La tecnologia predittiva di Aubay usa dati organici e alternativi per valutare al meglio la concessione di un prestito
La gestione del rischio, in ambito finanziario, è uno scenario sempre più permeato di innovazione. La possibilità di applicare tecnologie come l’intelligenza artificiale a flussi specifici, tra cui la concessione di un credito, permette di ottenere informazioni allargate, ma ben delineate, sul soggetto beneficiario, valutando al meglio ogni singola circostanza. La sfida è, per i fornitori di tecnologia, mettere assieme sorgenti di dati differenti che siano le più indicate per formulare un’offerta ad-hoc al cliente, mai come oggi personalizzata su profili individuali.
In un momento storico come l’attuale, con le instabilità geo-politiche che si aggiungono alla coda lunga della pandemia, la “governance” del rischio diviene essenziale. Ed è il motivo per cui Aubay ha sviluppato una soluzione di Intelligent SME Lending, un sistema flessibile, veloce e sicuro per le operazioni di concessione del credito alle piccole e medie imprese.
“Sembra passata un’era da quando le banche, per aggiornare lo status dei loro clienti, facevano compilare un questionario ogni tre anni. Oggi una situazione del genere non può essere più accettabile, per quanto velocemente cambiano gli scenari individuali e globali, impattando su tanti mercati” ci spiega Giorgio Jacchini, Big Data & Advanced Analytics Manager. C’è bisogno allora di conoscere, in maniera quasi perfetta, il cliente, aggiornando costantemente la sua posizione. Viene in aiuto quella che Aubay definisce Intelligent SME Lending, una piattaforma che non solo riesce a disegnare un panorama del cliente ma anche a prevedere come potrà cambiare il suo stato nel tempo, per elementi dipendenti o meno dalla sua volontà.
Aubay propone dunque alle banche una soluzione di intelligent automation con cui ricevere in automatico tutti i documenti prodotti al momento della richiesta di un prestito, automatizzando il processo di on-boarding dei clienti, integrando i dati interni alla banca con quelli provenienti da data provider e da sorgenti di dati alternativi, come le opinioni, le recensioni, news generali e verticali, post su blog e social media, informazioni da annual report, sustainability report e note integrative, per arricchire e velocizzare le procedure.
I benefici dell’automazione
“Uno dei vantaggi della nostra piattaforma sta nell’automazione. In tal modo, riusciamo a ottenere una valutazione in tempi molto più veloci di una volta, con un grado di errore minimo. Liberiamo le risorse umane, dedicate al calcolo dei segnali, concedendo loro la possibilità di interpretare tali segnali, raccolti dalla macchina”. Un altro beneficio è nel poter utilizzare i documenti che servono per la concessione di un credito per effettuare inferenze successive, semplicemente apportando i cambiamenti del caso. «Un simile abbattimento delle tempistiche permette alla banca di catalogare il dato senza renderlo immobile ma dinamico e costantemente aggiornato”.
L’applicazione di algoritmi di intelligenza artificiale alla raccolta, integrazione, analisi e valutazione dei dati, unite alle fonti convenzionali, consente una predizione del grado di affidabilità e del rischio molto più accurata, tale da tener conto di fattori che spesso restano esclusi dal “credit scoring”, legati però a condizioni emergenti di cambio di status. “Un algoritmo che ieri valutava certi indicatori, dopo un attimo deve essere capace di valutarne degli altri. Ed è il motivo per cui, al di là della tecnologia, c’è bisogno di persone che sappiano mettere a frutto il loro know-how per tradurre i trend in fattori di analisi”.
Ecco allora che la generazione del credit scoring, la previsione di default e l’attribuzione di un ranking di affidabilità sono tutti elementi che evolvono in tempo reale, tramite le informazioni acquisite durante il processo di on-boarding, raccolte dai documenti ufficiali, estratte dal web, disponibili all’interno della banca, provenienti da fonti esterne come i credit bureau e gli info provider.
Avere la capacità, grazie alle nuove architetture, di integrare dati differenti, consente di avere tra le mani un archivio storico utile a compilare modelli predittivi che non servano solo alle attività di on-boarding del cliente ma anche nella prosecuzione di un rapporto con il cliente stesso. “Lato istituto, si può pensare di eseguire un cambio del livello di rischio se si ottengono informazioni in grado di modificare tale status e provenienti da informazioni sui social o altri big data in possesso”. Si tratta di segnali di “allarme” che un’azienda può usare per prevenire eventi, cercando di governarli al meglio.
