di:  

Raffaele-Zenti-cofondatore-Virtual-B

Zenti: “È ora che le banche si avvalgano dei dati transazionali. Ecco come”

Il cofondatore e Head of Data Science della fintech milanese Virtual B spiega come e perché i dati relativi al conto corrente possono essere utili agli istituti di credito

Analisi dei dati: tutti ne parlano, pochi sanno farla bene, in particolare nel settore bancario. Uno di questi ultimi è Raffaele Zenti, cofondatore e Head of Data Science di Virtual B spa, società fintech B2B milanese che si rivolge a banche, assicurazioni, asset manager e altre fintech ed è specializzata in data science (AI, metodi analitici e machine learning). Gli abbiamo chiesto di spiegarci in cosa consistono i dati transazionali e come possono essere utili alle banche.




Cosa sono i dati transazionali?

Sono tutti i dati legati alle transazioni una di persona fisica o giuridica con le banche. In un’accezione più comune, sono essenzialmente i dati legati alla movimentazione del conto corrente: entrate e uscite con segno, data e descrizione. Tutte le banche dispongono di questi dati.

Perché possono essere utili agli istituti di credito?

Dalle analisi dei dati transazionali emergono moltissime informazioni utili per le banche. Per le imprese, il conto corrente non mente: ci sono fatture, flussi da e verso la PA, stipendi e in generale dati molto più freschi di quelli di bilancio, che per definizione guardano al passato. Di solito alle aziende un singolo conto corrente non basta. Ma qui viene in soccorso la direttiva PSD2, per cui con il consenso del cliente si possono vedere le informazioni anche da altri conti, tramite società che aggregano i conti dei vari soggetti. Virtual B  parte da misure di tecnica bancaria classica, rielaborate e macinate con il machine learning e la data science. A valle, emergono informazioni su: clienti buoni, cattivi (a rischio default).

Nel caso dei clienti persone fisiche è tutto più facile, perché hanno meno conti correnti delle aziende, oppure uno solo. Inoltre, i dati freschi e continui e i modelli di machine learning per definizione imparano dalla storia del singolo individuo o dell’azienda, fornendo sempre più informazioni.

Concretamente, in che modo le banche possono sfruttare i dati transazionali?




Nel caso delle aziende, possono utilizzarsi per distinguere: i clienti cattivi cui non fare credito; i clienti buoni cui erogare prestiti e anche proporre servizi aggiuntivi (upselling e crossselling);i clienti medi su cui fare ulteriori approfondimenti. Questo porta alle banche un risparmio di costi rispetto ai credit bureau e ad altri fornitori di dati sulle aziende. Questi modelli non sono in concorrenza con quelli tradizionali, ma vanno a supporto e generano informazioni per modelli più tradizionali di credit scoring.

Nel caso dei privati, per i motivi spiegati poc’anzi, è più facile effettuare: segmentazione, analisi del rischio (predittivo e non, possono essere anche colti segnali di deterioramento del credito in un’ottica early warning).

Le banche sono in grado di sfruttare i dati in autonomia oppure è meglio che si affidino a un partner esterno?

Molto banche sono in grado di sfruttare i dati da sole, avendo capitale umano e monetario. Ma nella realtà dei fatti, innovare non è facile dentro un istituto di credito. E una realtà esterna può portare più facilmente e rapidamente innovazione rispetto a farla internamente.

Quali soluzioni offre Virtual B alle banche?

Offriamo il transactional data engine, un motore proprietario che analizza i dati ed è platform-independent (lavora su qualsiasi piattaforma in cloud), che misura lo stato di salute delle imprese, al fine di segmentare i clienti e aiutare le banche a capire se ha senso concedere un finanziamento a una persona fisica o giuridica. Inoltre supporta gli istituti di credito nella personalizzazione dei loro servizi in base ai bisogni del cliente e costruisce un portafoglio su misura di persona fisica tramite i seguenti prodotti: data enrichment, il needs mapper (un reccomendation system che mappa i bisogni dei clienti), il life-cycle portfolio builder (che segue il cliente nel suo ciclo di vita e gli suggerisce dei prodotti in base alla sua età). Il portafoglio è inteso non come investimenti, ma come prodotti della banca: gestione patrimoniale, conto corrente, prodotto assicurativo, mutuo. Teoricamente si potrebbe applicare anche alle aziende, ma finora non ci è mai stato richiesto dai nostri clienti.

CONDIVI QUESTO ARTICOLO!

Condividi su facebook
Condividi su twitter
Condividi su linkedin
Condividi su email
Condividi su whatsapp