yang baik. Selain penurunan batas wewenang kredit, cara lain yang cukup efektif adalah pemusatan wewenang, sepanjang tidak berdampak kepada penurunan sales booking
8. Unconventional Credit Scheme yang mempercepat pembayaran Pokok Hutang, mengikat loan yang satu dengan yang lain (cross collaterall, cross default, dll), atau meminta jaminan likuid dari pihak yang relevan dan berkompeten. Percepatan pembayaran Pokok Hutang disini termasuk tenor yang lebih singkat dan siklus pembayaran yang lebih pendek, seperti dari bulanan menjadi mingguan
9. Collateral dengan depresiasi minimal bahkan yang mengalami apresiasi, seperti menerima jaminan berupa emas maksimum 60% Pokok Hutang; dan Appraisal Collateral yang mengikuti prediksi pasar di masa yang akan datang
10. Cash collateral, terutama bagi Lender yang juga memberikan fasilitas tabungan kepada Debitur
11. Mengatur jatuh tempo angsuran sesuai periode penerimaan penghasilan, misalnya untuk karyawan jatuh tempo angsuran adalah maksimum 3 hari setelah hari pembayaran gaji
12. Pendebetan otomatis dari rekening tabungan atas kartu kredit
13. Meningkatkan kerugian Debitur yang timbul dari keterlambatan pembayaran dengan konsolidasi pelaporan delinquency dengan bank dan lembaga keuangan lainnya
14. Mengembangkan pengukuran dan evaluasi kinerja berdasarkan revenue setelah cost of credit dan pencadangan sebagai objectivenya
15. Menghubungkan rewards, recognition dan career path karyawan dengan kinerja kredit secara proporsional, termasuk di dalamnya memberikan penghargaan lebih besar kepada aktivitas antisipasi resiko daripada penanggulangan kerugian
16. Mengembangkan Fraud Model untuk menjamin integritas proses internal, sebab pengetatan kredit umumnya secara otomatis meningkatkan potensi fraud di saat tekanan sales tinggi. Selanjutnya perlu di-proses hukum bagi personnel yang melakukan tindakan melanggar hukum, bukan hanya penghentian employment
17. Mengkomunikasikan proses yang berkinerja baik/ buruk agar seluruh perusahaan mengetahui dengan jelas apa yang diinginkan manajemen

12 Hal Penting untuk Memulai Micro-Lending

Lending adalah bisnis yang beresiko, terlebih pada era ketidakpastian, inflasi, dan lemahnya penegakan hukum. Namun demikian segment micro masih berpotensi dan layak didukung sebab perekonomian kita, bahkan perekonomian Cina disokong oleh usaha kecil. Segment micro ini adalah tempat dimana penetrasi Bank relatif kecil, dan secara tradisional adalah area bermain shadow banking yang beroperasi perorangan. Tanpa shadow banking tidak mungkin Cina bertumbuh sebesar ini, demikian pula Indonesia perlu pemerataan akses kredit sampai lapisan paling bawah masyarakat namun dengan memperhatikan keadilan, tanggungjawab dan kredit sebagai win-win solution. Berikut 11 hal penting yang perlu diperhatikan siapa saja yang berniat terjun dalam micro-lending untuk menghasilkan keuntungan dan juga demi tujuan sosial:

1. Dirikan usaha secara legal sebagai Koperasi, PT atau lainnya. Micro-lending umumnya tidak selalu di bawah wewenang Bank Sentral. 
2. Pastikan modal cukup sampai jangka menengah dengan memperhatikan market penetration, resiko dan learning curve. 
3. Perkecil biaya transaksi dan biaya tetap, serta identifikasi faktor skala ekonomis, seperti tehnologi, agent dan promosi mengingat bisnis ini volume based. 
4. Bidik target customer yang aman namun kurang diperhatikan pesaing. Target customer yang aman adalah yang kita ketahui resiko bisnisnya, memiliki deviasi penghasilan kecil dari waktu ke waktu dan secara psikologis dewasa. Target customer umumnya kurang percaya diri datang mencari pinjaman oleh sebab itu kembangkan enviromental scanning untuk mengidentifikasi mana saja target customer yang layak dan lakukan pendekatan kelompok secara informal. 
5. Identifikasi kelompok berpengaruh dan kembangkan kerjasama. Kelompok ini umumnya mencakup pihak yang disegani (Patron) seperti tokoh sosial keagamaan dan jalin kerjasama dengan Partner yang memiliki kepentingan sama untuk mengembangkan debitur yang berkualitas. Misalnya Pedagang Besar dapat diajak bermitra untuk mereferensikan kredit usaha bagi pengecer di bawah jaringannya, yang juga akan menguntungkan pedagang tersebut dengan peningkatan order. 
6. Biarkan pasar berkembang dengan Client get Client dan Partner get Partner pada target customer yang dibidik. Jangan terlalu percaya diri terhadap credit assessment tanpa adanya peer/ social pressure dan jaringan partner. 
7. Perekrutan dan budaya karyawan. Rekrut staff operasional dari daerah sasaran, sebab pendekatan micro-lending adalah peer / social pressure. Meski berfokus sales, dari awal kembangkan budaya kualitas kredit, pertanggungjawaban pribadi dan kebersamaan (sukses bersama, gagal bersama) sebab bisnis ini pada dasarnya adalah people business. 
8. Lakukan credit assessment berdasarkan referensi Partner, Patron dan trade partner (jaringan sosial), dan cash-flow ; bukan berdasarkan business plan, jaminan atau asset dimiliki, riwayat kredit, dan catatan keuangan. 
9. Kembangkan sistem credit approval yang terpusat namun cepat dan bersandar pada pendekatan deduktif (teori-pengamatan-konfirmasi). Jika terpaksa pada langkah awal ini boleh saja sedikit melupakan pendekatan Scoring (Application Scoring) yang induktif (pengamatan-pengenalan pola-teori). 
10. Kembangkan positive reinforcement untuk membayar, bukan dengan jaminan, garansi atau legal action seperti dengan hadiah, kunjungan collector, atau social acknowledgment. 
11. Jaminan. Jangan terpaku pada collateral standard, gunakan jaminan lainnya seperti PO, sertifikat tanah, ijazah, dll. 
12. Perpendek tenor, perpendek frekuensi penagihan dan percepat amortisasi untuk fokus pada pengembalian modal di awal.

