logo-mini
La banca conosce tutto di te (forse) OF OSSERVATORIO FINANZIARIO

SOMMARIO

Vede cosa cerchi sul web, quali acquisti fai e dove, e quali informazioni condividi sui social network. Sa dove vai in vacanza, qual è il giorno del tuo anniversario, e conosce i tuoi gusti musicali. E grazie all’intelligenza artificiale mette insieme anche i database statistici e le indagini di mercato. E’ il business del momento, e sta attraendo società finanziarie, aziende e startup in ogni parte del mondo. Di cosa si tratta? In gergo, si chiama Big Data Analytics. E consiste nel monetizzare l’immensa mole di dati che ci definisce in quanto consumatori. Come? E con quali risultati?

La banca conosce tutto di te (forse)

C’è un nuovo business che sta catalizzando l’attenzione di aziende e società più o meno grandi, di imprese finanziarie e assicurative, startup e istituti di credito: quello relativo all’uso dei nostri dati personali. In effetti, se ci pensiamo, sono tante le informazioni che ci riguardano che banche e società emettitrici di carte di pagamento hanno a disposizione. Sanno quando compiamo gli anni, dove facciamo i nostri acquisti, cosa preferiamo comprare e con quale frequenza. Sanno quando è il nostro anniversario di nozze, conoscono il giorno del compleanno della nostra fidanzata, dove preferiamo andare a mangiare quando usciamo a cena e dove andiamo in vacanza. Non solo. Basti pensare a tutta quella mole di informazioni personali che ogni giorno condividiamo spontaneamente sui social network. O alle ricerche e alle mail che inviamo con Google. Vi siete mai chiesti come mai, dopo aver fatto una ricerca su internet, vi trovate nella casella di posta elettronica offerte dedicate proprio a quell’oggetto? E ancora, spingendosi un po’ più in là, avete mai fatto caso alle autorizzazioni che certe app richiedono per essere scaricate sugli smartphone? Alcune, accedono alla rubrica personale dei contatti e alla fotocamera, altre all’elenco delle chiamate ricevute ed effettuate.

Questi sono senza dubbio i dati più discussi. Quelli che attraggono la maggior parte delle polemiche e delle contestazioni, aprendo tutto un dibattito sul diritto alla privacy. Poi, però, ci sono anche le informazioni che provengono da fonti open source, accessibili a tutti, frutto magati di elaborazioni statistiche o di ricerche di mercato.

In gergo tecnico queste informazioni vanno a costituire i Big Data. E, secondo la definizione corrente sono alla base di quella particolare attività di raccolta, organizzazione e analisi di grandi insiemi di dati allo scopo di scoprire schemi, tendenze, correlazioni e altre informazioni che potrebbero tornare utili nella definizione degli obiettivi di business. Perché la Big data analytics parte dal presupposto che, se analizzati correttamente, e attraverso algoritmi di intelligenza artificiale, i dati portano valore, creano nuove entrate, spingono alla realizzazione di servizi sempre più personalizzati.
A livello internazionale, e non solo, la corsa del settore bancario e assicurativo verso la “monetizzazione” dei dati è già iniziata. Ma perché questi dati sono così importanti? E quali benefici potrebbero apportare ai clienti? Come si traduce l’analisi dei dati in prodotti e servizi finanziari?

----

Prestiti in tempo reale


Per prima cosa, insegna l’esperienza internazionale, l’analisi aggregata dei dati riguardanti i clienti e delle informazioni relative al loro utilizzo di determinati prodotti o servizi bancari può fungere da strumento per prendere decisioni in tempo reale in merito, per esempio, alla concessione di credito. In questa direzione hanno fatto scuola le startup attive nel microcredito e nei finanziamenti online. L’americana Lending Club, per esempio, società di social lending tra le più famose del web, con base a San Francisco, si è specializzata nella concessione di finanziamenti peer-to-peer via Internet sulla base di un algoritmo che unisce, oltre all’anagrafica dei clienti, la storia creditizia e l’area geografica di appartenenza, anche l’analisi di informazioni provenienti dai social network. Qualora non fossero disponibili rating finanziari affidabili, quindi, il processo decisionale viene affidato a un “rating di credito social” che si compone di dati provenienti dai profili social del richiedente incrociati con i pagamenti mobile, stile di vita, relazioni, desideri e acquisti con carte di credito.

