Ascolta l'intervista a Clelia Tosi nel nuovo episodio di #define Banking
Ascolta "#define banking" su Spreaker.
Nell’ambito della partnership tra AziendaBanca e l’Hub Advanced Analytics & Artificial Intelligence del CeTIF, Centro di Ricerca dell’Università Cattolica di Milano, abbiamo approfondito quanto emerso nel corso dei lavori dell’HUB con Clelia Tosi, Senior Research Manager di CeTIF e Responsabile dell’HUB.
Domanda. Dottoressa Tosi, quali sono le priorità strategiche di banche e assicurazioni nell’ambito degli advanced analytics?
Risposta. Nel primo Steering Committee del nostro HUB è emerso che, al di là degli aspetti più innovativi legati agli use case di applicazione, c’è un tema in primis organizzativo da comprendere e definire: ci siamo quindi soffermati su competenze, ruoli, responsabilità organizzazione interna, processi e tassonomie
D. Quali sono le necessità di banche e assicurazioni dal punto di vista dell’organizzazione interna?
R. In questa fase l’obiettivo principale è capire quali siano i modelli organizzativi principali e quali driver vanno a favore di ciascun modello. Dobbiamo sempre tenere presente che il quadro, tra banche e assicurazioni, è estremamente eterogeneo: alcune realtà hanno già avviato progettualità avanzate, mentre altre sono alle prese con l’integrazione dei sistemi IT a seguito di fusioni e acquisizioni.
D. C’è poi il tema delle competenze. Si parla da anni del Data Scientist come di una figura professionale molto ambita e che permetterebbe a banche e assicurazioni di affrontare la “sfida” dei dati.
R. Sul Data Scientist è opportuno chiedersi chi sia e quali competenze debba avere. Parliamo di un profilo che ha skill analitiche e statistiche, che non sempre sono presenti nelle istituzioni finanziarie (ad esclusione, per esempio dei risk manager o degli attuari). Il Data Scientist, però, da solo non basta. Durante l’incontro è emersa l’esigenza e l’importanza di avere altre due figure. La prima è il Business Analyst, qualcuno che conosca molto bene i processi aziendali su cui creare analisi e valutazioni data-oriented. Orientativamente, abbiamo stimato che alle aziende Finance servano due Business Analyst per ogni Data Scientist. Una seconda figura molto richiesta è il Data & IT Engineer, con competenze specifiche sui database e sui data warehouse interni: una figura di taglio tecnologico e IT in senso tradizionale che è essenziale per abilitare l’uso dei dati in azienda in quanto conosce e sa gestire i silos informativi tipici di banche e assicurazioni.
D. Su questi ruoli professionali si sottolinea spesso che le aziende Finance si troveranno a competere con realtà di altri settori per le competenze e i talenti migliori.
R. In realtà, se il Data Scientist può certamente provenire da altri settori e ambiti, se pensiamo al Business Analyst e al Data & IT Engineer, purtroppo o per fortuna, parliamo di professionisti che devono avere solide competenze nel settore finanziario, bancario o assicurativo che sia.
D. Quando si parla di dati è facile pensare ai Big Data, e quindi all’utilizzo di fonti esterne. Un problema storico di banche e assicurazioni è però usare al meglio i dati già in loro possesso.
R. Assolutamente! Anche i primi incontri dell’HUB hanno confermato questo aspetto. Il tema delle fonti dati esterne, come i social, lascia ancora molto tiepide le aziende coinvolte. Forse anche a causa dello stato embrionale di molte progettualità, la priorità di banche e assicurazioni è riuscire a utilizzare al meglio i molti dati già presenti all’interno dei propri sistemi. Tra le fonti dati esterne piacciono quelle certificate, come Crif o Cerved, che possono essere utilizzate in modo avanzato per fornire pattern capaci di dare nuova informazione e arricchire il patrimonio.
D. Quali altre tematiche saranno al centro dei prossimi incontri?
R. Abbiamo diversi filoni. Uno è tecnologico: parleremo di aspetti come data setup, data quality e data governance. Non possiamo ragionare di advanced analytics senza occuparci di data governance: chi è l’owner del dato, quali flussi informativi ci sono tra le varie funzioni, quale sia il grado di maturità rispetto alla costituzione di data lake o di data warehouse evoluti o relazionali. Vedremo come si muovono le diverse realtà in questo ambito e quali sono i punti di forza e di debolezza di ciascun modello.
D. Ci sarà spazio anche per l’aspetto più strategico e competitivo degli use case?
R. Dedicheremo al tema due giornate dopo l’estate, puntando su modelli di machine learning supervised e unsupervised, anche in base ai riscontri che emergeranno man mano dal Gruppo di lavoro, rispetto alle esigenza di approfondimento su questi temi.
D. C’è poi il tema della Regolamentazione.
R. Banche e assicurazioni sono molto sensibili a questo aspetto. Si vorrebbe capire il ruolo delle Autorità di Vigilanza su questi temi: c’è apertura alla sperimentazione di nuove forme di analisi sul cliente, anche per tutelarlo maggiormente e per conoscerlo meglio, ma ci sono anche vincoli stretti all’uso dei dati che vengono dalla normativa di settore e da quella generale, come il GDPR.
D. Nello Steering Committee è emerso anche un tema di cui si inizia a parlare in diversi convegni: quello dell’etica dell’uso dei dati e dell’intelligenza artificiale.
R. Ci si inizia a chiedere se alcuni algoritmi siano eticamente sostenibili. Sia per l’uso che fanno dei dati, sia perché una struttura a black box è per sua natura non auditabile, mentre banche e compagnie devono essere in grado di spiegare al Regolatore come sono costruiti questi algoritmi e come funzionano, secondo il principio dell’accountability. Gli aspetti etici non sono quindi un mero esercizio di filosofia ma sono fondamentali per valutare l’opportunità di un investimento: l’utilizzo dei dati deve creare valore per il business ma se non è sostenibile dal punto di vista etico e non ne tiene conto rischia di tradursi in uno spreco di risorse o in una cattedrale nel deserto, quano non crea danni di reputazione o di altro tipo
Fanno parte dello Steering Committee dell’HUB b Analytics & Artificial Intelligence del CeTIF, che ha indicato le linee guida e i temi della ricerca, Assicurazioni Generali, AXA Assicurazioni, Banca Mediolanum, Banca MPS, Banca Popolare di Sondrio, Banco BPM, BCC Sistemi Informatici, BNP Paribas Cardif, BPER Banca, Cattolica Assicurazioni, Credem, Crédit Agricole, Intesa Sanpaolo, Nexi, UBI Sistemi e Servizi, UniCredit, UnipolSai Assicurazioni.
