تأمین مالی بدون مدیریت ریسک، صرفاً انتقال پول از یک طرف به طرف دیگر است. مسئله اصلی برای بانک، مؤسسه مالی و حتی پلتفرم تأمین مالی این نیست که منابع را چگونه در اختیار یک کسبوکار قرار دهد؛ مسئله این است که احتمال بازپرداخت نشدن منابع، انحراف مصرف، اختلال در جریان نقدی یا وقوع یک رویداد غیرمنتظره چقدر است و چگونه میتوان آن را پیش از وقوع شناسایی کرد. به همین دلیل، مدیریت ریسک تأمین مالی یکی از مهمترین اجزای طراحی هر محصول اعتباری است.
این موضوع در تأمین مالی زنجیره تأمین یا SCF اهمیت بیشتری پیدا میکند. در SCF، برخلاف تسهیلات سنتی که معمولاً تمرکز اصلی بر اعتبار یک وامگیرنده است، مجموعهای از بازیگران شامل خریدار، تأمینکننده، بانک، فاکتور، سفارش و جریان پرداخت در یک ساختار مالی قرار میگیرند. بنابراین ریسک SCF نیز باید در سطح معامله و زنجیره تحلیل شود، نه صرفاً بر اساس یک صورت مالی یا یک وثیقه.
ریسک در تأمین مالی چیست؟
ریسک تأمین مالی به احتمال وقوع شرایطی گفته میشود که باعث شود منابع مالی طبق انتظار بازپرداخت نشوند یا ارزش اقتصادی مورد انتظار معامله محقق نشود. این ریسک میتواند شکلهای مختلفی داشته باشد، اما در اغلب تصمیمهای اعتباری، Credit Risk یا ریسک اعتباری در مرکز توجه قرار دارد.
ریسک اعتباری یعنی احتمال اینکه مشتری، خریدار یا طرف مقابل نتواند تعهد مالی خود را در زمان مقرر انجام دهد. برای مثال، اگر بانکی ۱۰ میلیارد تومان منابع در اختیار یک شرکت قرار دهد، یکی از مهمترین پرسشها این است که آیا شرکت توان بازپرداخت اصل و هزینه تأمین مالی را خواهد داشت یا خیر.
اما مدیریت ریسک تأمین مالی به همین سؤال محدود نمیشود. ریسک نقدینگی، ریسک عملیاتی، ریسک طرف مقابل، ریسک بازار و حتی ریسک تقلب نیز میتوانند روی نتیجه یک معامله مالی اثر بگذارند.
بنابراین یک سیستم حرفهای مدیریت ریسک باید به جای یک نقطه، کل چرخه تأمین مالی را تحت نظر داشته باشد.
مهمترین ریسکهای تأمین مالی برای کسبوکارها
یکی از نخستین ریسکها، Credit Risk است؛ یعنی ریسک عدم بازپرداخت تعهدات. این ریسک معمولاً با عواملی مانند درآمد، جریان نقدی، سابقه پرداخت، بدهیهای موجود، کیفیت مشتریان و توانایی مدیریت شرکت ارتباط دارد.
ریسک دوم، Liquidity Risk یا ریسک نقدینگی است. ممکن است یک شرکت روی کاغذ سودآور باشد اما در یک مقطع مشخص پول نقد کافی برای پرداخت بدهیهای خود نداشته باشد. فاصله میان فروش و وصول وجه، بهخصوص در کسبوکارهایی که دوره وصول طولانی دارند، میتواند این ریسک را افزایش دهد.
ریسک سوم، Operational Risk است. خطا در فرآیند، اطلاعات ناقص، ثبت اشتباه معامله، اختلال سامانه یا ضعف کنترلهای داخلی میتواند حتی یک مشتری معتبر را نیز به یک معامله پرریسک تبدیل کند.
ریسک چهارم، Counterparty Risk است؛ یعنی احتمال اینکه طرف مقابل معامله نتواند تعهد خود را اجرا کند. این موضوع در SCF اهمیت ویژهای دارد، زیرا عملکرد خریدار و فروشنده به یکدیگر وابسته است.
در نهایت، ریسک تقلب نیز باید جدی گرفته شود. فاکتور جعلی، فروش تکراری یک مطالبه، دستکاری اطلاعات یا ایجاد معامله صوری میتواند مستقیماً به زیان تأمینکننده مالی منجر شود.