Strettamente collegato con il punto precedente è la possibilità di gestire il rischio di credito attraverso la conoscenza approfondita dei clienti. Aggregando i dati, infatti, si possono utilizzare le informazioni ricevute non solo per decidere in tempo reale la concessione di eventuali prestiti. Ma si chiarisce anche, a priori, il grado di solvibilità di ciascun cliente e il merito creditizio. La startup nata nelle filippine nel 2011, Lenddo, per esempio, ha creato un sistema di microcredito basato su una community social. Grazie a un algoritmo proprietario, la società si dice in grado di fornire una valutazione esatta della solvibilità del debitore esaminando la sua attività sui social e le raccomandazioni di amici e parenti.

Servizio clienti e prodotti su misura


Anche il servizio clienti evolve attraverso l’analisi integrata dei dati. E si sposta sulle piattaforme digitali e sui social media. Mentre le campagne pubblicitarie e di marketing diventano personalizzate, si spostano dalla tv ai dispositivi mobili e viceversa, e portano alla nascita di nuovi prodotti e servizi creati su misura.

In Italia


Nel corso degli ultimi anni molti istituti di credito hanno iniziato a investire cifre consistenti in innovazione, puntando sull’implementazione di nuovi strumenti di intelligenza artificiale e sulla realizzazione di piattaforme evolute per l’analisi dei Big Data. Alcuni di questi sistemi vengono realizzati internamente, altri invece sono il frutto di accordi e partnership con startup specializzate. Grande fermento, soprattutto, si riscontra nel settore degli open data: cioè nell’analisi dei dati pubblici, disponibili a chiunque e provenienti da fonti ufficiali come Istat e Banca d’Italia, tanto per fare un esempio, che vengono accorpati, integrati e analizzati congiuntamente per dar loro significati del tutto nuovi.

---- Anche in Italia è un fenomeno che sta iniziando a prendere piede. Per quanto riguarda gli istituti di credito i primi a partire sono stati i grandi gruppi bancari nazionali. Intesa Sanpaolo, per esempio, già nel 2014 era stata premiata da Efma e Accenture per aver innovato la gestione dei clienti multibancarizzati, integrando il modello di analisi tradizionale (che era basato, tra gli altri, sui trasferimenti di denaro disposti verso conti con intestazione identica, ma accesi presso altre istituzioni finanziarie), con un modello di analisi statistica predittiva. Il nuovo approccio, in particolare, ha consentito all’istituto di credito di trarre informazioni sulla base delle quali individuare il valore potenziale dei clienti, per offrire servizi profilati.

L’utilizzo dei Big Data da parte di Intesa Sanpaolo ha poi portato alla realizzazione della nuova Big Innovation Platform, attualmente in fase di sviluppo. La piattaforma ha l’ambizione di anticipare i trend futuri e le tecnologie a potenziale crescita per il settore bancario accumulando dati e notizie provenienti da varie fonti come carta stampata, web, social network, paper scientifici, brevetti, dati dei venture capital, report finanziari. Questa mole di dati viene poi analizzata con algoritmi di intelligenza artificiale predittivi proprietari messi a punto in collaborazione con la Fondazione Isi, e che hanno l'obiettivo di individuare potenziali trend futuri o tecnologie da applicare al mondo bancario. Attualmente l’ambito di osservazione si concentra sul fintech e sull’insurtech, ma la prospettiva dell'istituto di credito è quello di coinvolgere un numero sempre crescente di settori.

