Investire comporta sempre una certa dose di rischio. Ma oggi i dati offrono al settore finanziario la possibilità di azzerare o quasi il lato imprevedibile degli investimenti e delle valutazioni legate a finanziamenti di aziende e imprese.
Il data enrichment, ossia il processo di acquisizione e integrazione di nuovi dataset, ha esattamente questo scopo: completare con dati contestuali e qualitativi la profilazione dei clienti e il credit scoring.
In modo da ampliare a tal punto la conoscenza delle aziende con cui ci troviamo a interloquire, che valutarne le performance, presenti ma soprattutto future, non costituirà più un rischio.
Banche, assicurazioni e altri istituti finanziari possono ottenere una panoramica più completa e accurata sul rischio finanziario di qualsiasi azienda e prendere decisioni di investimento più informate e sicure.
In questo articolo affronteremo 4 aspetti del processo di data enrichment per il credit scoring che ti aiuteranno in un primo approccio con questo complesso e innovativo ambito.
Cos’è il data enrichment e su quali dati devono concentrarsi le banche per sviluppare migliori algoritmi di credit scoring
Le banche e le istituzioni finanziarie gestiscono ingenti quantità di dati su clienti, aziende, transazioni e mercati.
Ma molte di queste informazioni possono essere incomplete o poco strutturate. Senza dati accurati e completi, le banche rischiano di prendere decisioni finanziarie errate.
Il data enrichment è il processo chiave per trasformare dati grezzi in informazioni di valore, consentendo alle banche di ottenere una comprensione più approfondita del rischio e delle opportunità di investimento.
I dati a cui una qualsiasi banca o azienda posso attingere sono classificati in quattro tipologie principali che si definiscono in base alla fonte da cui provengono.
Tipologie di dati in base alla provenienza
Dati forniti dai clienti (zero-party)
Il termine zero-party data coniato da Forrester, indica i dati condivisi direttamente dal consumatore con un brand o un’azienda, di solito attraverso sondaggi, quiz, moduli o altre attività di interazione.
Dati di prima parte
I dati di prima parte sono quelli ottenuti incorporando pixel di tracciamento in siti web, profili social o applicazioni. Sono informazioni anonime sui dati demografici e sui comportamenti degli utenti.
Dati di seconda parte
Solitamente acquisiti tramite un partner di fiducia, i dati di seconda parte sono informazioni condivise tra due parti che includono i dati dei propri clienti, consentendo di ottenere approfondimenti e di profilare in modo più efficace un pubblico specifico.
Dati di terze parti
I dati di terze parti sono raccolti da fonti esterne non direttamente collegate all’azienda da società specializzate nella raccolta e nella vendita di dati. Sono spesso utilizzati per integrare i dati esistenti e fornire approfondimenti su aziende e consumatori.
Di solito il processo di data enrichment si basa sull’integrazione nei propri sistemi di business intelligence e negli algoritmi di merito creditizio di dati di seconde o terze parti a cui la banca non può avere accesso direttamente, ma che sono di grande valore per un modello di credit scoring più affidabile e attuale.
Dati di sentiment e popolarità come proxy della profittabilità dell’azienda
Come abbiamo visto, i dati di terze parti sono quelli che più spesso interessano banche e assicurazioni.
Di solito gli istituti di credito possiedono già tutte le informazioni oggettive che riguardano la storia dell’azienda, come bilanci, flussi di cassa e performance passate.
Ciò che spesso manca per completare il quadro sono le informazioni soggettive relative ad aziende e imprese.
Si tratta di “alternative data”, ossia di dati diversi da quelli classici e finanziari che le banche hanno solitamente a disposizione, ma non meno importanti.
Se le performance di qualsiasi tipo di azienda dipendono direttamente dalla qualità del loro operato, dal rapporto e la fiducia che sono in grado di strutturare con i clienti finali, è proprio sui clienti finali che dovresti concentrare la tua attenzione.
Stiamo parlando della percezione di un’impresa agli occhi del pubblico, del sentiment e la sua popolarità.
Più questi aspetti sono accentuati e positivi, più saranno alte le probabilità che le performance finanziarie dell’azienda siano solide e a lungo termine.
In altri termini, puoi considerare il sentiment e la popolarità come proxy della profittabilità dell’azienda e del suo NPS. Un’azienda ben vista e con un’immagine positiva è più probabile che attiri clienti e investitori e che generi passaparola positivo, aumentando le sue opportunità di crescita e successo finanziario.
Il Net Promoter Score (NPS) è un indicatore cruciale che qualsiasi banca dovrebbe prendere in considerazione al momento di valutare investimenti e finanziamenti. Questo indicatore misura infatti la soddisfazione dei clienti e la probabilità che essi raccomandino l’azienda ad altre persone. Un alto NPS è spesso correlato a una maggiore fedeltà dei clienti e a una migliore performance finanziaria.