Lihat juga:
Reversal of fortune in China’s peer-to-peer lending boom: http://www.ft.com/cms/s/0/6348c35e-79d8-11e3-a3e6-00144feabdc0.html

China's Online Lenders Provide Alternative To Bank Behemoths: http://www.forbes.com/sites/simonmontlake/2013/07/08/chinas-online-lenders-provide-alternative-to-bank-behemoths/

Biografi Dr. Muhammad Yunus dari Grameen Bank : http://www.grameen-info.org/index.php?option=com_content&task=view&id=329&Itemid=363

KIVA – Loans that Change Live: http://www.kiva.org/

Microcredit is used to describe small loans granted to low income individuals that are excluded from the traditional banking system. It is part of the larger microfinance industry, which provides not only credit, but also savings, insurance, and other basic financial services to the poor ... http://www.microworld.org/en/about-microworld/about-microcredit

The Global Need for Micro Financing & Social Business - Prof Muhammad Yunus: http://www.youtube.com/watch?v=n2meeLNcBS4

9 Hal di Balik Keengganan Penerapan Statistical Application Scoring

Aplikasi kredit perlu dianalisa untuk menentukan apakah permohonan kredit tersebut layak diterima atau ditolak. Berbagai pendekatan dapat dipakai untuk melakukan analisa ini, namun demikian perkembangan dewasa ini mengarah kepada pemodelan yang obyektif dengan mempergunakan data internal dan dilakukan dengan metode statistik. Meski BIS (Bank of International Settlement) telah menganjurkan pendekatan ini, beberapa alasan terus dikemukakan untuk menunda implementasinya. Dibalik alasan keengganan tersebut umumnya terdapat hal-hal berikut yang mendasarinya, yang kontra produktif terhadap pengucuran kredit yang prudent:

