Un modello Hub&Spoke per gestire i dati. Nexi sta attraversando una fase di profonda trasformazione nell’ambito del data management, guidata dalla strategia glocal che caratterizza la paytech.
Seguendo una logica chiara: «piattaforma e principi globali, interpretazione e priorità locali – racconta Stefano Gatti, Head of data & analytics di Nexi. In termini concreti, questa strategia si declina su tre pilastri fondamentali. Il primo riguarda l’adozione di piattaforme dati unificate, processi standardizzati e metodologie condivise. Investiamo in tecnologie cloud-native e architetture lake house moderne, che possono scalare attraverso diversi mercati, evitando duplicazioni e frammentazioni tecnologiche. In secondo luogo, preserviamo la specificità locale del dato, sia sul piano regolamentare sia su quello del valore. Ogni mercato ha norme, comportamenti dei clienti e dinamiche competitive che non possono essere “appiattiti”».
Il valore delle persone
Il terzo elemento, il più strategico, riguarda le persone. «Abbiamo esperti dati distribuiti in tutte le nostre geografie, professionisti che non solo padroneggiano le tecnologie più avanzate ma che, soprattutto, capiscono i mercati locali, le loro dinamiche evolutive, le esigenze specifiche dei merchant e delle banche partner – spiega Gatti. Questa presenza capillare ci permette di cogliere segnali deboli, anticipare tendenze emergenti e adattare rapidamente le nostre soluzioni analitiche al mutare dei contesti competitivi».
Il modello Hub&Spoke
Il modello organizzativo è quindi di tipo Hub&Spoke: prevede un hub centrale, il centro di eccellenza e competenza, dove sono definiti standard, metodologie e architetture dati, insieme a progetti dedicati a tutte le aree dell’azienda. E gli spoke, realtà locali che implementano, adattano e valorizzano queste capabilities nei rispettivi mercati.
«L’hub centrale ospita l’intero spettro delle competenze necessarie per gestire la pipeline dati end-to-end: dai data engineer, che costruiscono e mantengono le infrastrutture di ingestion e trasformazione dati, ai data analyst, che traducono i dati in insight azionabili – elenca Gatti –, fino ai data scientist, che sviluppano modelli predittivi avanzati e algoritmi di machine learning».
L’adattabilità del machine learning
Inoltre, guardando alla sicurezza, la lotta alle frodi rappresenta uno degli ambiti in cui la gestione avanzata dei dati può fare la differenza.
«Il nostro approccio si basa su un mix di algoritmi deterministici e tecniche avanzate di ML. Gli algoritmi deterministici, basati su regole precise, rimangono fondamentali per intercettare pattern di frode noti. Tuttavia – evidenzia Gatti – i frodatori sono sempre più sofisticati e le loro tecniche evolvono continuamente: qui entrano in gioco le tecniche di machine learning, che possono adattarsi rapidamente all’emergere di nuovi schemi fraudolenti».
L’effetto DORA
L’evoluzione non è solo tecnologica, ma anche normativa, quando si guarda alla sicurezza e alla resilienza dei servizi digitali.
«Il Digital Operational Resilience Act ha tradotto in requisiti concreti la resilienza operativa digitale: gestione del rischio ICT end-to-end, incident reporting, testing di resilienza e presidio dei fornitori critici – sottolinea Gatti. Per Nexi ha significato rafforzare governance e processi, sopratutto sul third-party risk: classificazione e tiering dei provider, analisi delle dipendenze e del rischio di concentrazione, clausole contrattuali aggiornate (SLA, obblighi di notifica, diritto di audit), piani di exit/substitution e monitoraggio continuo tramite KPI e control testing. Questo innalzamento del controllo sui fornitori eleva la qualità e la tempestività delle informazioni verso le banche, abilita piani di continuità coordinati e tempi di risposta allineati lungo tutta la catena. Il risultato è più trasparenza e affidabilità dell’ecosistema: la postura di resilienza si rafforza a monte sui provider e si traduce in maggiore stabilità del servizio per le banche e per i loro clienti».
Tre direttrici di sviluppo per il futuro
Nel futuro, Gatti vede tre direttrici principali di evoluzione nella valorizzazione della gestione dei dati.
«Sul fronte tecnologico, continueremo a sfruttare il cloud e la GenAI, per rendere efficienti le pipeline dei dati. Le tecnologie ci sono, l’obiettivo ora è ottimizzare: ridurre latenze, abbattere costi di storage e processing, migliorare la qualità dei dati. Ma l’efficienza non è fine a se stessa, le risorse liberate le reinvestiamo in innovazione. Inoltre, vogliamo che dati e analisi sempre più automatizzati diventino uno strumento di business development, per identificare opportunità di crescita. E, infine, la creazione di nuovi servizi, mettendo insieme dati, ML e intelligenza artificiale generativa con l’esperienza delle persone».
Modello Hub&Spoke anche per sperimentare la GenAI
Anche per la sperimentazione della GenAI, la paytech ha adottato un modello Hub&Spoke.
«Il nostro laboratorio centrale di GenAI ha il compito di sperimentare con le tecnologie più avanzate, seguire l’innovazione e, soprattutto, facilitare l’adozione delle soluzioni più promettenti negli spoke locali. I casi d’uso che stiamo sviluppando coprono diverse aree - illustra Gatti. Nel coding, la GenAI sta dimostrando un potenziale nell’accelerare lo sviluppo, aiutando i nostri sviluppatori nella generazione di codice, nei test, nel debugging e nella documentazione. Sul fronte dell’efficienza operativa, la stiamo applicando per automatizzare e migliorare processi interni ad alto impatto per i nostri clienti».
Giovani talenti e diversity per non perdere insight
Insieme all’HR è stato lanciato un Programma Graduate 2025, specifico per l’area di gestione dei dati, che ha già inserito con successo nel gruppo oltre 10 giovani laureati distribuiti nelle diverse geografie.
«Questi giovani rappresentano la linfa vitale della nostra organizzazione: portano entusiasmo, conoscono nativamente le tecnologie più recenti e, cosa fondamentale, hanno quella curiosità e quella voglia di mettersi in gioco che sono essenziali in un campo in continua evoluzione come quello dei dati – afferma Gatti. Puntiamo inoltre su una diversity che va oltre la sola dimensione di genere. Questa varietà di prospettive è essenziale, perché i dati non sono solo una questione tecnologica. Per estrarre valore dai dati sui pagamenti serve comprendere i comportamenti dei consumatori, le dinamiche di mercato, le tendenze economiche. Un gruppo diversificato ci permette di guardare ai dati da angolazioni diverse, facendo emergere insight che un team troppo omogeneo rischierebbe di perdere».
Questo articolo è stato pubblicato sul numero di ottobre 2025 di AziendaBanca ed è eccezionalmente disponibile gratuitamente anche sul sito web. Se vuoi ricevere AziendaBanca, puoi abbonarti nel nostro shop.