Una ricerca condotta da CustomerGauge ha rilevato che un aumento di oltre 10 punti dell’NPS è correlato a un aumento del 3,2% dei ricavi.
Già nel 2005 anche la London School of Economics ha calcolato che un aumento del 7% del punteggio NPS equivale a un aumento dell’1% del fatturato complessivo, mentre Bain & Company dichiara che l’NPS garantisce un vantaggio competitivo, perché costituisce dal 20% al 60% della variazione dei tassi di crescita organica tra competitor.
Ma questo non è tutto: gli indicatori che esprimono la “qualitative performance” delle PMI italiane e che ne descrivono la reputazione, la popolarità e la percezione basandosi sull’esperienza diretta dei clienti, sono quelli che oggi hanno già dimostrato maggiore efficacia predittiva come Early Warning Indicators.
Di fatto, il data enrichment basato su dati qualitativi di questo tipo concorre perfettamente, insieme a quelli più tradizionali, a dare una visione più esaustiva delle performance delle imprese finanziate.
Data Enrichment e fattori ESG
Gli ESG Risks – ossia i rischi derivanti da fattori ESG, quindi ambientali, sociali e di governance dell’azienda – sono destinati a diventare un elemento chiave nel calcolo degli indicatori di Risk Appetite Framework (RAF).
Anche in questo caso l’unico modo in cui banche e assicurazioni possono includere i fattori ESG nei loro algoritmi di analisi, è quello di fare data enrichment.
La banca dovrà dotarsi di strumenti e fornitori dati che sappiano veicolare informazioni affidabili, di alta qualità e know-how per interpretare e integrare i dati nei sistemi di analisi della banca.
L’integrazione dei dati ESG nelle valutazioni finanziarie aiuta a identificare e premiare aziende con una visione a lungo termine e sostenibile.
Tanto più che le nuove norme e le regolamentazioni imposte dalle autorità europee rendono necessaria per qualsiasi impresa implementare azioni concrete a favore della sostenibilità e dimostrarlo nel tempo.
Anche in questo caso, quando si parla di ESG si parla anche di fatturato.
“Le questioni ambientali, sociali e di governance infatti non sono solo una questione etica: hanno un chiaro impatto sui profitti, di cui riportiamo un concreto esempio.
La geolocalizzazione dell’impresa in modo completamente automatico, la suscettibilità dei siti di stoccaggio e/o produzione, le mappe di materialità, la sentiment analysis, l’aumento dei costi legati alla tassazione delle emissioni di carbonio, l’esposizione a controversie legali, le recensioni e le corrispondenze nella supply chain, sono tutti esempi concreti di dati alternativi che, se correttamente inseriti e ponderati in una metodologia di valutazione, aiutano a raffinare l’analisi e restituire una valutazione dei rischi e delle opportunità in ambito ESG.”
Inntervista Valentino Pediroda, CEO di modefinance
Sostenibilità e sentiment per il settore finance: le soluzioni su misura di Data Appeal
Di recente, The Data Appeal Company ha fornito a diversi intermediari finanziari per monitorare le performance delle imprese i suoi indici proprietari di Sentiment e Popularity Index – già utilizzati in modo efficace per valutare in modo proattivo il rischio di credito delle PMI.
Il Sentiment Score viene calcolato e aggiornato in real-time sulla base di recensioni e contributi web provenienti da oltre 130 fonti dati.
Il Popularity Index considera invece il volume di contenuti digitali relativi ai luoghi fisici in cui l’impresa opera, e può essere analizzato anche per fascia oraria.
Combinando i dati storici dell’impresa con quelli più attuali, le banche possono avere un quadro completo della situazione “as is” e costruire un modello predittivo più robusto.
Tra i nostri clienti spicca una delle maggiori banche italiane. L’obiettivo della banca è quello
di sfruttare i dati relativi al sentiment online per fare data enrichment B2B, aggiungendo al profilo di ogni impresa maggiori dettagli sulla soddisfazione della clientela, la localizzazione territoriale, i contatti e i servizi offerti.
Inoltre la banca ha incorporato i dati di sentiment nel proprio algoritmo di merito creditizio per renderlo più attendibile e più rapido nella valutazione delle richieste.
98.000 PMI sono state analizzate e mappate, arricchite di dati quantitativi, sentiment score e dati sulla popolarità. I dati, forniti in formato API, sono stati integrati nei sistemi dell’istituto bancario tramite un system integrator e sono stati resi fruibili a tutte le filiali territoriali.
Inoltre la banca ha affinato il proprio sistema di valutazione del credit scoring, integrando negli algoritmi i dati reputazionali di ogni impresa. Questo ha permesso di avere un quadro più completo e più affidabile del valore dell’azienda, delle sue performance economiche e di posizionamento.
Vuoi conoscere in dettaglio le nostre soluzioni di Data Enrichment per il credit scoring e per il settore finanziario?