1. Dasar persetujuan kredit oleh Kreditur lebih banyak ditentukan faktor struktur industri. Di Indonesia ATPM (Agen Tunggal Pemegang Merek) mendorong pertumbuhan penjualan kendaraan bermotor dengan mendirikan perusahaan pembiayaan. Jadi akuisisi Debitur menjamin penjualan unit. Hal serupa juga terjadi pada konglomerasi yang sangat umum memiliki lini usaha property dan perbankan, 2 sektor usaha yang tumbuh bagai jamur di musim hujan sejak era bunga murah. Kondisi ini membuat kualitas kredit yang buruk dikompensasi oleh lini usaha utama sehingga dalam jangka panjang konglomerasi memiliki pertumbuhan positif dan bila krisis perbankan/ ekonomi mendera maka usaha perbankan menjadi sandera untuk mendorong pemerintah melakukan bail-out
2. Dasar akuisisi kredit lebih banyak ditentukan faktor jaminan. Besarnya resiko kredit ditentukan dari rumus berikut: PD x EAD x LGD. Ketika Kreditur memberikan persetujuan karena nilai pasar dan likuiditas Jaminan, maka upaya untuk memahami dan mengantisipasi kemungkinan default (PD: probability of default) tidak lagi penting
3. Kreditur percaya bahwa Market Risk di dalam Jaminan dapat diantisipasi sempurna. Ketika Jaminan menjadi solusi utama default, Kreditur harus mampu melikuidasi jaminan minimum sebesar saldo pokok hutang. Masalahnya adalah nilai pasar dari jaminan, meskipun jaminan berupa tanah dan bangunan (TB), namun terbukti nilainya bisa turun. Sebelum krisis property di Amerika Serikat, semua investor meng-agungkan emas dan property sebagai asset safe heaven yang tak tergantikan. Dari masa krisis sampai sekarang, ke-2nya terbukti nilainya bisa turun dan dapat dipermainkan oleh investor besar. Di Indonesia nilai TB yang selama ini selalu naik, diprediksi stagnan bahkan terkoreksi 20% untuk tahun 2014 s/d 2016
4. Kreditur percaya bahwa Calon Debitur tidak melek finansial. Pada Application Scoring yang non statistik, yaitu yang disusun berdasarkan pengalaman ahli maka keunggulan analisa diperoleh bila ahli ini memang “lebih pandai” dari Calon Debitur. Dengan Calon Debitur yang semakin canggih, terutama pada Commecial dan Corporate Loan hampir tidak mungkin Kreditur "memintari" Calon Debitur sejauh pertimbangan Scoring yang dipakai adalah textbook Credit Risk Management yang sama. Parameter pada textbook dapat dipelajari baik oleh Kreditur maupun Calon Debitur untuk melakukan window dressing, seperti DSR, DER, ROE, ROS, Cash Ratio dan lain-lain
5. Investasi pada Data Management dan perangkat pendukungnya. Statistical Application Scoring membutuhkan data Calon Debitur yang lengkap, akurat dan terkini. Untuk memiliki data tersebut, Kreditur harus memiliki sistem pengelolaan data yang baik meliputi hardware, software, disiplin karyawan dan kebijakan tersendiri. Selain pengelolaan data, dibutuhkan juga LOS (Loan Origination System) yang baik mencakup perangkat data capture, survey, dan analisa yang terintegrasi dari Marketing sampai penyelesaian kredit
6. Pengelolaan Budaya “Speak by Data”. Persetujuan kredit umumnya dilakukan oleh “ahli” dengan tacid knowledge-nya sendiri yang subyektif. Implementasi Statistical Application Scoring membuat perusahaan memiliki knowledge berdasarkan obyektivitas data dan metodologi
7. Rendahnya otoritas Direktorat Resiko. Kreditur umumnya masih menomorduakan Direktorat Resiko, bahkan ada yang hanya berfungsi mengeluarkan kebijakan dan mempresentasikan parameter resiko saja. Dalam hal Credit Risk, Direktorat Resiko hanyalah macan ompong bila tidak memiliki kemampuan operasional menerima atau menolah permohonan kredit, tanpa kemampuan untuk melakukan monitoring, evaluasi dan menjatuhkan sanksi kepada semua pihak yang terlibat
8. Kreditur tidak harus memenuhi persyaratan Advanced IRB (Internal Rating Based) dan tidak berusaha menurunkan pencadangan default. Perbankan Eropa dan Amerika sejak sebelum krisis 2011 telah mengarah kepada Advance IRB, yang mensyaratkan diberlakukannya sistem mitigasi resiko internal pada setiap Kreditur. Di lain pihak Bank Indonesia tidak tegas sehingga implementasinya tertatih-tatih
9. Minimnya Risk Review Lembaga Pengawasan Lembaga Keuangan. Kreditur masih diberi keleluasaan oleh OJK, Bank Indonesia atau Kementerian Keuangan untuk sekadar melaporkan besarnya default dan NPL (Non Performing Loan), tanpa pembuktian lebih lajut. Hal ini tentunya akan segera berubah dengan semakin meningkatnya bahaya penjalaran krisis keuangan dunia yang telah mendorong munculnya Basel-III

Ilustrasi dari http://www.independent.ie/opinion/analysis/laura-noonan-new-reality-for-banks-as-regulator-wields-big-stick-26662146.html

6 Diskusi Umum Implementasi Statistical Application Scoring Menggantikan Heuristic Model

Perpindahan Model Application Scoring dari Model Heuristik kepada Model Statistik umumnya membuka diskusi baru. Diskusi ini tentunya tidak lepas dari bagaimana hasil model statistik dilihat dari kacamata pemodelan yang sebelumnya mengandalkan pengetahuan dan pengalaman subyektif dari para Credit Analist. Topik yang mencuat biasanya adalah:

