Credit risk e Big Data, le cose da sapere

La gestione del rischio è da sempre una attività fondamentale per alcune imprese, in particolare per le banche e per le assicurazioni. Va riconosciuto però che la gestione del rischio sta diventando centrale in tante altre tipologie di imprese: la crescente numerosità delle minacce e delle variabili sul business, impongono di aumentare la conoscenza dello scenario nel quale si trovano ad operare e di controllare con maggior precisione le variabili che incidono sulle loro attività.

La disponibilità di nuove fonti di dati e la contemporanea disponibilità di nuovi strumenti per trasformare i dati in conoscenza, consentono di aumentare la lettura degli scenari nei quali si muovono le imprese e di aumentare il livello di precisione nella individuazione delle minacce.

Certamente, per chi è chiamato a gestire il Risk management nelle sue varie dimensioni e il Credit Risk in particolare, occorre considerare anche una importante questione di metodo e di approccio, sulla quale incidono in modo sempre più rilevante gli strumenti del digitale.

Ma per capire queste prospettive occorre fare un piccolo passo indietro, sul tema della gestione del rischio e del rischio di credito in particolare. Per le imprese del credito l’assunzione di un rischio è da sempre una parte integrante, potremmo dire fisiologica, del lavoro quotidiano. La gestione del rischio di credito, in particolare, incide sui risultati stessi di queste imprese: un calcolo sbagliato o una variabile sottostimata o un imprevisto possono creare problemi molto seri. Sullo stesso termine “imprevisto” inizia ad esserci una forte insofferenza per cercare di limitare al massimo tutto ciò che può incidere negativamente sui risultati e che nello stesso tempo non può essere controllato. Non ultimo, appare fondamentale in questa premessa sottolineare che le imprese più illuminate e attente alla cultura digitale del Risk Management hanno ben compreso che più è profonda e precisa la capacità di analizzare i fattori di rischio, più aumenta la conoscenza dello scenario nel quale si collocano le analisi e più questa conoscenza produce decisioni affidabili sia in termini di rischio di credito (nel caso delle banche ovviamente), sia in termini di indicazioni per gestire le possibili conseguenze. Non solo, per chi scommette e investe su strumenti sempre più performanti e sull’accesso ad altre fonti di dati, dall’analisi dei rischi e delle minacce possono uscire anche indicazioni e intuizioni interessanti in termini di opportunità di business.

Controllare il rischio con strumenti digitali

Tornando al rapporto tra rischio di credito, Big data e strumenti digitali è utile portare l’attenzione sul concetto di rischio che troviamo in letteratura e che indica il “rischio di credito come la possibilità o probabilità che un debitore o comunque una controparte dell’impresa bancaria non sia nella condizione di adempiere agli impegni sottoscritti, nelle modalità e nei termini definiti”.

Come appare evidente sono tanti i fattori che incidono su questa valutazione e possono essere tante le variabili che aumentano o diminuiscono la probabilità che un cliente non riesca ad essere adempiente. Certamente, un primissimo elemento da considerare, anche nella prospettiva del ruolo che possono svolgere i Big data e il digitale in generale, è legato tanto ai fattori esogeni “al cliente”, ovvero al contesto generale nel quale opera quanto a fattori specifici, legati alla conoscenza dell’azienda e del suo settore specifico, oltre a informazioni dettagliate sulle sue specifiche attività, sul mercato, sul settore e sulle relazioni. A questi fattori si aggiunge poi il tema delle normative e della compliance alla quali il digitale e le soluzioni basate sui Big Data in particolare possono dare un grande contributo. L’integrazione tra tutte queste dimensioni, analisi aziende, scenari, normative, rispetto delle linee guida operative, permette di creare un sistema finanziario più affidabile basato sui dati. Un ambiente non solo legato a regole più severe e “controllate”, ma a una conoscenza più raffinata e precisa, di tipo “data driven”. Aumenta così non solo l’affidabilità dei dati in possesso agli istituti finanziari o da loro accessibili, ma si permette l’attuazione di metodiche più sofisticate di gestione del rischio e, più ancora, di mappature e monitoraggi delle tipologie di esposizione al rischio. In concreto, il primissimo obiettivo nell’introduzione dei Big Data nella gestione dei rischi è di tipo “ambientale”, ovvero disporre di dati in grado di ridurre, a livello di sistema, i fattori di rischio. Su questa piattaforma la ricerca e la competitività si spostano sulla capacità delle singole imprese di utilizzare in modo sempre più verticale gli strumenti digitali e i dati alla ricerca di una propria specifica strategia di credit risk.

