Banche e Alternative Data: perché la reputazione delle aziende fa gola al mondo della finanza

Banking & Alternative Data

L’utilizzo degli alternative data in ambito bancario e finanziario è ancora agli albori ma l’urto provocato dal Covid ha accelerato la spinta alla digitalizzazione e alle strategie data-driven di molti istituti finanziari in tutto il mondo.

In che modo le banche possono sfruttare i dati alternativi?

Che cosa si intende quando si parla di alternative data? Che cosa può farci una banca e quali benefici ne può trarre?

Per mettere a fuoco questa delicata tematica, il giornalista Alberto Grisoni ha intervistato Mirko Lalli, CEO dell’alternative data provider The Data Appeal Company, in uno speciale podcast su AziendaBanca, testata italiana che da anni racconta l’innovazione nel mondo della finanza.

 

A. Grisoni: Chi è The Data Appeal Company e di cosa si occupa?

M. Lalli: The Data Appeal è un’azienda che vuole semplificare l’accesso ai dati. La nostra missione è aiutare le aziende e le istituzioni a prendere decisioni migliori proprio attraverso l’uso dei dati.

A. Grisoni: Ai temi del FinTech e della tecnologia applicata alla finanza si avvicinano anche persone che non hanno forti competenze tecnologiche. Potresti spiegare a loro, e a me, che cosa sono gli alternative data?

M. Lalli: Il concetto di alternative data è molto finanziario, si usa sostanzialmente solo nel banking. È un termine ombrello che indica le fonti di dati non tradizionali che possono aiutare a comprendere meglio determinati fenomeni. Nel mondo anglosassone ci si riferisce agli alternative data quando si fa riferimento all’ascolto della rete: se devo decidere se investire o meno su un titolo azionario, oltre alle classiche informazioni sull’azienda posso considerare anche la sua reputazione online.

Il sentiment è un buon predittivo (strumento in grado di fare previsioni e anticipazioni) del business. Quindi, semplificando, gli alternative data sono tutte quelle informazioni che derivano da fonti non tradizionali che ci aiutano a comprendere meglio certi fenomeni e potenzialità di un’impresa.

Con una buona reputazione e una buona comunicazione è probabile che tu possa fatturare di più: queste due dimensioni rappresentano due parametri predittivi sul fatturato, spesso in maniera migliorativa. Ci sono decine di studi che collegano le revenue alla reputazione e oggi questo fenomeno è stato accelerato dalla pandemia. La dimensione offline e online collassano e tener sotto controllo la propria reputazione diviene fondamentale per i risultati finanziari.

KPIs - Sentiment score
A. Grisoni: Vale anche per le piccole imprese, che magari non hanno un sito online ma magari da qualche parte se ne parla?

M. Lalli: Per loro funziona ancora di più. Anche se non hanno un sito o non hanno dei touch point: il canale legato ai feedback che sta crescendo di più anno su anno è Google Maps. Ogni luogo è associato al rating e a delle recensioni. I clienti commentano qualsiasi cosa, anche le colonnine di ricarica per le auto, e le piccole imprese non sono immuni da questo fenomeno. Qualsiasi impresa oramai ha un’impronta digitale.

A. Grisoni: Puoi farmi altri due esempi di uso di Alternative Data, in ambito finanziario, uno hard, molto bancario, e uno più soft?

M. Lalli: Il più hard di tutti è quello di cui abbiamo già parlato, l’integrazione dei profili delle controparti di una banca con i parametri di reputazione online come predittivi degli incassi, con uno scambio di dati automatico, machine to machine.

Quello più soft riguarda il caso di un cliente finanziario importante e riguarda la customer experience. Ci ha chiesto di risolvere un problema annoso per la sua rete vendita nel momento in cui si trova a dover incontrare i potenziali clienti: spesso le microimprese infatti hanno la sede legale presso un commercialista o un consulente. La loro attività operativa si svolge altrove.

La rete vendita di questa realtà aveva bisogno di sapere dove andare realmente: i dati camerali non bastavano, serviva un database delle insegne. Noi abbiamo costruito un algoritmo di VAT Matching che mette in relazione le partite IVA e le insegne, con un’affidabilità superiore all’80%, che grazie al machine learning cerca di riconciliare le insegne dei negozi con le partite IVA a cui corrispondono. Adesso i rivenditori arrivano al posto giusto e all’azienda giusta.

Sembra un lavoro banale ma è estremamente complicato.

A. Grisoni: Puoi farmi altri due esempi di uso di Alternative Data, in ambito finanziario, uno hard, molto bancario, e uno più soft?

M. Lalli: Il più hard di tutti è quello di cui abbiamo già parlato, l’integrazione dei profili delle controparti di una banca con i parametri di reputazione online come predittivi degli incassi, con uno scambio di dati automatico, machine to machine.

Quello più soft riguarda il caso di un cliente finanziario importante e riguarda la customer experience. Ci ha chiesto di risolvere un problema annoso per la sua rete vendita nel momento in cui si trova a dover incontrare i potenziali clienti: spesso le microimprese infatti hanno la sede legale presso un commercialista o un consulente. La loro attività operativa si svolge altrove.

La rete vendita di questa realtà aveva bisogno di sapere dove andare realmente: i dati camerali non bastavano, serviva un database delle insegne. Noi abbiamo costruito un algoritmo di VAT Matching che mette in relazione le partite IVA e le insegne, con un’affidabilità superiore all’80%, che grazie al machine learning cerca di riconciliare le insegne dei negozi con le partite IVA a cui corrispondono. Adesso i rivenditori arrivano al posto giusto e all’azienda giusta.

Sembra un lavoro banale ma è estremamente complicato.

Share:

Condividi su facebook
Condividi su twitter
Condividi su linkedin

RELATED POSTS

Siamo qui per te!
Il nostro team è a disposizione per rispondere ai tuoi dubbi, alle tue domande e fornirti tutto il supporto possibile.