1. Jumlah Variabel. Model Heuristik umumnya sangat banyak, maklum karena menggunakan pendekatan text-book. Ketika Model Heuristik mencakup parameter yang lebih banyak daripada Model Statistik maka Model Statistik umumnya dipandang sebelah mata padahal dalam pendekatan ilmiah hukumnya adalah “Parsimony is premium” (sederhanaan adalah keutamaan) artinya bila dengan jumlah yang sedikit telah signifikan dan memiliki daya prediski yang cukup maka tidak perlu dipakai jumlah variabel yang lebih banyak. Sebaliknya bila Model Heuristik mencakup parameter yang lebih sedikit, maka Model Statistik dipandang terlalu kompleks dan tidak perlu (tidak efisien), padahal pendekatan modeling adalah “Make things as simple as possible, but not simpler” (menyederhanakan bila mungkin, asal tetap mampu memberikan prediksi yang signifikan) 
2. Non-monotonicity. Model Heuristik umumnya memandang hubungan yang “linear”. Bila faktor penghasilan signifikan, maka semakin besar penghasilan semakin kecil kemungkinan default-nya. Pada pembuktian secara statistik, hasilnya tidak jarang bukanlah demikian, terutama pada Consumer Loan: default yang lebih tinggi dijumpai pada Pemohon dengan penghasilan kecil dan besar, justru yang menghasilannya menengah lebih aman
3. Multivariate. Pemikiran kita terbiasa berpikir secara parsial, sedangkan pemodelan statistik memasukkan semua model sekaligus dan melihat semua variabel tersebut bekerja secara bersamaan sehingga diperoleh gambaran menyeluruh. Analoginya adalah seperti halnya hidangan masakan. Input untuk suatu masakan adalah mutivariate: garam, gula, daging, merica, keju, dll. Setiap input memiliki rasa-nya sendiri namun begitu dimasukkan ke dalam suatu masakan, semua rasa telah menyatu. Semua input tersebut tidak lagi saling bebas. Merica rasanya pedas, namun begitu masuk ke dalam cream soup, merica menguatkan rasa gurih, bukan lagi pedas
4. Memisahkan perilaku pembayaran dari Model Application Scoring. Model Heuristik umumnya memasukkan history payment ke dalam pemodelan Application Scoring, sebaliknya Model Statistik Application Scoring mengeluarkan data tersebut dan mengembangkan model yang terpisah (independen) yaitu Behavior Scoring. Hal ini terjadi sebab Application Scoring memperkirakan default tidaknya suatu Aplikasi berdasarkan faktor instrinsik Calon Debitur, sebaliknya data perilaku pembayaran cicilan adalah hasil aktivitas Collection. Kedua Model sesungguhnya saling independen, bila faktor intriksik mampu memprediksi resiko default maka tidak diperlukan Behavior Scoring dan sebaliknya. Masalahnya Behavior Scoring hanya bisa diperoleh untuk seseorang yang sudah menjadi Debitur, oleh sebab itu tetap dibutuhkan Model Application Scoring
5. Override: mengesampingkan rekomendasi scoring dan mengambil keputusan yang berlawanan. Scoring pada hakekatnya memberikan saran, jadi harus dimungkinkan terjadinya override. Bila sarannya adalah untuk ditolak namun karena pertimbangan tertentu kemudian diterima maka terjadi LSO (Low Side Override), bila sebaliknya terjadi HSO (High Side Override); yang penting adalah dicatat alasan override tersebut. Bila alasan override sudah dipertimbangkan dalam scoring, maka ini adalah kasus sosialisasi implementasi scoring saja. Namun bila alasannya diluar pertimbangan dalam scoring maka mungkin diperlukan segmentasi awal atau scoring yang lebih spesifik
6. Akurasinya tergantung KESAMAAN kondisi ketika pemodelan dilakukan. Model Heuristik “mudah” menyesuaikan diri ketika terjadi perubahan kondisi bisnis (suku bunga, inflasi, kebijakan kredit, dll) sebab ada dalam setiap pemikiran pemutus kredit, sebaliknya Model Statistik harus dengan pemodelan ulang dan ini artinya keterlambatan sebab model memerlukan data historis. Hal ini tidak dipungkiri dan inilah kekurangan model historis, namun demikian belajar dari pengalaman selalu bermanfaat untuk menghadapi masa depan yang berubah. Selain pemodelan ulang, model yang lama dapat tetap dipakai untuk sementara waktu dengan penyesuaian cut-off, re-calibrasi, tambahan kebijakan kredit sebagai pendukung, dan pengamatan/ pengawasan ketat. Rule-of-thumb nya pada kondisi ini dimana PREDIKSI sudah sulit dilakukan, yang penting adalah melakukan PENGAMATAN

Sumber ilustrasi: http://dilbert.com/strips/comic/2011-08-17/

Lihat juga:

http://en.wikipedia.org/wiki/Monotonicity

http://theartofmodelling.wordpress.com/2012/01/19/a-quote-on-parsimony/

16 Hal yang Dapat Meminimalkan Kecurangan dalam Pengucuran Kredit

Kecurangan dalam pengucuran kredit (credit fraud), entah dilakukan oleh pihak internal atau eksternal perusahaan seringkali sesungguhnya dapat dicegah dengan mengupayakan hal-hal berikut:

