Torniamo a parlare di dati alternativi, o alternative data, e di come possono essere utilizzati nei servizi finanziari.
Abbiamo intervistato Mirko Lalli, fondatore di Data Appeal, a circa un anno e mezzo dal precedente episodio.
AG. Abbiamo raccontato Data Appeal circa 18 mesi fa. E in questo periodo è cambiato veramente moltissimo: ci racconti le ultime novità?
ML. Noi ci siamo parlati ancora in pandemia, quando avevamo appena approcciato il mercato finanziario. E avevamo scoperto, con sopresa e soddisfazione, che c’era un grande interesse, soprattutto da parte delle banche.
Abbiamo così esplorato una serie di possibilità, che a breve racconteremo nel dettaglio.
Intanto, però, Data Appeal è uscita bene dalla pandemia, come tutte le aziende che si occupano di dati e di tecnologia abbiamo registrato una crescita importante.
La novità maggiore è del 2022 ed è l’acquisizione da parte di Almawave, società quotata, parte del Gruppo AlmavivA, che sviluppa soluzioni di intelligenza artificiale ed è quindi chiaramente vicina alla nostra attività: non esistono algoritmi senza dati.
AG. Prima di andare nel dettaglio dei progetti che avete condotto, diamo qualche definizione. Che cosa sono i dati alternativi e come possono essere usati nel settore finanziario?
ML. Io partirei da quello che abbiamo accennato anche la volta scorsa, cioè il motivo per cui abbiamo iniziato a lavorare con il Finance. Noi ci occupiamo di quelli che, tecnicamente, si chiamano alternative data.
Alternative data, o dati alternativi, è un termine ombrello che indica in maniera piuttosto generica quella famiglia mutevole e in evoluzione di dati che non fanno parte del set canonico dei dati che normalmente utilizzano le banche e le fintech.
Storicamente, nella famiglia dei dati alternativi rientrano i dati di ascolto di internet. Facile immaginare il perché ormai da qualche tempo il mondo finanziario, soprattutto degli investitori hedge fund, controlla il sentiment di un’azione o di un brand sui social media e nella Rete.
Il sentiment è un indicatore di mercato ma è anche un modificatore, perché va a influenzare le decisioni di acquisto e di investimento.
Data Appeal va a raccogliere tutti i dati, partendo dalle mappe online, che riconciliamo con una serie di algoritmi di machine learning, creando una lista di attività sul territorio, su scala globale.
Poi andiamo a raccogliere la reputazione, in forma di post, commenti, recensioni, fotografie, post di qualunque tipo che le persone hanno lasciato. Questo è il motivo per cui abbiamo la parola Appeal nel nome, perché ci riferiamo all’appeal digitale di un’azienda.
Esistono decine di studi, a partire da quello celeberrimo della Cornell University del 2014 nel mondo del turismo, che affrontano la relazione tra reputazione online di un’azienda e andamento dell’impresa.
Gli istituti di credito ci chiedono soprattutto l’integrazione di questi due dati: quanto si parla di un’azienda e come. All’interno di algoritmo di scoring, rating, lending e risk, queste informazioni sono utili per conoscere meglio i clienti.
Oggi le banche si affidano ancora a dati di bilancio e camerali, che per definizione sono vecchi di mesi e si basano sul passato. I dati online, invece, sono in tempo reale e influenzano le decisioni di acquisto future.
AG. Restiamo sulla valutazione delle aziende: in che modo i dati alternativi permettono a banche e compagnie assicurative di capire meglio il loro cliente?
ML. In questo periodo stiamo lavorando su early warning che usano il dato online, che è cambia velocemente ed è sensibile a ciò che accade nel mondo reale. Si presta quindi bene a early warning su possibili problemi dell’impresa.
Non parliamo solo di credito, ma anche di consulenza specifica in determinati ambiti di attività del mio cliente.
Stiamo sempre parlando di data enrichment, cioè di arricchimento delle informazioni canoniche a disposizione degli istituti di credito con altri dati che, grazie anche a un timing differente, possono evidenziare dinamiche o dimensioni nuove.
