Perchè la Data Science as a Service? Un caso concreto

Virtual B - Perchè la Data Science as a Service Un caso concreto

A inizio anno è partita Advance. Una joint venture che unisce le forze di un’azienda altamente specializzata su Financial Data Science come Virtual B, di un polo del Fintech come il Fintech District e della capacità di ricerca e innovazione di un gruppo di professori del Politecnico di Milano.

L’obiettivo è chiaro: aiutare banche, asset manager, assicurazioni e altri intermediari con AI, Machine Learning e, più in generale, Data Analytics. E tutto questo in modalità “Plug & Play”, sfruttando l’esperienza del team Advance per dare forma in modo veloce e agile a progetti d’innovazione e nuova linfa a progetti in stallo.

Come? Semplice, usando tecnologie scalabili con rigore scientifico.

Lo sappiamo bene, talvolta si fa fatica a dare un volto ai progetti di Intelligenza Artificiale e Machine Learning. Spesso questi progetti sono avvolti da un’aura mistica ingiustificata, che da un lato ammalia chi non lavora su queste cose, ma dall’altro allontana, perché sembra tutto troppo complicato. Eppure non è così. E per convincersene il modo più efficace è un bell’esempio di applicazione pratica di Data Science e Big Data Analytics su un progetto ad hoc (nel quale diversi lettori si troveranno).

 

Il caso CCCC. La Data Science nella consulenza finanziaria

CCCC come Customization, Compliance, Communication, Control: ovvero, usare la Data Science per attuare efficientemente un pezzo del processo di consulenza finanziaria nel rispetto di tutte e tre queste cose.

Il problema

I clienti sotto consulenza del servizio di wealth management hanno i portafogli disallineati rispetto ai portafogli modello e i suggerimenti inviati – a volte in modo sensibile.

In parte ciò dipende dai consulenti, in parte dai clienti stessi e da una comunicazione un po’ farraginosa. Ciò comporta un rischio reputazionale (le performance dei portafogli possono essere deludenti per i motivi sbagliati) che può sfociare in spinose questioni di compliance. E, comunque, la qualità del servizio gestionale non è quella che vorrebbe la società.

La soluzione

La soluzione progettuale ad hoc prevede:

  • lo scarico delle posizioni di portafoglio dei clienti e dei relativi portafogli modello o suggerimenti puntuali e, nel caso, degli eventuali dati anagrafici e di profilo dei clienti (tutto anonimizzato);
  • l’Anomaly Detection, cioè l’individuazione puntuale delle anomalie sostanziali via Data Analytics, graduate in  basata sull’aderenza o meno ai consigli del team di advisory;
  • generazione di un elenco puntuale di advisor e clienti, con il loro livello di criticità;
  • l’invio automatico di comunicazioni, ad esempio una newsletter, su temi finanziari agli advisor, in linea con il loro profilo personale (sì, il profilo del consulente), delineando chiaramente l’anomalia e le soluzioni – una chiara azione di “nudging”, effettuata con il giusto “tone of voice”;
  • analisi dei dati di ritorno (ad esempio statistiche di apertura/lettura della newsletter, e azioni successivamente effettuate sui portafogli dei clienti) da parte di un algoritmo di Machine Learning che affina la conoscenza del profilo del consulente finanziario, fornisce feedback sullo stile della newsletter, e via dicendo;
  • l’azienda dispone di un cruscotto di controllo (dashboard) con tutti i KPI del processo.

Il tutto con un impatto tecnologico basso: ai sistemi legacy si chiede sostanzialmente di fare uno scarico, gli engine di Analytics sono in Python (linguaggio universale e trasparente), e girano su un cloud, le mailing-list vengono gestite tranquillamente da normali sistemi di email marketing, i contentuti sono creati dal team Digital di Virtual B di concerto con il wealth manager.

I benefici

Sono ovviamente molteplici, e tra essi spiccano le quattro C…

  • Customization: i portafogli, sono allineati ai portafogli modello e ai suggerimenti ritagliati sul profilo del cliente (questo, dovrebbe corrispondere ad una migliore qualità del servizio al cliente).
  • Compliance: riduzione dei rischi operativi legati ai disallineamenti, fonte di possibili controversie.
  • Communication: comunicazione continua, personalizzata, utile, che migliora per il processo di learning continuo.
  • Control: efficientamento e maggiore controllo di processo da parte della casa madre, con naturale riduzione dell’entropia.

 

Advance è una soluzione Plug & Play

Non è magia: è automazione di processo, creativa e aderente a problematiche specifiche del mondo reale. E non si tratta di scienza incomprensibile: si fanno le cose che servono, con i metodi necessari: nulla di più complesso del necessario.

Volete saperne di più? Scriveteci

Scopri ADVANCE

Lascia un commento