Si è già parlato di cosa siano i big data (puoi leggerne qui), ma ora si vuole approfondire quale sia l’impatto ed il ruolo che essi giocano nel mondo della finanza.
Il termine Fintech, abbreviazione di Financial Technology, indica l’innovazione finanziaria resa possibile dall’avanzamento tecnologico, come per esempio con internet ed il cloud. Il termine indica quindi il processo di evoluzione dell’industria finanziaria, declinatosi in una sempre maggior digitalizzazione e disintermediazione. I due effetti, congiuntamente, hanno portato alla creazione di nuovi modelli di business, così come di nuovi prodotti, processi o servizi, con relativo effetto sui mercati finanziari e sulle istituzioni.
La tecnologia finanziaria si declina in una vasta gamma di soluzioni tecnologiche applicate al mondo finanziario. In tale contesto, il fenomeno dei big data è stato uno dei pilastri della rivoluzione, apportando diversi cambiamenti nel modo di proporre i servizi finanziari.
In particolare, grazie ai big data è possibile compiere operazioni quali: la profilazione degli investitori e dei consumatori, operare una valutazione del merito creditizio, promuovere campagne di marketing, prendere le relative decisioni di market segmentation, sviluppare prodotti e assistere nella fase di decision making.
Nel mercato finanziario globale i big data sono utilizzati principalmente in tre ambiti: bancario, assicurativo e dei mercati finanziari.
Nel settore bancario
Le banche utilizzano i dati principalmente per la valutazione del merito creditizio. In uno studio condotto dall’Osservatorio Digital Finance del Politecnico di Milano è emerso che, in ambito italiano, il 35% degli istituti bancario utilizza i big data nell’ambito dei suoi piani strategici.
A livello globale, il loro principale utilizzo si riscontra principalmente nel marketing e nella gestione della relazione con la clientela. E’ emerso che solo una minima percentuale del campione li utilizza anche nell’ambito della gestione del rischio e dell’Asset Management.
I dati che le banche utilizzano maggiormente sono quelli strutturati e provenienti, in larga misura, da fonti interne. Per quanto riguarda la big data analysis, la modalità più utilizzata è la descrittiva, seguita, seppure in misure considerevolmente ridotte, a quelle di tipo predittivo o prescrittivo.
Nel settore bancario il Fintech ha senza dubbio avuto un importante impatto: basti pensare al modo in cui è cambiato nel tempo il rapporto banca- cliente. Infatti, se in passato era necessario recarsi allo sportello della propria filiale per qualunque operazione si volesse eseguire, oggi la maggior parte di esse possono essere eseguite direttamente dal proprio telefonino. L’esempio del bonifico bancario è il più classico e che meglio rappresenta la trasformazione digitale.
Quando si parla di Fintech in ambito bancario non si può non pensare all’evoluzione delle modalità di pagamento. L’innovazione tecnologica ha reso possibile creare, dapprima, servizi di pagamento digitali, quali ad esempio Paypal, e, in tempi molto recenti, ha reso possibile effettuare i pagamenti tramite il proprio smarthphone, creando servizi quali Apple Pay o Google Pay.
Nel settore assicurativo (Insurtech)
Anche nel settore assicurativo l’impatto della tecnologia ha portato diversi benefici ed innovazioni. Tramite l’accesso e la condivisione di dati, le assicurazioni hanno numerosissime informazioni sui propri clienti e possono offrire servizi personalizzati.
Un esempio: oggi le automobili sono dotate di sensori, che trasmettono le informazioni e che permettono alle assicurazioni di sapere che tipo di guidatore hanno di fronte. Sapere se il soggetto utilizza la macchina solo per brevi tragitti e principalmente in città oppure se è solito fare lunghi viaggi in autostrada, o sapere se supera spesso i limiti di velocità, diventano informazioni chiavi per le società assicurative che le utilizzano per creare ed offrire polizze su misura ai propri clienti.