1. Screening Aplikasi Kredit dengan catatan kredit pada masa lalu. Catatan kredit sebelumnya baik milik perusahaan atau pihak ekternal (Credit Bureau misalnya) menunjukkan perilaku Calon Debitur. Selain perilaku pembayaran cicilan, perilaku lainnya yang anomali bisa jadi mengindikasikan kecurangan, seperti pergantian Appraiser, agen penjualan yang sama, perubahan identitas, pencatatan keuangan yang abnormal, dan lain-lain
2. Mengenal Perantara Penjualan. Perantara penjualan dapat berupa Agent atau Salesman dari Dealer (Kredit Kendaraan Bermotor), dan Developer (Kredit Property), atau pihak lainnya yang memungkinkan penjualan terjadi. Perusahaan harus mampu menilai apakah perantara penjualan hanya mementingkan aspek penjualan jangka pendek atau bertanggungjawab terhadap pertumbuhan penjualan dalam jangka panjang, serta apakah mereka berfokus kepada kualitas dan membangun hubungan yang saling menguntungkan
3. Mengenal Appraiser. Kualitas dan nilai pasar jaminan berpengaruh besar terhadap besarnya kredit yang dikucurkan, oleh sebab itu “permainan” dalam hal jaminan lazim terjadi. Appraiser yang minim kecurangan umumnya adalah mereka yang terbukti telah lama berbisnis sebab bisnis ini sangat tergantung nama baik atau reputasi
4. Menempatkan Staf dengan mendahulukan kejujuran dan kualitas kredit daripada sales. Staff akuisisi kredit mulai dari Sales, Surveyor, sampai dengan Analyst harus memiliki rekam jejak teruji dalam hal kejujuran, netralitas, dan kemampuannya mengenali potensi kecurangan
5. Mengenal gaya hidup Staf. Selain kemampuan dan kinerja historis dari staf, perusahaan perlu meyakinkan bahwa mereka memiliki gaya hidup yang sesuai dengan penghasilannya. Ketidaksesuaian gaya hidup dan penghasilan kemungkinan besar mengindikasikan kecurangan
6. Mengikuti prosedur baku. Prosedur standar dibuat berdasarkan common case, dan telah memilkirkan upaya mengamankan potensi kecurangan (common sense), oleh sebab itu deviasi apapun berpotensi mengarah kepada kecurangan sehingga harus diperhatikan. Demikian pula prosedur penanganan deviasi juga harus berprinsip kejujuran, keamanan dan kualitas kredit daripada kecepatan
7. Persetujuan berjenjang sesuai resiko, kecakapan dan tanggungjawab. Birokrasi pada Komite Kredit harus merefleksikan resiko default, resiko kecurangan, dan kecakapan serta tanggungjawab Komite Kredit, buka hanya sebagai tangga wewenang untuk mengukuhkan job position
8. Mendorong karyawan untuk mematuhi aksioma dasar pemberian kredit “jika tidak masuk akal, jangan memberikan kredit”. Aksioma kredit ini yang harus menjadi bagian dari budaya perusahaan (credit culture), terutama yang terkait dengan akuisisi kredit sehingga semua orang memiliki kesamaan cara berpikir dan memandang segala sesuatunya terhadap resiko kecurangan
9. Evaluasi atas kinerja yang ekstrem. Kinerja akuisisi kredit yang terlalu buruk seringkali dibedah untuk mengetahui ada tidaknya kesalahan underwriting ataupun kesalahan akibat kecurangan; sebaliknya kinerja yang bagus jarang sekali dibedah. Perlu disadari bahwa kinerja yang “terlalu” bagus seringkali menyembunyikan resiko yang juga tidak wajar
10. Quality Control berdasarkan Peran (Role) dalam proses akuisisi kredit. Untuk memastikan upaya deteksi dan pencegahan kecurangan efektif dan mendorong pertanggungjawaban maka Satuan Analisis -nya haruslah berdasarkan Peran (Role) dalam akuisisi kredit seperti: Cabang, Dealer, Developer, Agent, Salesman, Surveyor, Appraiser, Credit Analyst, dan anggota Komite Kredit lainnya
11. Hukuman yang proporsional. Konsekuensi kecurangan harus disosialisasikan dengan jelas dan mencakup sanksi yang berdampak jangka panjang, finansial maupun non finansial sesuai kerugian yang ditimbulkannya. Sanksi yang “terlalu” keras atau tidak proporsional akan menimbulkan kekakuan birokrasi, dan menghambat empowerment
12. Insentif yang konstruktif. Insentif dibagun untuk menjadi motivator perubahan perilaku manusia. Jangan sampai insentif mendorong perilaku dan gaya hidup hedonis (berlebihan), tamak, tidak taat asas dan fokus jangka pendek
13. Rotasi pekerjaan. Rotasi mengantisipasi terbangunnya jaringan yang sistematis, sebab kecurangan umumnya tidak dilakukan seorang diri. Rotasi juga “memaksa” penyebaran kemampuan, melengkapi kemampuan dan meminimalkan ketergantungan pada pekerjaan-pekerjaan operasional
14. Menggunakan vendor dengan rotasi terus menerus. Beberapa kecurangan terjadi karena perusahaan gagal mengontrol peran yang ada, oleh sebab itu bila bukan proses dan kompetensi inti maka dapat di-alihdayakan kepada vendor di luar perusahaan dengan memperhatikan rotasi
15. Program whistle-blowing dan perlindungan pelapor/ saksi. Program kesadaran bahaya kecurangan, disertai program yang memberi tempat bagi whistle-blower dan sekaligus melindunginya akan memungkinkan pengawasan oleh semua pihak
16. Satgas cepat tanggap untuk meminimalkan kerugian. Seringkali aktivitas mengejar pelaku kecurangan dan meminimalkan dampaknya terkendala oleh sekat birokratis, oleh sebab itu satuan tugas dengan wewenang khusus perlu dibentuk dengan berorientasi kepada recovery

9 Fitur Masa Depan LOS (Loan Origination System)

LOS (Loan Origination System) yang ada dewasa ini umumnya masih belum memuaskan team akuisisi kredit, namun demikian vendor LOS terbilang sedikit dan perusahaan kredit* umumnya juga tidak memiliki visi yang jelas tentang fitur masa depan sistem akuisisi mereka.

