Fare leva sulla tecnologia fintech per estendere la valutazione del merito creditizio anche alle imprese che generalmente sono escluse o penalizzate dai sistemi tradizionali di accesso al credito.
«Uno dei maggiori ostacoli nella implementazione di piattaforme di digital lending è il livello di cultura tecnologica presente all’interno delle banche – racconta Antonio Lafiosca, co-founder e COO di Opyn. È la prima barriera da superare quando ci avviciniamo a nuovi clienti. Spesso, si ha il preconcetto che piattaforme tecnologiche innovative necessitano di implementazioni tecniche difficili e dispendiose, quando in realtà si adattano facilmente a strutture preesistenti».
Analisi creditizia più rapida
Eppure, negli ultimi anni l’approccio è cambiato, diventando sempre più aperto alla collaborazione: numerose istituzioni finanziarie vedono infatti nel fintech un partner per migliorare le infrastrutture e offrire nuovi servizi senza ricorrere a onerosi sviluppi interni.
«Ad esempio, nella concessione del credito: le banche devono analizzare molti parametri e indicatori per stabilire se un’azienda è meritevole di ottenere un credito e a quali condizioni – spiega Lafiosca.
Questo tipo di analisi deve essere sempre più efficiente e veloce e quindi avvalersi di tecnologie adatte. Il fintech, in questo senso, offre una valida opportunità: se mediamente l’analisi creditizia tradizionale può richiedere diverse settimane, con le tecnologie si può ridurre significativamente, fino a 7 giorni.
Ci sono poi, ovviamente, diversi livelli di profondità a cui si può scegliere di spingersi, ma indicativamente le tempistiche sono queste».
Nuovi dati da integrare nella valutazione
Per la valutazione del merito creditizio di un’azienda vengono analizzati, ad esempio, il reddito, il livello di indebitamento, eventuali insolvenze o ritardi nei pagamenti.
«Ma, negli ultimi anni, abbiamo assistito a un ampliamento dei dati che occorre analizzare, per avere un quadro più ampio e dettagliato – sottolinea Lafiosca.
Non si tratta più di analizzare solo gli indicatori patrimoniali ed economico-finanziari, l’andamento dei conti e dei pagamenti, ma anche di includere dati di tipo socio-demografico, derivanti da analisi realizzate grazie all’open banking, persino informazioni presenti online e sui social network».
L’analisi reputazionale delle aziende che richiedono credito
L’obiettivo è ampliare il perimetro di dati analizzati per riuscire ad affinare l’analisi reputazionale dell’azienda che sta richiedendo un finanziamento, andando a scandagliare le tracce sul web.
«Un aspetto cruciale per banche e istituti finanziari che vogliono concedere un prestito in modo sicuro ed efficace – precisa Lafiosca – in quanto queste informazioni permettono di conoscere meglio i clienti e ridurre, di conseguenza, il rischio di insoluti».
Gli algoritmi per il digital lending in banca
Una volta fatte tutte le analisi del caso, la piattaforma di digital lending emette un punteggio di affidabilità: il credit score, indicatore che esprime il rischio di credito associato a una impresa che ha richiesto un finanziamento, così da valutarne il merito creditizio, ossia la capacità dell’azienda di rimborsare un credito.
Tutto grazie a tecnologie avanzate, come l’AI, il machine learning e i big data, capaci di semplificare i processi e di ridurre i tempi di lavorazione delle richieste.
«Gli istituti finanziari grazie alle piattaforme di Lending as a Service possono trarre numerosi benefici: in primis, la possibilità di implementare servizi tecnologicamente avanzati all’interno della propria offerta, prendere decisioni migliori sulle domande di finanziamento e offrire una migliore esperienza cliente – elenca Lafiosca.
Inoltre, queste piattaforme, attraverso algoritmi sofisticati, riportano una valutazione accurata dell’affidabilità creditizia, permettendo alle realtà finanziarie di entrare nel mondo del digital lending in sicurezza».
L’aspetto umano e l’inclusione creditizia
In questo percorso verso la digitalizzazione dei finanziamenti, la componente umana resta tuttavia imprescindibile.
«Anzi, la presenza di un operatore umano al fianco della macchina tecnologica aiuta a ridurre eventuali errori – evidenzia Lafiosca. Difatti, le analisi prodotte dai modelli di intelligenza artificiale sono affiancate alla valutazione del merito creditizio realizzata dagli analisti, che sono poi i responsabili della decisione finale.
Tuttavia, i modelli di AI riescono a captare anche dati alternativi a quelli analizzati solitamente e l’inclusione di queste informazioni non solo migliora l’accuratezza delle previsioni ma estende la valutazione del merito di credito anche a imprese che generalmente verrebbero escluse, o penalizzate, dall’accesso al credito».
Questo articolo è stato pubblicato sul numero di ottobre 2024 di AziendaBanca ed è eccezionalmente disponibile gratuitamente anche sul sito web. Se vuoi ricevere AziendaBanca, puoi abbonarti nel nostro shop.
