{"id":42543,"date":"2022-05-20T12:35:22","date_gmt":"2022-05-20T12:35:22","guid":{"rendered":"https:\/\/datappeal.io\/come-una-banca-italiana-ha-integrato-i-dati-di-sentiment-negli-algoritmi-di-merito-creditizio\/"},"modified":"2023-07-06T15:53:17","modified_gmt":"2023-07-06T15:53:17","slug":"come-una-banca-italiana-ha-integrato-i-dati-di-sentiment-negli-algoritmi-di-merito-creditizio","status":"publish","type":"post","link":"https:\/\/datappeal.io\/it\/come-una-banca-italiana-ha-integrato-i-dati-di-sentiment-negli-algoritmi-di-merito-creditizio\/","title":{"rendered":"Come una banca italiana ha integrato i dati di sentiment negli algoritmi di merito creditizio"},"content":{"rendered":"

Data Appeal presenta un use case<\/b> in grado di mettere in evidenza l’importanza degli alternative data<\/b> per le istituzioni finanziarie e il collegamento tra la reputazione online delle piccole e medie imprese e la loro affidabilit\u00e0 creditizia. Migliorando i criteri di selezione con dati qualitativi, gli istituti di credito possono rendere il processo di assegnazione del punteggio di merito creditizio pi\u00f9 accurato, obiettivo ed efficiente.<\/h4>\n

Alternative Data e Smart Lending: il futuro delle banche \u00e8 gi\u00e0 qui<\/h2>\n

Fare un bonifico, pagare un F24, aprire un conto: bastano pochi clic<\/strong> per fare queste e molte altre operazioni finanziarie che fino a qualche anno fa sembrava impossibile digitalizzare.<\/p>\n

C\u2019\u00e8 solo un ambito del mondo finanziario che sembra rimanere estraneo a questa semplificazione e digitalizzazione dei processi: quello dei mutui e dei finanziamenti – in particolar modo alle PMI.<\/strong><\/p>\n

Le piccole e medie imprese che richiedono un prestito sono costrette ad affrontare un processo burocratico lungo e complesso, che non \u00e8 sostenibile per nessuna delle parti coinvolte.<\/p>\n

Per questo molte istituzioni finanziarie internazionali stanno cominciando a testare un sistema di “Smart Lending” basato su dati alternativi.<\/strong> In sostanza, il processo di analisi delle richieste creditizie viene arricchito da una serie di dati qualitativi diversi da quelli solitamente utilizzati in banca, per una valutazione del rischio pi\u00f9 accurata, spesso in tempo reale.<\/p>\n

Una delle caratteristiche pi\u00f9 essenziali dello Smart Lending \u00e8 quella di affinare e rendere pi\u00f9 veloci ed efficaci gli algoritmi di valutazione del rischio.<\/p>\n

Tra gli alternative data pi\u00f9 preziosi per le banche vi sono i dati qualitativi sul sentiment<\/a>, ovvero i dati relativi alla reputazione<\/strong>, al grado di apprezzamento, alla soddisfazione e alla percezione di qualsiasi azienda o marchio agli occhi dei clienti.<\/p>\n

Questi dati forniscono alle banche un quadro economico ancora pi\u00f9 completo, dettagliato e affidabile<\/strong> delle PMI, facilitando cos\u00ec la valutazione del merito creditizio.<\/p>\n

IL CASO REALE<\/p>\n

Quando la banca abbraccia il sentiment: la reputazione online come elemento di valutazione finanziaria<\/h2>\n

Nel 2020 una delle maggiori banche italiane clienti di The Data Appeal Company<\/strong> ha avviato un processo per integrare nei suoi algoritmi i dati di sentiment delle aziende italiane.<\/p>\n

\n
\n

L’obiettivo<\/h4>\n<\/section>\n<\/section>\n
L\u2019obiettivo della banca \u00e8 quello di sfruttare i dati relativi al sentiment online per:<\/p>\n
    \n
  1. Arricchire il database B2B proprietario<\/strong>, aggiungendo al profilo di ogni impresa maggiori dettagli sulla soddisfazione della clientela, la localizzazione territoriale, i contatti e i servizi offerti.<\/li>\n
  2. Incorporare i dati di sentiment nel proprio algoritmo di merito creditizio<\/strong> per renderlo pi\u00f9 attendibile e pi\u00f9 rapido nella valutazione delle richieste.<\/li>\n<\/ol>\n<\/section>\n

    La soluzione<\/h4>\n

    La banca ha fornito a The Data Appeal Company una prima lista di 98.000 PMI clienti da analizzare online<\/strong>.<\/p>\n

    Per ciascuna azienda, The Data Appeal Company ha mappato e raccolto i dati attuali e storici in merito a:<\/p>\n