LOS memang sistem yang ada dalam industri yang konservatif namun demikian terdapat paling tidak 9 fitur yang akan membentuk LOS masa depan, agar data aplikasi kredit dapat dikelola dengan baik untuk memungkinkan analisa calon debitur yang lebih akurat, dan cepat :

1. Customer Centric bukan Product Centric. LOS umumnya dibedakan atau dipisahkan antar lini portfolio produk yang berbeda, misalnya antara Commercial Lending dan Consumer Lending. Berdasarkan pesan Basel-II, jelas bahwa setiap perusahaan kredit harus memiliki sistem manajemen resiko sendiri dan memahami Debiturnya, maka Debitur yang rekeningnya terpisah dalam LOS dari produk yang berbeda-beda jelas akan menyulitkan. Oleh sebab itu LOS nantinya akan berfokus kepada Debitur bukan lagi produk sehingga tercapai “360 degree view of Customer”.
2. Bergabungnya Risk Management dan Customer Management. Dengan “Fokus kepada Debitur (dan calon Debitur)" maka pengelolaan resiko dan customer harus terintegrasi. Alasan kuat lainnya adalah untuk menghindari bentrokan kepentingan antara Marketing dan Kredit: bagaimanapun kinerja Marketing diukur dari besarnya pokok hutang sedangkan kinerja Kredit dihitung dari default, oleh sebab itu ada tendensi alami yang berlawanan bila Marketing mendukung pencairan sebesar-besarnya maka Kredit mendukung pencairan sekecil mungkin dalam tenor sependek-pendeknya
3. Data Aplikasi sama pentingnya dengan data Debitur. Umumnya aplikasi kredit yang ditolak dihapus dari database demi alasan efisiensi. Dengan pengambilan keputusan dibantu Scoring Model dan kondisi kualitas kredit yang terus membaik maka data default yang dipergunakan dalam pemodelan akan semakin sedikit. Untuk menghindari dead-end seperti ini, maka pemodelan statistik memerlukan data tambahan dari Aplikasi yang di-reject melalui Reject Inference
4. Integrasi LOS dengan Credit Bureau. Data aplikasi, bahkan yang telah disurvey sekalipun terkadang tidak mencerminkan perilaku pembayaran cicilan yang sesungguhnya. Dalam hal ini Credit Bureau akan menjadi pelengkap yang sangat baik bagi analisa aplikasi kredit 
5. Mengakomodasi Data Eksternal Ekonomi Makro. Selain data historis pembayaran dari Credit Bureau, data eksternal yang sifatnya makro akan semakin dibutuhkan. Mengaca dari krisis ekonomi, globalisasi membuat krisis mengalir cepat dari satu negara menjadi krisis kawasan bahkan krisis dunia. Siklus krisis juga semakin pendek, dari krisis th 1997/8 - 2008 - 2012. LOS di masa mendatang akan semakin membutuhkan data eksternal yang sifatnya makro, juga menyimpan, dan menganalisa data tersebut yang dewasa ini terpecah dari berbagai sumber (bank sentral, bursa efek, lembaga pemeringkat, dll)
6. LOS yang pintar dengan logika dan aturan didalamnya. LOS di masa mendatang akan meng-embed policy di dalamnya, serta memastikan akuisisi data yang akurat dan tercatat. Field data akan bergerak dari free text kepada LOV** (list of value) berdasarkan analisa data. Semua ini memungkinkan kualitas data yang lebih baik dan efisien meskipun tehnologi untuk mengubah un-structured data seperti free text menjadi structured data telah mulai tersedia
7. Cloud based. Tuntutan biaya operasional yang rendah serta kecepatan persetujuan kredit pada suatu titik akan menuntut akuisisi data melalui perangkat pintar kapan saja dan dimana saja; begitu juga persetujuan kreditnya. Hal ini menuntut LOS menjadi cloud-based. Belum lagi gencarnya pertumbuhan e-money dan aplikasi pendukungnya (BitCoin, Paypall, Google Wallet, ISIS, dll). Jangan-jangan Google akan menjadi masa depan perbankan kita, siapa tahu?
8. Integrasi LOS dengan payment gateway. Menyambung LOS yang cloud-based, dan era branchless banking membuat LOS harus terintegrasi dengan pembayaran dan pemindahbukuan via internet, sekaligus mengakomodasi beragam bentuk pembayaran baru
9. End-to-end Loan Cycle. LOS secara tradisional berfokus kepada akuisisi kredit, namun default sesungguhnya terjadi bukan saat loan di-originate. Oleh karena itu LOS yang efektif, adalah yang terintegrasi bahkan menyeluruh dari akuisisi sampai maintenance, dari Marketing – Credit sampai dengan Collection dan Recovery

*) perusahaan yang memberikan hutang baik bank ataupun bukan bank, seperti koperasi simpan pinjam dan multifinance