Altri esempi sono rappresentati dalla nascita delle case intelligenti, costantemente connesse ad internet, o dalla tecnologia dei wearable devices: nuovamente, l’accesso a queste informazioni, consente di diminuire e differenziare i prezzi relativi alle assicurazioni sulla casa o sulla salute personale e di poter offrire ai clienti prezzi inferiori.
Nei mercati finanziari
Nell’ambito dei mercati finanziari, si sono sviluppati i cosiddetti High Frequency Trader: intermediari che offrono supporto negli investimenti mobiliari grazie all’utilizzo di algoritmi che consentono di analizzare grandi varietà di dati provenienti da fonti diverse ad alta velocità.
In particolare, ha avuto successo l’idea di analizzare informazioni raccolte tra i social media. Nacque cosi il Social Mood on Economy Index, sviluppato dall’ISAT in un progetto e grazie ad una serie di esperimenti condotti in tale ambito: si è proceduto ad analizzare migliaia di post di Twitter per capire quale fosse il sentiment più diffuso tra gli utenti e per stimare, di conseguenza, la volatilità del mercato percepita. Sulla base di certe informazioni è possibile orientare le strategie di investimento e quelle per la gestione del rischio.
Un altro esempio di fenomeni di Fintech in ambito finanziario è rappresentato dall’analisi delle immagini satellitari come base decisionale per futuri investimenti mobiliari. in particolare, sono stati mandati in orbita dei satelliti che fotografano porti, cantieri, parcheggi di centri commerciali o di fabbriche e così via, con lo scopo di monitorare lo stato di salute dell’economia delle nazioni o delle singole imprese di interesse. Esistono agenzie specializzate che si occupano di analizzare le fotografie ricevute, da cui riescono a ricavare informazioni: queste vengono vendute al mondo della finanza, in particolare agli hedge funds o ai fondi di private equity.
Nell’ambito della prestazione del servizio di consulenza ricordiamo invece l’utilizzo dei cosiddetti robo-advisor, che attraverso algoritmi, tecnologie e piattaforme web, permettono di creare e ri-bilanciare i portafogli di investimento. I robo advisor forniscono una consulenza finanziaria digitale basata su algoritmi e investono i soldi del cliente in base al rapporto “rischio – rendimento” che egli desidera.
In via generale, l’impatto dei big data sul settore finanziario si può riassumere in:
- Maggior segmentazione della clientela: permette di avere prodotti e servizi personalizzati, a cui possono accedere anche soggetti potenzialmente esclusi nell’ambito del sistema tradizionale, e la possibilità di operare prezzi inferiori. Dall’altra parte, però, la maggior segmentazione si traduce in una potenziale discriminazione o esclusione dall’accesso a prodotti e servizi per alcune categorie di soggetti. Inoltre, i consumatori hanno maggiore difficoltà a comparare i prodotti e i servizi finanziari.
- Processi e servizi più innovativi: grazie all’utilizzo dei big data si possono prendere decisioni migliori e più “informate” grazie a cui le imprese possono godere di processi più efficienti e servizi più appropriati. Si sviluppano prodotti e servizi che anticipano i bisogni dei clienti. Inoltre, esiste la possibilità di migliorare la profilazione dei clienti e di modificare, nel corso del tempo, la gestione del portafoglio in modo tale che sia sempre adeguata alle esigenze. Tra i rischi vi è la difficoltà per l’investitore di correggere eventuali errori dei dati che lo riguardano: possono presentarsi errori nella modalità di raccolta e di veridicità dei dati, cosi come può presentarsi un malfunzionamento degli algoritmi.
- Variazione su rendimenti e costi: è infatti possibile operare un abbassamento dei costi delle diverse aree produttive e commerciali, grazie alla presenza di maggiori economie di scala e alla possibilità di riduzione delle risorse umane. Inoltre, si ha una migliore gestione del rischio.
