Conoscere la banca per impostare la migliore strategia customer-

oriented

Ma, nonostante le dimensioni e gli investimenti, gli obiettivi centrati sul cliente dominano l'attenzione della maggior parte delle attività sui dati nell'industria bancaria: la stragrande maggioranza degli operatori ritiene che migliorare l'esperienza del cliente sia una priorità su cui basare la strategia di business. Il comportamento e le esigenze del cliente sono sempre più importanti in quanto i canali per le transazioni e la

132

comunicazione continuano ad aumentare, sviluppando nuovi segmenti di clientela in base ai modi, abitudini, necessità e modalità con le quali parte di questa si relaziona con il proprio fornitore di conto corrente. I dati detenuti nel passato dagli istituti di credito erano essenzialmente indicazioni sulla clientela, ottenute tramite la registrazione ed analisi dei pagamenti e delle operazioni effettuate. Oggi invece, con un aumento esponenziale dei dati prodotti in particolare tramite i dispositivi mobili collegati ad internet e ai media, è possibile per le banche ottenere direttamente o indirettamente una mole enorme di informazioni a prezzi piuttosto contenuti. Tali informazioni sono una risorsa essenziale, l'elemento chiave dei sistemi di Customer Relationship Management, al fine d’avere rapporti adeguati con i clienti e, in ultima analisi, generare nuova redditività. Mentre alcuni hanno impostato una strategia, iniziando ad ottenere frutti, diverse banche non hanno ancora abbracciato pienamente le opportunità in questa risorsa vitale.

La maggior parte delle strategie sull’analisi dei dati attuate dall'industria dei servizi finanziari ha identificato inizialmente le esigenze aziendali, sfruttando quindi le infrastrutture, le fonti e le capacità analitiche esistenti. Questa dotazione però non è in grado ora di rispettare le aspettative dei consumatori, rendendole incapaci di offrire servizi che si sposino realmente con i loro bisogni. Gli esperti dell'industria ritengono che ciò sia dovuto in particolare alla mancanza di una corretta visione all'interno dell'organizzazione di questa leva fondamentale per generare nuova redditività. Sembra sia giunto il momento per gli enti bancari al dettaglio di reimmaginare la propria strategia di business, indagando ulteriormente sui loro mercati target e iniziando ad utilizzare questi potenti strumenti con una visione a lungo termine186; la pianificazione di una strategia per gli anni a venire è importante perché consente all'azienda banca di definire budget adeguati che soddisfano le dotazioni tecnologiche, il personale e anche la struttura organizzativa, permettendo di formare un'organizzazione facilmente identificabile, che sia distinta dai suoi concorrenti e che vada a soddisfare precise nicchie di mercato187_{. Diventa fondamentale per gli istituti}

186

“The Future of Fintech and Banking Digitally Disrupted or Reimagianted”, Accenture, 2014

133

rinnovarsi a livello culturale, nella comunicazione interna ed esterna per continuare ad essere appealing nella relazione con i correntisti, sfiduciati soprattuto tra i più giovani, sempre più disinnamorati e propensi al “nomadismo finanziario”188.

Al fine d’organizzare e sfruttare dati che giornalmente vengono generati più o meno consapevolemente dalle persone, e dunque per raggiungere l’obbiettivo di maggiore conoscenza della propria clientela, le banche dovrebbero iniziare a esplorare altre opzioni di customer engagement. Il marketing ha compreso che molti individui sono spesso disposti a presentare i propri dati personali in cambio di benefici, servizi supplementari: esempi di questo sono fidelizzazione alle compagnie aeree o programmi fedeltà della grande distribuzione. Ma altre soluzioni innovative potrebbero venire da quei settori in cui storicamente l’engagement è al centro dei processi di dialogo con dipendenti e consumatori. Da qui nasce il recente interesse verso il mondo del gaming come chiave di dialogo verso la clientela. La gamification nel settore bancario potrebbe apportare miglioramenti sostanziali: in primis certemante nel creare digital engagement e loyalty col consumatore finale, veicolando in modo semplice e gratificante informazioni e procedure complesse verso quel target di fruitori non solito alle pratiche del settore; potrebbe svolgere anche un’opera di sensibilizzazione verso temi economici e finanziari tra la clientela; ma potrebbe essere importante, dall’altro lato, nella formazione costante e multi-canale del personale in modo partecipativo e premiante, come strumento motivazionale per la crescita professionale dei dipendenti, guidandone i comportamenti e allineandoli agli obbiettivi di business dell’azienda189. Esempio di tale trend e’ rappresentato dalla banca spagnola BBVA che nel 2013 ha inserito la gamification nell'esperienza offerta ai suoi clienti. Il suo gioco ha incoraggiato questi ultimi ad utilizzare la piattaforma digitale dell’ente, con l'obiettivo finale di migliorare la retention e l'esperienza online. Dopo questa prima esperienza, BBVA ha investito nello sviluppo di Atom, banca digitale britannica che ha stabilito un benchmark per tutti i nuovi operatori del settore. Per dimostrare chiaramente la volontà di ingaggiare i propri clienti in qualcosa di diverso e distintivo, Atom ha acquisito la società di software Grasp, specializzata in giochi e realtà virtuale,

