Perché analizzare i dati? Ecco 4 casi d’uso

«Ci siamo avvicinati all’analisi dei big data nell’autunno del 2014 – racconta Fabio Oberto Tarena, Big Data Program Manager di UBIS – con un primo team composto da 20 persone. Oggi sono circa 90 i nostri collaboratori in questo ambito, tra chi si occupa dello sviluppo applicativo a fianco di ingegneri e sviluppatori software molto giovani e chi invece ha responsabilità della gestione infrastrutturale e di data modelling, a cui si aggiungono anche 8 persone appartenenti al team data science».

My Business View

Alcuni progetti in ambito big data e analytics hanno già preso forma. Tra questi il più noto in Italia è My Business View, lanciato nel 2015 per sostenere il business di PMI, e ora anche aziende corporate, con cui UniCredit ha un contratto di acquiring. «Ma se inizialmente era solo possibile visualizzare le transazioni condotte tramite POS attraverso una tabella – precisa Oberto Tarena – ora invece abbiamo definito dei KPI che permettono di comprendere al meglio quale tipologia di clientela ha il merchant e anche monitorare l’andamento del business in termini di pagamenti digitali. Inoltre, è possibile comparare l’attività dell’esercente con quella dei potenziali competitor, presenti in una zona limitrofa, comprendendo anche le transazioni di e-commerce». Al momento 20mila clienti stanno già utilizzando il servizio. Ma l’obiettivo è coprire per fine anno 30mila esercenti.

Il CRM retail

Ma UBIS ha anche creato dei modelli self service per l’analisi dei dati, in particolare attraverso sistemi di CRM retail. «Un’azienda ci ha chiesto di produrre un data warehouse per condurre analisi sui dati in maniera autonoma – racconta Oberto Tarena – e costruire modelli analitici a cui collegare eventi in streaming». Gli eventi non sono altro che transazioni: per ora il sistema è legato agli acquisti con carta ma presto sarà in grado di rielaborare altre tipologie di dati destrutturati, come i bonifici e anche gli accessi a mobile e internet banking.

Meno chiamate verso il mainframe

L’efficienza dei costi è un tema caro a tutte le banche. Per questo motivo UBIS ha elaborato una soluzione che permette di diminuire il ricorso al mainframe. Una sperimentazione partita dall’area dell’anagrafica clienti: i colleghi in filiale per richiamare una scheda cliente non devo accedere a big iron ma ad HBASE, un web service, che invia tutte le comunicazioni al mainframe la notte per non sovraccaricare il sistema.

Un algoritmo per il churn management

In fase di lavorazione è invece il CRM analitico creato per il Centro Est Europa, per cui UBIS sta finalizzando un algoritmo capace di calcolare l’abbandono della banca da parte della clientela. Un team di 6 data scientist sta ripulendo i dati e individuando le principali variabili di interesse che potranno sostenere le banche dell’Est Europa di UniCredit nel churn management.