Transactional data: un aiuto per individuare i clienti “ad alto potenziale”

La fase più dura della pandemia sembra finita, l’Italia ha ripreso a correre, ma la partita più difficile per le banche inizia ora. Durante la pandemia, lo Stato ha sostenuto le imprese con forme di credito garantito, ma ora che la marea di liquidità si va ritirando, bisogna capire, parafrasando Warren Buffet, “chi rimarrà senza costume”. Molte imprese saranno infatti in difficoltà, mentre altre invece sfrutteranno lo slancio della ripresa economica.

I dati transazionali offrono inesplorate opportunità

Questa scrematura tra imprese si può fare con vari strumenti. Secondo la BAI, il 46% delle istituzioni finanziarie utilizza ancora modelli di rischio di credito tradizionali, un altro 26% utilizza addirittura processi manuali di gestione.

In Virtual B non ci vediamo nulla di male. Il problema, però, è che nell’attuale contesto di mercato si tratta di approcci che rischiano di far perdere opportunità (e non vedere rischi). Questo perché i tradizionali modelli di credit scoring si basano generalmente su dati storici a bassa frequenza, poco reattivi nel cogliere il cambiamento nella situazione economico-finanziaria di un’impresa.

 

Integrare gli attuali processi di analisi con informazioni “fresche” come i dati transazionali (di prima mano o ottenuti via open banking) e con strumenti di lavoro ormai accessibili come il Machine Learning può aiutare a trasformare i potenziali rischi in opportunità. Acquisire un nuovo cliente può costare fino a 25 volte di più che gestire in modo efficiente i clienti che già si hanno. Ma nei prossimi mesi, saper scremare tra i propri clienti quelli ad alto potenziale, separandoli da quelli da evitare, può essere un fattore critico di successo.

In Virtual B, facciamo proprio questo: segmentiamo i clienti in funzione di specifici obiettivi di business e individuiamo le Next Best Action: a volte isolando le situazioni critiche, altre trovando i clienti ad alto potenziale. Stiamo parlando, per esempio, di quei clienti poco serviti dalla banca, a cui serve un finanziamento, e che nel lungo termine sono prospetticamente clienti sani.

La soluzione di Virtual B

Virtual B lavora da anni nel settore finanziario, a stretto contatto con i dati e la loro analisi. Dalla nostra esperienza sono nate numerose soluzioni in grado di generare valore e di risolvere problemi per gli intermediari finanziari e assicurativi.

Se il tema ti incuriosisce, contattaci al link sottostante e scopri come applicare le logiche del Machine Learning ai tuoi processi aziendali.

Scopri di più