Cosa si intende per Data Driven Risk Management

Il punto di incontro tra le nuove prospettive del Credit Risk e il ruolo dei Big data e del digitale in generale che può essere sintetizzata nell’approccio definibile come Data Driven Risk Management. Questo ambito oltre alla disponibilità di dati e di strumenti di analytics deve poter contare sulla creazione di un vero percorso digitale alla gestione del rischio, un journey costituito da 5 tappe fondamentali:

1. La focalizzazione sulla conoscenza dinamica del cliente. Da tempo non basta lo storico dei dati relativi al cliente, non è sufficiente avere lo storico dei dati relativi al suo mercato e non ci si può fermare alla relazione tra le attività dell’impresa e i trend di mercato. Serve una lettura dinamica di tutte le sue potenzialità, delle sue specificità e soprattutto delle sue criticità.
2. L’importanza dei comportamenti. Come insegna il mondo B2C, dove dallo studio dei comportamenti dei consumatori arrivano indicazioni preziose sul loro rapporto con i prodotti e con i servizi, così dallo studio dei comportamenti delle imprese arrivano insights sul loro rapporto con i fattori di rischio che possono incidere sul credit risk.
3. Utilizzare correttamente i Big Data. I dati sono importanti, ma l’eccesso di dati è a sua volta un rischio ed è un rischio soprattutto se il percorso verso il “dato che serve” non è indirizzato sulla “strada giusta”, con i mezzi corretti. In altre parole, l’innovazione è una risposta determinante, ma non deve diventare a sua volta un fattore di rischio e per questo deve dare vita a un percorso che metta in parallelo gli strumenti del digitale, le competenze interne e una corretta valutazione del metodo più appropriato per determinare il valore che arriva dai dati. Un percorso non breve, basato sull’apprendimento continuo.
4. Massima attenzione al sistema di relazioni. L’esempio più attuale e significativo è rappresentato dal cosiddetto rischio di fornitura per la supply chian delle imprese. Una azienda può essere sanissima e operare in un mercato in crescita, ma se i rischi li corrono i suoi fornitori e magari improvvisamente non sono in grado di svolgere la loro attività, ecco che questa impresa si trova a non essere in grado di rispondere al proprio mercato di riferimento. È il sistema di relazioni che più che mai va tenuto sotto controllo per avere una valutazione precisa dei fattori di rischio. Questo significa un aumento dei dati e un aumento delle variabili legate all’analisi delle relazioni
5. Le nuove minacce non-finanziarie. Il rischio di credito è collegato a operazioni nelle quali gli istituti di credito di fatto operano come advisor nei confronti delle imprese clienti. La banca assume un rischio in funzione di una serie di valutazioni che, a prescindere dall’innovazione digitale, implicano il fatto che tra le parti si crei un rapporto di fiducia basato sulla conoscenza di una serie di fattori chiave per questa decisione. Ovviamente si deve partire dalla condivisione degli obiettivi e dalla conoscenza del business, dell’industria, delle relazioni e della specifica capacità di gestione del business. Tutti i rischi hanno una ricaduta di tipo finanziario, ma sono sempre più numerosi i rischi non finanziari che impattano direttamente sul risultato delle aziende e che dunque possono aumentare la probabilità di queste aziende di non rispettare gli impegni assunti in termini di debito.

Il ruolo del CFO e l’evoluzione verso la figura dell’Augmented CFO

Sulle basi di un approccio orientato allo sviluppo dei dati e della conoscenza, si può parlare di una nuova fase per la gestione del Credit Risk che si aggancia all’evoluzione che interessa il mondo dei CFO. Un percorso che è stato richiamato con il termine di “Augmented CFO”. Nel momento in cui cresce questo ruolo ecco che cambia tutto l’ecosistema delle credit risk management practices, sia per la parte che attiene alle banche, sia per quella che attiene ai clienti delle banche. In questo scenario, caratterizzato da un utilizzo intensivo di Big Data, diventa rilevante il metodo con cui queste figure utilizzano i dati per “arricchire” o “aumentare” la capacità di azione di queste figure in alcuni ambiti come

• L’accesso a nuove forme di mappatura delle frodi
• La conoscenza di nuove relazioni tra frodi e comportamenti
• Disponibilità di real time analytics sui fattori di rischio e sulle relazioni tra diversi fattori di rischio
• Individuazione comportamenti virtuosi e sviluppo di nuove forme di prevenzione “laterale” dei fattori di rischio

L’applicazione di strumenti Big Data e di un approccio appropriato ha aperto nuove strade nella gestione del rischio. Ma per quanto si possa disporre di strumenti performanti e di dati attendibili non si può pensare a un azzeramento assoluto dei fattori di rischio o di disporre del controllo totale su tutte le variabili. La “regola” che meglio rappresenta il rapporto tra Credit Risk e dati è nell’approccio basato sulla certezza che un evento negativo possa accadere e sulla costruzione, grazie all’aiuto dei Big Data, di uno scenario per la gestione delle conseguenze. Ed è su questa dimensione legata alla riduzione del “rischio delle conseguenze” che si gioca la possibilità di disporre di un ulteriore e innovativo vantaggio competitivo.

Immagine da Shutterstock