Anche UniCredit, nel 2015, ha lanciato una piattaforma proprietaria. La Data Management Platform, realizzata insieme a Turbo, società italiana indipendente attiva nel campo del data-driven advertising, con l’obiettivo di sfruttare i dati dei clienti per la realizzazione di campagne di marketing e pubblicitarie personalizzate. In particolare, la piattaforma permette di aggregare e gestire in tempo reale tutti i dati provenienti dalle attività Paid, come le campagne pubblicitarie, e Owned, come la navigazione delle properties di UniCredit, creando segmentazioni di audience ad hoc da attivare nelle diverse campagne. In questo modo, la banca ha la possibilità di includere o escludere audience specifiche dalle attività di comunicazione digitale, concentrando dunque i messaggi esclusivamente sul target interessato. Allo stesso tempo, l’utilizzo degli stessi dati nella gestione delle properties online, consente di personalizzare anche le esperienze online in base alla storia di navigazione dell’utente.

La piattaforma è stata testata su scala nazionale per la prima volta circa due anni fa e ha portato alla realizzazione della campagna #Tuttaunaltrastoria, che aveva lo scopo di illustrare su tv, stampa e digital tutti i servizi di mobile banking a cui i clienti UniCredit potevano accedere tramite smartphone.

---- Più di recente, tante sono state le novità presentate. BPER Banca, per esempio, ha da poco annunciato di aver avviato un laboratorio di analisi sui big data con la controllata BPER Services e in partnership con Oracle, con l'obiettivo di creare ambienti di analisi verticali e di tipo strategico per ciascuna società di prodotto del Gruppo. Le informazioni interne sono quindi collegate a dati esterni, acquistati da terze parti, e da informazioni provenienti dai social network, principalmente facebook, YouTube e twitter, dove è presente la banca. E attraverso la commistione di queste tre tipologie di dati BPER Services attuerà iniziative in ambito commerciale per bilanciare il rapporto tra costi, beneficio e rischio nella proposta di prodotti ai clienti. In particolare, è al vaglio della società la possibilità di realizzare uno scoring commerciale che grazie alle informazioni provenienti dai social network diventerebbe un social scoring. Saranno inoltre analizzati i dati relativi alle utenze dei clienti e alla loro posizione offrendo una panoramica relativa alla presenza territoriale della banca che permetta di comprendere dove aprire o chiudere sportelli bancari, migliorando il presidio sul territorio.
Infine, questo laboratorio offre un ulteriore campo di applicazione: quello del credit risk. Le informazioni raccolte possono aiutare la banca ad analizzare il merito creditizio del cliente, integrando i dati provenienti dalla centrale rischi. Tra gli sviluppi futuri previsti da BPER inoltre vi è l'analisi predittiva sul rientro del credito, nell'ottica di trovare una via d'uscita dal problema dei NPLs.

Diverso invece il caso di Creval che ha da poco annunciato un accordo con IBM volto a sfruttare le potenzialità dei big data per implementare le tecniche di cross-selling. La banca, infatti, a marzo di quest’anno ha avviato il progetto "Big Data, CRM e Digital Marketing" per identificare i segnali di una prospettiva di cross-selling identificando i clienti con determinati criteri. Per realizzare il progetto un'unità di Creval Sistemi e Servizi ha lavorato con IBM Interactive Experience per applicare la soluzione di analisi del cliente e di gestione delle campagne multicanale.

La tecnologia cognitiva ideata da IBM identifica, cattura e indicizza i dati, anche non strutturati, presenti all’interno dei sistemi di registrazione delle transazioni aziendali. Tra questi, le informazioni sui prodotti bancari e le abitudini di acquisto online del cliente, oltre alle disposizioni finanziarie. La soluzione, grazie alla elaborazione del linguaggio naturale, “filtra” i dati non strutturati creando un profilo dettagliato per ogni cliente. Sulla base dei risultati ottenuti, poi, l'istituto di credito si propone la realizzazione di campagne di marketing più mirate.

© OF Osservatorio Finanziario - riproduzione riservata

Leggi Anche:


Contatti

OF Osservatorio Finanziario

OfNews è una realizzazione di OF Osservatorio Finanziario. Leggi Privacy Policy (formato PDF)

Visita il sito