creditoimprese 460
RUBRICA Credito&Imprese

Le filiere e il valore aggiunto dei big data

APPLICARE LE TECNOLOGIE BIG DATA ALLE FILIERE PERMETTE DI VISUALIZZARE LE CORRELAZIONI TRA I DIVERSI ATTORI COINVOLTI. E DI MIGLIORARE LA COMPRENSIONE DELLE DINAMICHE INTERNE ALLE CATENE DEL VALORE

Per gli economisti industriali, ma anche per il sistema bancario e finanziario, le filiere sono sempre state particolarmente interessanti in quanto capaci di definire un modello di sviluppo e di interrelazione tra le imprese fortemente distintivo. Come insieme di attività in relazione reciproca nella creazione, trasformazione, distribuzione, commercializzazione e fornitura di un determinato prodotto/servizio all’interno della sua catena del valore, il concetto di filiera richiede un lavoro di ricostruzione e di mappatura delle correlazioni tra imprese particolarmente complesso e impegnativo. Tra i vari ambiti di efficace applicazione, i big data consentono di superare i limiti dell’approccio più tradizionale fondato sui settori economici e di cogliere e ricostruire i legami della catena del valore attraverso informazioni, strutturate e non, provenienti da fonti di diversa natura. Infatti, l’analisi per settore economico non è in grado di restituire informazioni esaustive per il completamento della value chain, in quanto in essa si intersecano attività e servizi che vanno oltre il tradizionale paradigma di acquisto-trasformazionevendita di un prodotto.

CRIF_AB_07_08_figura_01.jpg

L’approccio CRIF: comprendere le filiere con i big data

Le metodologie big data adottate da CRIF aiutano a ricostruire i legami di value chain, integrando open data provenienti da molteplici fonti eterogenee: si pensi, ad esempio, alle classificazioni ATECO o agli oggetti sociali, e a ulteriori notizie o dati disponibili all’interno dell’universo digitale ma che, molto spesso, non sono sufficientemente strutturati. Con le più avanzate tecniche big data – si pensi al text mining, all’analisi semantica e alla Network Analysis, solo per fare qualche esempio – tali dati diventano invece informazioni rilevanti, sistematizzate e ricomposte sotto forma di interconnessioni tra aziende. Questo approccio, in aggiunta al patrimonio informativo che le banche possiedono già sulla propria clientela, consente di descrivere in maniera puntuale i contesti commerciali in cui operano le aziende clienti attraverso gradi di relazione a livello nazionale. Inoltre, con i big data si possono identificare le filiere anche in una dimensione geografica, aggregando aziende che operano sul medesimo territorio. Attraverso tecniche sofisticate di clustering e georeferenziazione, emergono infatti “cluster locali” di aziende che operano sulla stessa catena di valore. Diviene così possibile descrivere in maniera oggettiva il territorionazionale, da cui poi partire per misurare performance “locali” con il supporto di indicatori capaci di spiegare dinamiche economiche e peculiarità e cogliere appieno l’influenza del territorio stesso sulle performance delle aziende.

Undici macrofiliere in Italia

CRIF ha applicato in maniera innovativa la metodologia big data all’analisi delle filiere locali: sono state individuate 11 macro filiere a livello nazionale e ricostruite circa 92.000 micro filiere locali. La figura 1 rappresenta le interconnessioni esistenti fra le 11 macro filiere: la vicinanza tra loro esprime l’intensità di relazioni tra aziende appartenenti a filiere differenti. Meccanica ed edilizia, ad esempio, sono al centro e prossime alle altre macro filiere in quanto legate spesso a differenti attività produttive. Al contrario, la filiera mineraria è nettamente separata ed evidenzia i principali punti di contatto con quelle dei materialie della meccanica. Approfondendo invece le filiere locali, la figura 2 mostra come la macro filiera più significativa, quella agroalimentare, conti oltre 23.000 cluster locali distribuiti sulle aree geografiche; una capillarità sul territorio che rispecchia la diversità e peculiarità nell’agrifood italiano, dove ogni cluster è composto in media da 35 aziende. La filiera automotive, per citare un altro esempio, denota invece una presenza territoriale molto più circoscritta e concentrata. Si distribuisce infatti su circa 2.600 cluster locali, con una numerosità media di 97 aziende per cluster.

CRIF_AB_07_08_figura_02.jpg

Le opportunità dell’analisi delle filiere per le banche

Gli istituti di credito possono analizzare le filiere e il relativo modello di relazione per differenziareefficacemente le proprie azioni di business in funzione della tipologia di imprese che si desidera o può sviluppare, partendo dall’universo complessivo di tutte le imprese. Le opportunità che ne derivano sono in particolare:
• Sviluppare strategie commerciali mirate in base alle filiere di appartenenza
• Individuare aziende chiave, operanti su più filiere
• Analizzare il valore aggiunto generato, le migliori performance, le potenziali fragilità della filiera nelle sue diverse fasi
• Proporre prodotti specifici per le esigenze della filiera, ad esempio il factoring o pricing/plafond dedicati
• Elaborare indicatori predittivi del rischio di credito che colgano il possibile effetto di “contagio” delle tensioni finanziarie sulla filiera.

In sintesi, con le tecnologie big data, analizzare le aziende in maniera specifica e in base al territorio, ricostruire le interazioni con i propri clienti e fornitori genera valore aggiunto rispetto alle metodologie aggregate tradizionali. Nell’approccio sviluppato da CRIF i big data permettono infatti una visione d’insieme innovativa e forniscono strumenti efficaci per lo sviluppo operativo, a supporto di azioni negoziali e relazionali.

Lascia un commento

Stai commentando come ospite.

ALTRE RUBRICHE

Blog Banca
Women Bank

Questo sito utilizza cookies per garantire le proprie funzionalità ed agevolare la navigazione agli utenti, secondo la Cookies Policy.
Cliccando "Acconsenti" l'utente accetta detto utilizzo.