**) data kategoris

Lihat juga:

http://info.mfiflex.com/blog/bid/365222/Lending-Core-integrated-with-FinancialForce-com-FFA

http://cloudlendinginc.com/

6 Pendekatan untuk Mengevaluasi Aplikasi Kredit

Pengucuran kredit adalah keputusan yang penuh resiko. Bayangkan untuk memperoleh keuntungan 3 juta per tahun maka perusahaan harus mengucurkan pembiayaan yang besarnya 100 juta*. Artinya potensi keuntungannya ‘hanya 3% dan potensi kerugiannya 30x lipatnya lebih’.
Salah satu yang membuat bisnis kredit ini tetap merupakan keputusan (investasi) yang masuk akal adalah kemampuan Kreditur meng-akuisisi Debitur yang tepat (Right Customer), yang umumnya dilakukan dengan pendekatan berikut:

1. Judgmental. Analis memutuskan menerima / menolak suatu aplikasi kredit berdasarkan pengalaman dan pemahaman pribadinya sendiri terhadap data calon Debitor

2. Komite Kredit. Di sini pendekatan yang dipakai masih subyektif seperti pendekatan pertama, namun obyektivitas dan akurasi diupayakan dengan pengambilan keputusan berdasarkan pendapat bersama yang diputuskan Ketua Panel Analis dari pendapat beberapa orang Analis. Tidak jarang Ketua Panel atau beberapa Analis memiliki bobot yang lebih tinggi dibanding lainnya berdasarkan kemampuan, pengalaman dan spesialisasi. Pada pendekatan ini mulai diperkenalkan pengambilan keputusan berdasarkan batas wewenang, area of expertise, dan konsep agency theory

3. Model Analitis. Keputusan menerima / menolak suatu aplikasi kredit didasarkan pada suatu model yang disepakati bersama oleh seluruh anggota Komite Kredit. Disini variabel penentu sudah disepakati bersama, demikian pula batas-batasannya sehingga subyektivitas dalam model telah digantikan konsep yang teruji dan berlaku umum. Konsep yang dipakai biasanya diambil dari text book, misalnya semakin besar rasio cicilan terhadap penghasilan (Debt Service Ratio = DSR) maka aplikasi kredit cenderung akan diterima

4. Model Statistik. Keputusan kredit ditentukan oleh Model yang dibuat melalui metode statistik dengan bahan berupa data aplikasi dan kualitas kredit. Pada pemodelan ini, kebenaran umum belum tentu dipakai sebab bila tidak dikonfirmasi oleh data maka akan gugur. Misalnya dalam pembiayaan konsumen, sering dijumpai kondisi bahwa kualitas kredit buruk pada segmen Debitur dengan DSR rendah (hutang << penghasilan) dan tinggi (hutang >> penghasilan). Berlawanan dengan textbook, hubungan DSR dengan kualitas kredit tidak monoton.

5. Model Perilaku. Data aplikasi kredit bisa jadi tidak mencerminkan perilaku pembayaran Debitur, bisa jadi segmen Debitur yang diduga baik atau bahkan sangat baik, ternyata malah sering menunggak. Oleh sebab itu Model Perilaku mengembangkan variabel penentu kualitas kredit dari data pembayaran, bukanlah dari data aplikasi

6. Model Pasar. Kredit dikucurkan selain memperhitungkan kemampuan calon Debitur membayar cicilan / kewajiban jangka pendek (likuiditas), namun juga memperhitungkan bilamana Debitur tidak lagi dapat menghasilkan pendapatan untuk mendukung likuiditasnya (rentabilitas) sehingga harus melunasi hutang dengan aset yang dimilikinya (solvabilitas). Informasi dari nilai aset dari calon Debitur dan nilai perusahaan calon Debitur inilah yang menjadi input dalam pemodelan solvabilitas calon Debitur

*) Misalnya keuntungan yang diharapkan adalah 3 juta dan sebagai penyederhanaan net interest spread sebesar 3%, maka pembiayaan yang harus digelontorkan adalah sebesar 3 juta : 3% = 100 juta. Net interest spread adalah selisih antara besarnya bunga yang harus dibayar Lender dan biaya modal perusahaan. Penyederhanaan dilakukan sebab “selisih” ini seharusnya memperhitungkan hal-hal diluar biaya modal seperti biaya operasional, dan biaya kredit termasuk biaya pencadangan

6 Tantangan Perbankan Indonesia

Perbankan sebagai perantara pihak yang kelebihan dana dan pihak yang membutuhkan dana, nampaknya menghadapi tantangan nyata dalam tahun 2014 ini. Minimal ada 6 tantangan yang harus diselesaikan perbankan Indonesia:

1. Selisih antara bunga kredit dan bunga tabungan terlalu tinggi. Dalam perbankan Indonesia dewasa ini (Jan 2014), bunga tabungan hanya berkisar 7%pa sedangkan bunga kredit berkisar 10%, bahkan 30% untuk pinjaman tanpa agunan. Selisih antara funding dan lending lebih dari 10%pa. Wajar saja sektor perbankan merupakan incaran Investor Saham dan lulusan sarjana yabg baru lulus
2. Biaya Perbankan yang berlebihan. Meski memiliki spread besar, bank mengaku memiliki untung kecil dengan rasionalitas biaya operasional dan investasi yang besar (ditunjukkan oleh BOPO, yaitu rasio antara Beban Operasional dengan Pendapatan Operasional). Biaya operasional jelas membengkak sebab bank di Indonesia telah mengarah menjadi padat karya. Skala pembiayaan umum didasarkan kepada jumlah cabang (investasi) dan jumlah karyawan (operational expenses). Bahkan beberapa bank menciptakan cabang bank yang hanya beda nama jalan, lalu bagaimana cabang tersebut dapat mencapai skala ekonomis?
3. Penetrasi perbankan ke usaha kecil dan informal lemah. Terlepas dari BRI yang porsi kredit usaha kecil dan kredit pedesaannya cukup dominan, hampir tidak ada bank lain yang masuk ke segmen ini. Bila bank memiliki mandat untuk membesarkan usaha kecil dan pedesaan, maka nampaknya kebijakan perbankan kita kurang efektif
4. Kebijakan kredit yang kapitalistik, yang mendorong pembiayaan lebih pro kepada Borrower besar. Memang benar bahwa praktek lending kita sangat dipengaruhi oleh kebijakan perbankan dunia barat, namun sudah saatnya kita harus menerima kondisi negara ini dengan belum adanya identifikasi tunggal, dan manajemen usaha yang lemah yang membuat analisa kredit berdasarkan hard data sangat tidak mungkin dilakukan. Bank titil, yaitu bank di pedesaan yang memberikan kredit mikro dan menagih harian terbukti membesarkan usaha pedesaan, demikian juga BRI misalnya yang mampu menghadapi kendala data ini dan melakukan pendekatan analisa non kapital yang berdasarkan kepemilikan aset
5. Bunga tabungan yang terlalu rendah. Pemerintah seharusnya paham bahwa di satu pihak dengan bunga simpanan hanya berkisar 7%pa dan inflasi 8%an maka telah terjadi negative rate, dan di pihak lain bahwa regulator keuangan tidak menyiapkan investment vehicle lainnya. Tanpa investment vehicle lainnya, pegawai dan pensiunan hanya memiliki pilihan aman pada perbankan nasional yang semuanya adalah Transactional Banking. Reksa dana dan pasar saham belum menjadi pilihan aman, entah karena kurang sosialisasi / edukasi masyarakat atau karena kurangnya jaminan pemerintah. Tanpa jaminan dari pemerintah di awal keberadaannya, akan sangat sedikit yang berpindah dari perbankan konvensional untuk berinvestasi
6. Perbankan rentan skandal. Hampir setiap kali PEMILU, perbankan Indonesia yang formalnya para deposannya dijamin selalu menghadapi skandal sistematik. Dengan kondisi ini bagaimana diharapkan pertumbuhan perbankan dan financial institution lainnya yang sehat dan mandiri?

Lihat juga:

http://haluanriaupress.com/index.php/news/halaman-04/6821-waspada-krisis-perbankan-jelang-pemilu.html

http://m.kompasiana.com/post/read/616432/3

Manfaat dan Kerugian Penjualan dengan Kredit

Menawarkan produk dengan cara pembayaran kredit adalah salah satu strategi penjualan yang umum dilakukan. Apa keuntungan perusahaan menjual dengan kredit?

1. Mendorong customer untuk membelanjakan uang lebih besar dari yang seharusnya
2. Meningkatkan jumlah customer dengan menjangkau customer dengan daya beli terbatas
3. Meningkatkan hubungan dengan customer, sebab kredit membutuhkan keterbukaan informasi customer dan mutual trust
4. Memungkinkan Anda menjual langsung kepada end-customer. Umumnya end-customer membeli dalam satuan kecil secara kredit dari perantara, dengan adanya kredit maka end-customer dapat membeli dalam jumlah besar dengan manageable cash-flow
5. Bila fasilitas kredit disediakan internal perusahaan maka akan diperoleh pula penghasilan bunga

Kerugian perusahaan menjual dengan kredit:

1. Bila memberikan kredit dengan bekerjasama dengan penyedia Kartu Kredit, maka Anda harus membayar sejumlah “merchant fee” dan biaya infrastruktur EDC (Electronic Data Capture)
2. Bila fasilitas kredit disediakan internal maka diperlukan investasi, team dan pengetahuan atas bisnis resiko
3. Bilamana credit default tinggi dari penjualan produk Anda, maka brand equity produk Anda dipertaruhkan
4. Khusus bagi capital product, credit default menurunkan harga jual produk Anda di secondary market

Sebaliknya mengapa customer menyukai pembelian secara kredit meskipun biayanya lebih mahal?
Dengan pembelian kredit, customer meningkatkan daya belinya dengan mengulur waktu pembayaran, memperoleh benefit tambahan (misalnya diskon), dan memperoleh after sales yang lebik baik. Dalam situasi tertentu, pembelian secara kredit membangun Credit History yang berguna untuk pembelian yang lebih besar seperti pembelian rumah, mobil, kredit usaha, dll.

Lihat juga: https://iupdate.dnb.com/iUpdate/whyBusinessCredit.htm