چرا مدیریت ریسک در SMEها دشوارتر است؟
یکی از چالشهای اصلی تأمین مالی SMEها، کمبود داده قابل اتکا است. یک شرکت بزرگ معمولاً سابقه مالی، صورتهای مالی، جریان حساب، مشتریان متعدد و سابقه اعتباری بیشتری دارد. اما در یک کسبوکار کوچک ممکن است اطلاعات مالی محدود، پراکنده یا غیرساختاریافته باشد.
در چنین شرایطی، بانک یا تأمینکننده مالی ممکن است برای جبران عدم اطمینان به وثیقه بیشتر، نرخ بالاتر یا محدودیت اعتباری شدیدتر متوسل شود.
مشکل اینجاست که همین رویکرد میتواند دسترسی SME به منابع را سختتر کند.
اینجا یکی از مهمترین تفاوتهای SCF با تأمین مالی سنتی ظاهر میشود.
در مدل سنتی، سؤال اصلی ممکن است این باشد:
«این شرکت چقدر اعتبار دارد؟»
اما در SCF میتوان سؤال را گستردهتر کرد:
«این معامله چقدر قابل اتکاست؟ خریدار چه اعتباری دارد؟ فاکتور تأیید شده است؟ سابقه پرداخت چگونه است؟ جریان نقدی معامله چگونه خواهد بود؟»
این تغییر نگاه، مبنای مهمی برای کاهش ریسک تأمین مالی است.
ریسک SCF چگونه با تأمین مالی سنتی متفاوت است؟
در تسهیلات سنتی، ارزیابی ریسک معمولاً حول یک Borrower شکل میگیرد. بانک شرکت را بررسی میکند، توان بازپرداخت را میسنجد، وثایق را ارزیابی میکند و سپس درباره اعطای تسهیلات تصمیم میگیرد.
اما در Supply Chain Finance، دادههای بیشتری میتوانند وارد تصمیم شوند:
Buyer + Supplier + Invoice + Transaction + Payment History
در نتیجه، SCF میتواند از یک مدل صرفاً Borrower-Centric به سمت یک مدل Transaction-Centric حرکت کند.
این به معنی حذف ریسک نیست. اتفاقاً اگر طراحی SCF ضعیف باشد، ریسکهای جدیدی نیز ایجاد میشود. اما ساختار صحیح SCF امکان میدهد ریسک بر اساس اطلاعات واقعی معامله بهتر تفکیک و ارزیابی شود.
در راهکارهای فاکتورینگ نیز دیجیتالیشدن فرآیند میتواند به افزایش سرعت و انعطافپذیری تأمین مالی مطالبات کمک کند. یک گزارش تخصصی Comarch درباره دیجیتالیسازی فاکتورینگ نیز بر نقش زیرساخت فناوری در کارآمدتر و سریعتر شدن فرآیند فاکتورینگ تأکید میکند.
[محل اینفوگرافیک: «مقایسه ریسک در تأمین مالی سنتی و SCF»]
نقش خریدار در کاهش ریسک SCF
یکی از مزیتهای مهم SCF این است که اعتبار خریدار میتواند وارد ساختار تأمین مالی شود.
فرض کنیم یک شرکت کوچک، تأمینکننده یک شرکت بزرگ است. تأمینکننده فاکتوری به ارزش یک میلیارد تومان صادر کرده و خریدار نیز آن را تأیید کرده است. اگر تأمینکننده به تنهایی برای دریافت تسهیلات اقدام کند، بانک باید ریسک همان شرکت کوچک را ارزیابی کند.
اما در یک ساختار Reverse Factoring، فاکتور تأییدشده و اعتبار خریدار بزرگ میتواند بخش مهمی از مبنای تصمیم تأمین مالی باشد.
ساختار به شکل زیر است:
Anchor Buyer
↓
Approved Invoice
↓
Bank / Financier
↓
Early Payment to Supplier
↓
Payment by Buyer at Maturity
در این مدل، بانک صرفاً به صورت مالی تأمینکننده نگاه نمیکند؛ بلکه به تعهد پرداخت خریدار و واقعیت معامله نیز توجه میکند.
این همان جایی است که مدیریت ریسک تأمین مالی از سطح شرکت به سطح زنجیره منتقل میشود.
