Non tutto il mondo delle banche e delle assicurazioni è attualmente pronto a cogliere i comportamenti futuri dei propri clienti e a eseguire azioni di efficientamento di processi interni come vorrebbe, ma è consapevole di doverlo e poterlo fare grazie alla predictive finance.
Non tutto il mondo delle banche e delle assicurazioni è attualmente pronto a cogliere i comportamenti futuri dei propri clienti e a eseguire azioni di efficientamento di processi interni come vorrebbe, ma è consapevole di doverlo e poterlo fare grazie alla predictive finance. Esistono già oggi una serie di strumenti che consentono di valorizzare appieno i propri dati tramite l’analisi predittiva, anche sfruttando le nuove tecnologie di automazione. Ciò non significa penalizzare il personale umano, ma anzi permettergli di occuparsi di attività a valore aggiunto ottenendo performance migliori, soddisfacendo al meglio una clientela che sempre più esige un servizio personalizzato.
L’importanza dell’analisi predittiva è oggi riconosciuta in qualsiasi settore stia diventando o sia già data driven, ma in quello bancario lo è già da anni. La sua applicazione è quindi più avanzata e articolata anche se presenta comunque ambiti di miglioramento.
È da almeno una decina di anni, infatti, che gli analytics sono stati identificati come gli strumenti più adatti e flessibili per ottenere un reale vantaggio competitivo. L’orientamento verso la predictive finance è stata quindi un’evoluzione necessaria da un lato, per evitare di perdere terreno rispetti ad altre realtà innovative e altamente tecnologiche, ma anche fortemente spinta dalla quantità e dalla ricchezza di dati su cui le banche possono contare essendo, per business e per legge, quasi costrette a conoscere bene i propri clienti e i propri processi interni.
Tutta la serie di azioni soluzioni e metodologie, che consentono al mondo finance di utilizzare al meglio un patrimonio informativo pressoché unico nel suo genere, ha un doppio impatto positivo. La predictive finance riesce infatti a influire positivamente sulle performance di banche e assicurazioni sia agendo al loro interno, sia sul loro rapporto con i clienti.
Un’importante opera di efficientamento dei propri processi è stata il primo passo che molte banche e assicurazioni hanno effettuato avvertendo la necessità di creare una discontinuità forte per sopravvivere. I dati sono stati al centro di questo cambiamento spesso però limitatosi all’analisi descrittiva; la predictive finance, quindi, può offre ulteriori opportunità di migliorare le operations, questa volta guardando verso il futuro e ragionando in prospettiva.
Un esempio è il process mining che, grazie a un approccio completamente data-driven e coniugando intelligenza artificiale e machine learning, non solo individua l’esatta posizione dei colli di bottiglia all’interno di un processo anche apparentemente efficiente, ma propone anche come rimuoverlo e fare in modo che non si riformi nuovamente. Leggendo i log dei sistemi legacy che gestiscono le transazioni, ad esempio, è possibile seguire il flusso di ogni pratica e identificare ogni tipo di rallentamento, evitando che se ne ricreino di analoghi.
Proiettano verso il futuro anche il key performance driver che, in un periodo storico in cui in quasi tutti i piani industriali degli istituti si prevede una drastica riduzione del numero di filiali, è in grado di identificare quelle potenzialmente più promettenti. Tale modello non agisce alla luce di quanto registrato in passato, a livello di conto economico o attrattività, ma riesce a individuare la potenziale crescita di ogni filiale basandosi anche su elementi esogeni quali ad esempio lo sviluppo dell’area geografica, la scolarizzazione degli operatori o la tipologia di clienti e le loro ambizioni finanziarie.
Una volta ridotti al minimo i rischi e ottimizzati tutti i processi interni, a banche e assicurazioni non resta che lavorare sul rapporto con i propri clienti cercando di fidelizzarli al meglio e di conquistarne di nuovi. Questo è l’attuale campo di battaglia nel settore e la predictive finance può davvero rappresentare uno strumento decisivo, applicandola in modelli per la next best offer, ad esempio, è possibile comprendere i bisogni che ogni cliente avrà nei mesi a venire offrendogli poi il prodotto o il servizio adatto prima che sia lui a chiederlo. Se infatti in passato ci si limitava a segmentare i clienti in categorie a cui si assegnavano un set di prodotti da proporre “in automatico”, senza alcuna personalizzazione, oggi grazie all’analisi predittiva è possibile comprendere la situazione che sta vivendo, i cambiamenti che vede all’orizzonte, passando dall’essere un mero fornitore di servizi a un vero e proprio partner, alleato del benessere finanziario e non solo. In questo tipo di processo giocano un ruolo fondamentale i dati non strutturati che arricchiscono il quadro che ogni organizzazione può fare per le singole persone, aggiungendo informazioni tratte da interazioni social e chat, dal tono di conversazione mentre si interfacciano con la banca e molto di più: si pensi solo alle opportunità di aggregazione offerte dagli Open Data.
Costruendo attorno al cliente un vero e proprio ecosistema di informazioni, la churn rate smette di essere un problema e si può mettere una marcia in più alla propria strategia di business grazie a modelli di propensity e di cross selling, utilizzando anche il text mining per ricavare il sentiment e dedurre possibili rischi o esigenze.
L’applicazione della predictive finance regala nuove prospettive al mondo bancario e assicurativo, prospettive che potrebbero sembrare solo futuribili, ma che sono invece immediatamente realizzabili. I dati non mancano, anzi, si accumulano ogni giorno, e le competenze e le tecnologie per utilizzarli guardando al futuro sono già sul mercato, grazie a player come SDG Group che li propone ed è in grado di integrarli nei sistemi esistenti con zero attriti ed evidenti vantaggi.