Scoprire il proprio potenziale finanziario per risparmiare – e investire – meglio. Grazie ai dati. Gimme5 ha supportato un progetto di ricerca della ricercatrice Perfect Gidisu della University of Technology di Eindhoven.
Che ha indagato proprio l’aggregazione di dati esterni e interni per capire se una persona sta risparmiando e investendo nel modo giusto per sfruttare a pieno il proprio potenziale finanziario.
«Si tratta di un aspetto importante, che si intreccia con macrotrend come open finance e PSD2 – racconta Giuseppe Codazzi, Project Manager di Gimme5 –, la valorizzazione dei dati, ma anche la “riappropriazione” dei dati da parte di noi consumatori. Alcuni di quei dati sono a disposizione degli operatori finanziari, altri invece sono statistiche pubbliche. A fare la differenza è la capacità di metterli in relazione tra loro grazie all’intelligenza artificiale».
Come funziona il modello
Ecco quindi che il nuovo modello analizza dati eterogenei, usando tecniche di machine learning e funzionalità predittive, per capire se un cliente sta investendo al di sotto delle proprie capacità e raggiungerà, o meno, i propri obiettivi.
In particolare, i 68mila obiettivi di risparmio impostati in app dai clienti Gimme5 sono stati messi in relazione con le scelte di investimento degli stessi clienti, per individuare un eventuale potenziale finanziario latente.
L’attuale modello, però, ha incrociato obiettivi e scelte di investimento di ciascun cliente con dati di provenienza geografica e sociodemografica, «raggruppando i clienti per abitudini – prosegue Codazzi – e individuando due gruppi opposti. Un 10% di clienti ad alto potenziale, che fa meglio degli altri, e un 17% che, invece, non fa quello che dovrebbe. In mezzo c’è il resto della clientela, che ha dinamiche di comportamento che, per ora, non sono incluse in questo primo modello».
Il potenziale dell’open banking
È inevitabile pensare al potenziale uso dei dati relativi alle transazioni bancarie, in ottica PSD2, per individuare eventuali occasioni di risparmio sulle spese, per aumentare il risparmio e, quindi, gli investimenti.
Andando ad alimentare un modello capace di automatizzare l’analisi del potenziale del cliente, specie se arricchita di nuove fonti di dati, consentendo di rivolgersi in maniera totalmente nuova alla clientela mass market.
Che guarda con crescente attenzione alla promessa di “democratizzare il risparmio” tipica del fintech e dei player digitali, che conquistano in particolare le generazioni dai Millennials in poi. Clienti con risparmi e disponibilità finanziaria contenuti, che non risultano profittevoli per le banche, ma che rischiano così di muoversi in un totale autonomia sui canali digitali.
«Il rischio di un fai da te disinformato è alto – osserva Codazzi –, soprattutto in Italia, ultimo Paese del G20 per alfabetizzazione finanziaria, secondo i dati OCSE. Il compito dell’industria è supportare i clienti in una “ri-educazione finanziaria”, ad esempio sensibilizzandoli sui rischi dell’emotività». Oppure mostrando loro come risparmiare di più e investire meglio, per raggiungere i propri obiettivi.
La logica a obiettivi
L’impostazione “a obiettivi” è alla base del funzionamento di Gimme5. Un nuovo cliente fresco di onboarding può infatti definire un primo – e solo – obiettivo di risparmio, per poi sbloccarne fino a 5.
È una clientela spesso molto giovane, tanto che alcune banche partner hanno adottato Gimme5 con il classico modello B2B2C, proponendolo come soluzione entry level per i clienti mass market, con cui mantengono attiva una relazione diretta. E che possono sempre spostare su altri canali di consulenza al crescere del loro patrimonio.
La banca ha già i dati
Per questo i dati transazionali potrebbero rivelarsi un elemento di particolare valore: perché la banca li ha già, anche senza ottenere l’accesso ai conti presso terzi in ottica PSD2.
«L’attuale modello ha un 73% di clienti “nel mezzo” – ricorda Codazzi –, i cui comportamenti presentano una variabilità molto ampia. Con più dati, anche non finanziari, si può capire molto di più sugli obiettivi di una persona.
Ad esempio: c’è chi risparmia per l’automobile, ma ha anche un mutuo. E chi, invece, può dedicare tutte le sue risorse a raggiungere un obiettivo. Sono percorsi individuali che dipendono anche dalla personalità: c’è chi risparmia regolarmente e chi, invece, a impulso. Sono tutte informazioni utili a conoscere meglio il cliente e personalizzare il servizio».
Fornendo quel minimo di “tocco umano” che ha sicuramente contribuito al rapido tramonto dei modelli di roboadvisory puro.