چگونه SCF میتواند ریسک تأمین مالی را کاهش دهد؟
برای اینکه SCF واقعاً به کاهش ریسک منجر شود، چهار کنترل اساسی اهمیت دارد.
اول، Buyer Validation است. باید مشخص باشد خریدار واقعی است و توان و سابقه پرداخت دارد.
دوم، Invoice Verification است. فاکتور باید به یک معامله واقعی متصل باشد و امکان تأمین مالی مضاعف یا فاکتور صوری کاهش پیدا کند.
سوم، Transaction Data است. اطلاعات سفارش، فروش، تحویل، فاکتور و پرداخت باید تا حد امکان به یکدیگر متصل باشند.
چهارم، Payment Monitoring است. ارزیابی ریسک نباید در لحظه اعطای منابع تمام شود. عملکرد مشتری و خریدار باید بعد از تأمین مالی نیز پایش شود.
به بیان ساده:
Risk Assessment Before Financing
باید به
Risk Monitoring During Financing
تبدیل شود.
این موضوع برای پلتفرمهای دیجیتال اهمیت زیادی دارد، زیرا زیرساخت فناوری امکان مشاهده مستمر دادهها را فراهم میکند. در گزارش Comarch نیز پایش مداوم سیستمها و شناسایی ناهنجاریها و ریسکهای احتمالی بهعنوان یکی از اجزای مهم نگهداری و مدیریت سیستمهای مالی مطرح شده است.
نقش AI در ارزیابی Credit Risk
هوش مصنوعی میتواند مرحله بعدی تحول در مدیریت ریسک تأمین مالی باشد.
در مدل سنتی، تحلیل اعتبار تا حد زیادی به دادههای تاریخی، صورتهای مالی، گزارشهای اعتباری و قضاوت کارشناسی متکی است. این اطلاعات همچنان مهم هستند، اما در بسیاری از کسبوکارها برای ایجاد یک تصویر لحظهای از وضعیت مالی کافی نیستند.
AI میتواند حجم بزرگتری از دادههای معاملاتی را تحلیل کند و الگوهایی را شناسایی کند که در بررسی دستی ممکن است دیده نشوند.
یک معماری ساده میتواند چنین باشد:
Transaction Data
↓
Data Processing
↓
AI Risk Engine
↓
Credit Score
↓
Risk Classification
↓
Financing Decision
↓
Continuous Monitoring
دادههایی مانند سابقه پرداخت، رفتار خرید، تأخیرهای گذشته، گردش فروش، فاکتورها و روابط میان اعضای زنجیره میتوانند در یک مدل تحلیلی مورد استفاده قرار گیرند.
البته یک نکته مهم وجود دارد: AI ریسک را حذف نمیکند. هوش مصنوعی صرفاً میتواند توان شناسایی و تحلیل ریسک را افزایش دهد. اگر داده ورودی ناقص یا اشتباه باشد، حتی بهترین مدل نیز خروجی قابل اتکایی تولید نمیکند.
AI چگونه ریسک SCF را کاهش میدهد؟
چهار کاربرد AI در مدیریت ریسک SCF اهمیت ویژهای دارند.
اول، Credit Scoring است. مدل میتواند بر اساس مجموعهای از متغیرها احتمال نکول یا تأخیر را تخمین بزند.
دوم، Fraud Detection است. الگوریتم میتواند الگوهای غیرعادی در فاکتورها، معاملات یا رفتار پرداخت را شناسایی کند.
سوم، Early Warning است. تغییر ناگهانی در فروش، افزایش تأخیر پرداخت یا تغییر رفتار خریدار میتواند بهعنوان سیگنال هشدار شناسایی شود.
چهارم، Continuous Monitoring است. ریسک مشتری بعد از دریافت منابع ثابت نمیماند؛ بنابراین مدل ریسک نیز باید بتواند با ورود داده جدید بهروزرسانی شود.
[محل اینفوگرافیک: «AI Risk Engine در SCF»]
مدیریت ریسک تأمین مالی در ایران چه تغییری نیاز دارد؟
در ایران، توسعه مدیریت ریسک تأمین مالی بدون بهبود کیفیت داده دشوار خواهد بود. بانک یا پلتفرم SCF باید بتواند تا حد امکان به اطلاعات واقعی معامله دسترسی داشته باشد.
