Il mondo della finanza è stato tra i primi a intraprendere un processo di trasformazione digitale, grazie all’adozione di soluzioni e piattaforme che avevano l’obiettivo di migliorare le performance delle aziende aumentando la loro capacità di sviluppare conoscenza. La raccolta e l’analisi dei dati è stata da subito indirizzata verso i processi interni, verso il miglioramento delle performance e delle criticità dei singoli servizi e nella direzione di una crescente attenzione ai clienti e alla conoscenza delle loro esigenze più specifiche.
In questo percorso alla ricerca di nuove forme di competitività, un’attenzione crescente è stata posta sui processi decisionali, ovvero su come la capacità di lavorare sull’intelligenza dei dati mette le imprese finance nella condizione di prendere decisioni più veloci, più affidabili e precise. Nello stesso tempo, sempre il digitale, mette i consumatori nella condizione di valutare con maggiore consapevolezza le informazioni e i dati a disposizione per costruire una decisione finale più consapevole.
La Data Intelligence e i quattro fattori del processo decisionale
Lo scenario delle imprese finance è sempre più contraddistinto da quattro grandi fattori: la precisione, la flessibilità, la velocità e il Risk management. Il percorso di business è orientato ad avvicinare sempre meglio le decisioni alle esigenze dei clienti: per far questo servono analisi che consentano di conoscere con precisione queste stesse esigenze, di gestirne in modo veloce e flessibile l’evoluzione, ma serve nello stesso tempo mantenere alta l’attenzione ai rischi connessi a queste decisioni, alle possibili conseguenze e ai piani alternativi per intervenire, per ridurre i danni o per trasformare i rischi in opportunità.
Il cuore pulsante di questo processo è nella Data Intelligence che, solo per fare un esempio, nella sua declinazione in predictive analytics diventa una fonte preziosa di conoscenza per disegnare le strategie di gestione del rischio.
Il percorso di digitalizzazione del mondo finance, comprendendo in questa accezione anche banche e assicurazioni, ha visto dunque prima di tutto una focalizzazione sui processi decisionali interni, ovvero sull’utilizzo del digitale per disporre di dati e analisi in grado rendere le decisioni più veloci e precise. La seconda fase è quella che va a integrare i processi decisionali interni sulla base di una conoscenza sempre più dettagliata dei clienti e dei loro stessi processi decisionali. E qui lo sguardo è sui consumatori, sulle aziende e sul modo in cui queste decisioni cambiano in funzione delle variabili a cui ciascun soggetto è indirizzato o esposto.
Il vantaggio competitivo passa dalla Data Intelligence
La Data Intelligence come asset decisivo per supportare le decisioni e il vantaggio competitivo dipende prima di tutto dalla capacità di utilizzarla come strumento per comprendere il mercato e i consumatori e come piattaforma per valutare e monitore i risultati. Ma la capacità di sfruttare il digitale dipende anche dalla capacità di interpretare i fenomeni che primariamente guidano i processi decisionali dei consumatori e delle imprese. In questo senso ci sono indicatori che permettono di capire quanto sia oggi più che mai importante investire in strumenti di digital analytics che permettono di stimolare e aumentare la conoscenza dei consumatori.
La Data Intelligence e i comportamenti dei consumatori
Un primo indicatore molto prezioso arriva dallo studio dei comportamenti delle famiglie, in particolare dal rapporto Consob “Report on financial investments of Italian households, Behavioural attitudes and approaches” ( QUI ). Si tratta di una ricerca che focalizza l’attenzione sui comportamenti relativi alle scelte delle famiglie italiane allo scopo di capire come decidono i loro investimenti e come valutano i rischi che scelgono di affrontare. Dal report cogliamo che la “pianificazione e il controllo delle scelte finanziarie sono ancora poco diffusi presso le famiglie italiane”. Ed è particolarmente significativo notare che il 60% del campione non sembra seguire una regola ben precisa. Chi invece la regola l’ha definita lo fa principalmente sulla base di una modalità sequenziale, definendo e perseguendo un obiettivo alla volta.
Nello stesso tempo, se guardiamo a un altro tipo di analisi e a un altro tipo di profilo vale a dire alla ricerca “Consumatori Fintech e Insurtech” del 2019 dell’Osservatorio Fintech e Insurtech del Politecnico di Milano, possiamo osservare come gli italiani che utilizzano un servizio Fintech & Insurtech, abbiamo ormai superato i 12 milioni (ovvero il 30% della popolazione tra i 18 e i 74 anni di età), mentre la metà degli utenti Internet italiani (38,7 milioni di connazionali tra i 18 e 74 anni) ha una buona conoscenza di almeno un servizio Fintech & Insurtech. La ricerca dell’Osservatorio ci dice inoltre che il grado di soddisfazione nei confronti dei servizi Fintech & Insurtech è medio alto a testimonianza del fatto che il mercato italiano è caratterizzato da consumatori che hanno bisogno di innovazione e di supporto, ma che nello stesso tempo sono attenti a servizi che li possono aiutare ad aumentare la conoscenza e la loro capacità decisionale.
Come viene utilizzata la Data Intelligence dalle aziende
C’è ampio spazio dunque per far crescere il ruolo della data analytics e lo vediamo grazie un altro dato che ci aiuta a “pesare” il ruolo che può avere e sta già conquistando la Data Intelligence. Infatti, se si guarda il mercato degli analytics in Italia nel 2019, grazie alla ricerca dell’Osservatorio Big Data Analytics e Business Intelligence del Politecnico di Milano , si nota che siamo in presenza di un comparto che ha superato il milione e 700mila euro di giro d’affari e nel quale il 28% delle soluzioni e degli investimenti è costituito dal mondo delle banche (cui va aggiunto il 7% dalle assicurazioni).
Dal punto di vista delle scelte delle aziende il report ci dice che più del 90% delle grandi aziende ha in corso progetti che attengono all’analisi dei dati, in particolare con priorità ai temi della Data Visualization, dell’Advanced analytics, dell’integrazione tra diverse fonti e con crescente attenzione alle azioni finalizzate a migliorare la data quality. Ma l’attenzione delle aziende cresce anche in merito ai temi della predittività, con progetti di Advanced analytics che sfruttano le capacità predittive per la gestione della manutenzione, per la riduzione delle frodi, per disporre di scenari sul comportamento dei clienti.
Come muoversi per attuare una strategia e un progetto di Data Intelligence
Data Intelligence significa preparare e attuare una strategia di Big Data Analytics partendo dalla conoscenza delle organizzazioni, dall’analisi del contesto nel quale si trovano a operare, degli obiettivi di business e dei clienti che devono servire. L’analisi delle variabili, sia per individuare opportunità, sia per monitorare e controllare i rischi, è un fattore chiave di ogni progetto. Le piattaforme di Big Data Analytics permettono di mettere a fattor comune e a vantaggio dell’azienda le tante fonti di cui ciascuna realtà dispone, sia quelle interne, sia quelle legate alla rete di fornitori, partner, collaboratori e appunto clienti. L’altro aspetto chiave dei progetti di Data Intelligence è poi rappresentato dalle logiche di accesso a questi dati: le dashboard personalizzate e costruite su criteri sempre più intuitivi permettono di aumentare la conoscenza presso le figure decisionali che non necessariamente dispongono di competenze tecniche, ma che sono direttamente coinvolti nei processi decisionali di business.
Immagine fornita da Shutterstock.
