La scienza dell’analisi dei dati aiuta a evitare incidenti, prevenire frodi, fare previsioni accurate e in generale consente di fruire dell’enorme valore insito dei dati
Nel mondo finanziario buona parte delle questioni relative all’assistenza clienti riguardano problemi semplici che potrebbero essere evitati con informazioni più facilmente disponibili o con opzioni più facili per il cliente.
Con il progredire delle tecnologie fintech, le soluzioni automatizzate saranno applicabili a un numero sempre maggiore di problemi, riducendo i costi dell’assistenza ai clienti e migliorando l’esperienza dei clienti.
Un esempio è fornire a un cliente un modo automatizzato per conoscere il proprio saldo bancario prima di passare a un agente di supporto umano.
Per far questo i gruppi bancari utilizzano la data science e stabiliscono un collegamento diretto con le strutture IT per creare un’automazione basata su sistemi di advanced analytics e di osservabilità dei dati in tempo reale.
Come osserva Codemotion, pochi servizi al consumatore hanno le esigenze di sicurezza e flessibilità tipiche delle istituzioni finanziarie: i clienti si aspettano la massima sicurezza delle loro finanze e contemporaneamente la comodità di servizi finanziari immediatamente disponibili. Questo ha portato gli istituti di credito a un’adozione massiccia di Software as a Service (SaaS).
In un mondo in transizione verso il digitale, la data science sta diventando sempre più importante. La scienza dell’analisi dei dati aiuta a evitare incidenti, prevenire frodi, fare previsioni accurate e in generale consente di fruire dell’enorme valore insito dei dati.
Fintech e data science: come lavorano assieme
Ci sono varie metodologie con cui la scienza dei dati consente al settore fintech di utilizzare al meglio la ritmo tecnologia e la prima è sicuramente l’analisi in tempo reale.
Lo streaming dei dati è una architettura ormai accettata per l’elaborazione dei dati in real time, in modo che i dati vengono elaborati mentre si spostano dalla fonte alla destinazione, per estrarre immediatamente il loro valore rendendolo disponibile a chi deve prendere le decisioni.
Che non necessariamente devono essere persone in carne e ossa: possono anche essere agenti intelligenti. Si parla allora anche di azioni automatiche in real-time e, andando oltre, predittive.
Poi c’è l’osservabilità, che significa raccogliere i Key Performance Indicator (KPI) ossia gli indicatori di performance dei servizi offerti dall’IT in modo non invasivo, efficiente ed economico.
La misurazione è completa, ossia può essere rappresentata in misure di sintesi che descrivono le performance generali dei servizi e in misure di dettaglio che possono arrivare fino descrivere i KPI del singolo sottosistema osservato.
Il tutto in tempo reale e visualizzato attraverso dashboard interattive. Se un IT performante è la chiave per un business performante allora l’osservabilità in tempo reale è il modo per misurare e migliorare rapidamente e progressivamente il business.
La raccolta dei dati dei clienti è un argomento molto delicato, i particolar modo per gli operatori finanziari, che sono obbligati a raccogliere enormi quantità di informazioni per i servizi offerti., ottemperando a funzioni di sicurezza avanzate e alla privacy.
Informazioni che servono per comprendere i clienti, almeno per tre scopi che coinvolgono: le sfere del marketing, della segmentazione e dell’esperienza utente.
L’analisi e l’ingegneria dei dati avanzata, si applicano, per esempio, alla previsione del valore di vita di un cliente, alla modellazione del rischio di investimento, alla formulazione di raccomandazioni ai clienti, ad esempio in caso di difficoltà finanziarie, all’individuazione delle frodi grazie alla conoscenza delle abitudini dei clienti.
Il caso di Cedacri e S2E
Un esempio di osservabilità applicata al fintech ce lo offre Cedacri, una realtà italiana specializzata in servizi IT integrati per il settore bancario, che fornisce alle banche gli strumenti necessari per capitalizzare i dati a loro disposizione.
Con la consulenza di S2E (Solutions2Enterprises), ha implementato l’osservabilità dei dati: con la piattaforma Elastic raccoglie gli eventi provenienti dai sistemi IT sia in termini di metriche di base dell’hardware ma anche e soprattutto dimensioni di business dei servizi applicativi.
Grazie alla raccolta dei corrispondenti KPI è possibile avere evidenziando una visione dell’intero ecosistema dei servizi IT in cui è facile individuare le aree in cui i sistemi potrebbero non funzionare in modo ottimale.
La piattaforma fornisce i KPI in tempo reale a diversi soggetti (business, sviluppo applicativo, sicurezza, infrastruttura) in modo semplice con dashboard interattive, riducendo la necessità di formazione aggiuntiva per i dipendenti.
© RIPRODUZIONE RISERVATA