اگر سفارش، فاکتور، تحویل کالا، پرداخت و سابقه اعتباری در سیستمهای جداگانه باقی بمانند، ارزیابی ریسک نیز ناقص خواهد بود.
بنابراین یکی از مهمترین پیشنیازهای توسعه SCF، اتصال دادههای زنجیره تأمین است.
این اتصال میتواند به بانک اجازه دهد به جای اتکا به یک تصویر ایستا از شرکت، رفتار واقعی معامله را نیز مشاهده کند.
در چنین مدلی، کنترل ریسک از مرحله قبل از تأمین مالی آغاز میشود و بعد از پرداخت منابع نیز ادامه پیدا میکند.
از اعتبارسنجی سنتی به Risk-Based SCF
میتوان تفاوت دو رویکرد را بسیار ساده نمایش داد.
در مدل سنتی:
شرکت → صورت مالی → وثیقه → اعتبارسنجی → وام
اما در Risk-Based SCF:
معامله → خریدار → فاکتور → داده → جریان نقد → ارزیابی ریسک → تأمین مالی
این تفاوت صرفاً تکنولوژیک نیست؛ یک تفاوت در Credit Architecture است.
در مدل دوم، اعتبار معامله نیز بخشی از اطلاعات تصمیم اعتباری میشود.
برای آشنایی بیشتر با ساختار SCF میتوانید راهنمای کامل تأمین مالی زنجیره تأمین را مطالعه کنید. همچنین در بحث ابزارهای تأمین مالی مطالبات، فاکتورینگ میتواند یکی از اجزای مهم معماری مدیریت ریسک و سرمایه در گردش باشد.
آینده مدیریت ریسک تأمین مالی
آینده مدیریت ریسک تأمین مالی احتمالاً از ترکیب چهار عنصر شکل خواهد گرفت:
SCF + Transaction Data + AI + Digital Infrastructure
در این مدل، تصمیم اعتباری فقط یک تصمیم لحظهای نیست. سیستم میتواند وضعیت معامله را قبل از تأمین مالی بررسی کند، هنگام تخصیص منابع کنترل کند و بعد از تأمین مالی نیز رفتار جریان نقد را پایش کند.
به این ترتیب، مدل مدیریت ریسک از:
Reactive Risk Management
به سمت:
Predictive & Continuous Risk Management
حرکت میکند.
البته برای رسیدن به این نقطه، AI به تنهایی کافی نیست. کیفیت داده، اتصال سامانهها، استانداردسازی فرآیندها، حاکمیت داده، کنترلهای ضدتقلب و طراحی صحیح محصولات مالی، همگی بخشی از زیرساخت مدیریت ریسک هستند. حتی در سیستمهای فاکتورینگ دیجیتال، انتخاب زیرساخت مناسب و قابلیت مقیاسپذیری سیستم از عوامل مؤثر بر عملکرد آینده سامانه محسوب میشود.
جمعبندی
مدیریت ریسک تأمین مالی به معنی تلاش برای حذف ریسک نیست؛ زیرا هیچ معامله مالی بدون ریسک نیست. مسئله اصلی این است که ریسک را بهتر شناسایی، اندازهگیری، قیمتگذاری و پایش کنیم.
SCF این امکان را ایجاد میکند که ارزیابی ریسک فقط بر اساس وضعیت یک شرکت انجام نشود و اطلاعات خریدار، تأمینکننده، فاکتور و جریان واقعی معامله نیز وارد تصمیم شود.
در این میان، Credit Risk همچنان مهمترین محور تصمیم اعتباری باقی میماند، اما دادههای زنجیره میتوانند تصویر کاملتری از آن ارائه کنند. AI نیز میتواند این دادهها را در مقیاس بزرگتر تحلیل کند، الگوهای غیرعادی را شناسایی کند و امکان هشدار زودهنگام را فراهم سازد.
بنابراین مسیر آینده را میتوان اینگونه خلاصه کرد:
Transaction Data → Risk Analysis → AI → SCF → Continuous Monitoring
و در نهایت، مزیت واقعی SCF صرفاً سرعت بیشتر تأمین مالی نیست؛ بلکه امکان ساختن یک سیستم مدیریت ریسک مبتنی بر داده و معامله است که میتواند منابع مالی را با اطمینان بیشتری به فعالیت واقعی اقتصاد متصل کند.
