La valorizzazione dei dati all’interno delle istituzioni finanziarie passa da assetti organizzativi e competenze. Se ne è parlato all’incontro del 1 aprile dell’Advanced Analytics & AI Hub del CeTIF.
L’incontro si intitolava “From in Vitro to in Vivo Practices”. Ci siamo fatti raccontare da William Marenaci, Research Manager di Cetif, che cosa è emerso dal dibattito.
Domanda. William, inizia un nuovo anno di confronto con i player del settore. Come stanno cambiando le priorità in ambito dati e intelligenza artificiale per banche e assicurazioni?
Risposta. Abbiamo visto l’ingresso di nuove realtà dai settori bancario e assicurativo. E questo testimonia l’interesse crescente per il mondo dei dati e l’utilizzo degli advanced analytics: ormai si è consapevoli che l’innovazione è guidata dal dato. Che apre nuove opportunità sia in ambito business sia in ambito compliance.
D. Quali temi avete analizzato?
R. Il 1 aprile, in modalità virtuale, abbiamo iniziato a mappare e studiare le best practice che dovrebbero accompagnare la messa in produzione di un algoritmo, dal punto di vista della business value generation, delle risorse, delle tempistiche, della governance. Ma anche di una data literacy, di una cultura aziendale legata ai dati, con competenze specialistiche.
D. E che cosa è emerso per quanto riguarda l’organizzazione?
R. Che non esiste un modello valido per tutti, ma bisogna partire dalle esigenze di ciascuna impresa. La scelta di un modello centralizzato, decentralizzato oppure “hub and spoke” dipende dalla natura dell’azienda e dal grado di maturità della cultura e delle tecnologie. Oggi il 50% delle aziende che partecipano all’Hub hanno un modello accentrato, con una funzione ad hoc che riporta al business o al CIO. Il 35% ha un modello decentrato, in cui cioè c’è un team di analytics in ogni business unit coinvolta. E c’è poi un 15% di hub and spoke, con un team di analytics nell’hub e competenze specifiche in ogni business unit.
D. Il modello Hub and Spoke è quello emergente, quindi?
R. È quello a cui si guarda come evoluzione per il futuro. Il 40% delle istituzioni si aspetta di adottarlo entro il 2022.
D. Perché? Che vantaggi offre?
R. L’Hub centrale funge da coordinatore strategico, metodologico e organizzativo. Negli spoke concentriamo invece competenze per sviluppare gli algoritmi necessari alla singola business unit. Questo modello è flessibile e genera mobilità interna tra le risorse, anche in base ai progetti che si sviluppano. Sicuramente è un modello efficiente dal punto di vista operativo e che crea un’economia dell’apprendimento, in cui le risorse apprendono e applicano la loro expertise in modo incrementale, anche in base agli errori che emergono dalle determinate componenti.
D. Torniamo al tema delle competenze e della cultura aziendale.
R. La data literacy va migliorata, bisogna incrementare l’alfabetizzazione relativa al mondo dei dati. Ci sono hard skill tecnologiche e statistiche, tipiche delle data-driven company. Ma attenzione alle soft skill: gli use case servono a creare curiosità, a ricercare interpretazioni possibili nei set di dati a nostra disposizione. Spesso le data community si sviluppano proprio grazie alla passione di chi sviluppa nel mondo dei dati, che nasce dal pensiero analitico per lavorare con un approccio data driven e trasformare i dati in concetti fruibili da tutti
D. Della mancanza di persone specializzate, diciamo anche della “fame di data scientist”, abbiamo parlato spesso. Che skill servono al team che si occupa di Advanced Analytics ?
R. Entrambe le componenti, hard e soft. In quelle hard ci sono competenze su AI, data security, statistica, matematica, e così via. Ma anche una conoscenza dei diversi business bancari e assicurativi, i framework legali per essere compliant alle normative di riferimento. E competenze più soft, come quelle legate alla conoscenza e al rispetto dei principi etici , ma anche alla data-telling communication.
D. Soffermiamoci su questo punto: come si comunica internamente il dato?
R. Chi prende le decisioni di business non è un data scientist. Devo quindi sapere trasferire il dato in un modo che venga compreso rapidamente e chiaramente, migliorando i processi decisionali all’interno dell’organizzazione aziendale. I responsabili del business devono sapere come funziona un algoritmo, come si usa, in base a quali normative e principi etici.
D. Un ultimo aspetto sugli assetti organizzativi: si è ormai definitivamente imposto l’approccio agile.
R. Si fa sempre riferimento a metodologie agile, sì. Sviluppare progettualità di analytics con questa metodologia è la strada maestra in base all’esperienza di banche e assicurazione. Mettere a fattor comune le diverse esperienze in azienda rappresenta l’indirizzo fondamentale per declinare le diverse strutture e le relative funzioni per sviluppare progetti innovativi. Tra i maggiori benefici del data-driven approach c’è l’agilità nello sviluppo dei progetti per il 60% dei partecipanti all’hub. Per arrivare a una data-driven company serve un mix di nuove competenze, conoscenze e metodologia agile.