Ad esempio, stiamo lavorando anche sul fronte della sostenibilità. In Europa stiamo andando nella direzione dell’obbligatorietà di un bilancio di sostenibilità, che oggi è già realizzato dalle grandi aziende, ma spesso in un modo un po’ autoreferenziale, mediante la compilazione di questionari.
Oltre alle società di certificazione, anche i dati possono fornire degli indicatori di sostenibilità a supporto del bilancio di sostenibilità. Per capire, ad esempio, quanto la comunicazione di un’azienda in ambito ESG è effettivamente percepito dal pubblico.
Questo prodotto si chiama Fair Index e vuole appunto andare a capire come un brand comunica i valori di sostenibilità e come sono percepiti dagli stakeholder. L’obiettivo è capire se qualcosa non funziona: se va migliorata la comunicazione, oppure se c’è un fenomeno di greenwashing.
Sul fronte sostenibilità, infine, abbiamo costruito un Destination Sustainability Index, che integra dati satellitari, dati sulle emissioni, open data, moltissime fonti online per misurare la sostenibilità a livello territoriale. Questo ci offre dei benchmark utili per il turismo, ma anche per confrontare le performance di un’azienda con il territorio di riferimento.
AG. Al di là di banche e assicurazioni, anche un’impresa potrebbe utilizzare i dati alternativi per valutare un fornitore o un cliente, ad esempio sugli aspetti ESG?
ML. Non solo su quelli. Abbiamo sviluppato progetti, ad esempio, con grandi aziende della distribuzione. Quando una realtà distribuisce centinaia di prodotti a una rete, di fatto garantisce del credito: i prodotti venduti dalla rete non sono quasi mai pagati upfront. Di fatto, è come fare un credito.
Queste grandi realtà svolgono quindi processi di assessment della filiera distributiva analoghi a quelli di valutazione di una banca. I nostri dati sono molto utili a valutare negozi e punti distributivi customer facing, a cui i clienti lasciando molte recensioni che ci forniscono dati abbondanti e molto rilevanti.
AG. Abbiamo già sottolineato che il rapporto tra la banca e l’impresa si basa spesso su dati vecchi e tradizionali. C’è consapevolezza, tra le aziende del settore bancario e assicurativo, dell’opportunità dei dati tradizionali? E quali fattori ne frenano l’adozione?
ML. Questa consapevolezza c’è, stiamo lavorando con molte realtà bancarie e anche le fintech puntano a integrare queste soluzioni in maniera semi-automatizzata.
Di recente Almawave, di cui facciamo parte, ha annunciato una partnership con CBI, che unisce le principali banche italiane. E abbiamo raggiunto un secondo accordo con modefinance, società fintech che eroga servizi di rating alle banche, anche a quelle più piccole che magari non hanno le risorse per sviluppare queste tecnologie interamente.
In Italia, quindi, sui dati alternativi siamo allineati al resto d’Europa, forse anche un pochino più avanti degli altri.
AG. Ormai siamo abituati a trovare, su strumenti con Google Maps, delle recensioni su ogni attività e monumento. Le persone lasciano moltissime informazioni, opinioni, pareri su ogni cosa. E queste è utilissimo anche per il marketing della rete distributiva: filiali bancarie, uffici di consulenza, agenzie assicurative. Che opportunità ci vedete?
ML. Ci sono alcune applicazioni su cui noi siamo molto forti. Una è la location intelligence, che è trasversale ai diversi settori: lavoriamo per aiutare a capire, grazie ai nostri dati, dove l’apertura di un nuovo negozio o filiale può funzionare meglio, valutando anche le performance di quelli già presenti.
Valutiamo quindi non solo i potenziali competitor, ma anche le prestazioni delle tue filiali. Come sono percepiti personale o location? Sicurezza e accoglienza sono all’altezza?
Si può andare molto nel dettaglio per prendere decisioni più consapevoli. Questo approccio unisce diversi parametri di giudizio e può diventare un focus group permanente e geolocalizzato sulle declinazioni territoriali del brand, individuando punti di forza e debolezza anche locali.
Tutti settori customer facing stanno comprendendo l’importanza di queste analisi e tra questi anche quelli bancario e assicurativo.