188 _{facilità di passaggio da una banca all’altra perchè ritenute tendenzialmente tutte uguali}

134

affidandole lo sviluppo delle proprie piattaforme digitali. Atom ha invitato a celebrare la propria individualità in ogni modo, consentendo ai clienti di scegliere un avatar, un nickname e un colore per personalizzare l’applicazione e dunque rendere la loro esperienza bancaria unica e più coinvolgente190. Anche queste iniziative ricoprono un ruolo fondamentale per il branding e il successo della strategia della banca.

La Data-monetization come volano di redditività delle banche

Anche gli istituti di credito si stanno interessando alla valutazione dei dati social e in genere dei dati provenienti dalla rete e da dispositivi che raccolgono data in maniera automatizzata, comprese le attività rilevate grazie alla geolocalizzazione dei dispositivi portatili sul territorio e ai device che rientrano nella categoria dell’Internet of Things (IoT). Anche se molte banche di più grandi dimensioni hanno già avviato progetti in tale ambito d’indagine, la crescita e la potenza di strumenti d’analisi avanzate che includono dati non strutturati, miscelando dati interni ed esterni all’organizzazione, devono essere assolutamente testati dagli istituti di credito per determinare le opportunità di un’immediata monetizzazione delle informazioni raccolte. A prescindere dalle modalità con le quali possono essere valutate le diverse tipologie d’informazioni, l'uso corretto di queste informazioni e il loro processo di monetizzazione, la cosiddetta Data-monetization, rappresentano per le organizzazioni nuove opportunità di reddito.

La nuova redditività ruota tutta intorno ad una comprensione più approfondita del cliente, delle sue abitudini ed interessi ed un’ottimizzazione dei costi del business, che può avvenire secondo diverse modalità. Con i Big Data le banche possono proporre offerte personalizzate ai propri clienti grazie ad una migliore conoscenza delle loro abitudini di consumo ed esigenze, migliorando l’efficacia delle campagne di up-selling e cross-selling, ma anche creando una profilazione di rischio di credito più precisa del singolo individuo, generando nuovo valore. Le piattaforme di social lending come appunto Lending Club, assegnano un rating (punteggio) ad ogni utente, calcolato tenendo conto di diversi fattori come la storia creditizia, l’età, il reddito, il ceto

135

d’appartenenza, la situazione familiare, ed altri ancora. Accade però con frequenza che un borrower non abbia una storia creditizia oppure che i movimenti con le carte a sua disposizione non siano state registrati in modo puntuale nei database disponibili; perciò, in mancanza di dati finanziari attendibili, il merito creditizio del cliente potrebbe basarsi esclusivamente sul social rating, garantito dei dati generati dallo stesso tramite i profili social, incrociati con i pagamenti mobile e relazioni intrattenute.

Lenddo, startup fintech nata nelle Filippine nel 2011, ha avviato la generazione di rating sintetici analizzando una comunità di 100 persone di fiducia, che in poco più di due anni si sono trasformate in 150.000, con l’utilizzo d’algoritmi in grado di fornire una valutazione esatta della solvibilità di un debitore, esaminando la sua attività sui social media e le valutazioni fornite da amici e parenti. Tale business model, basato sul crowd-sourcing, ha avuto una crescita esponenziale sui mercati emergenti, capaci di determinare in media il rischio d’insolvenza del soggetto analizzato con un’efficacia superiore del 40% rispetto ai metodi tradizionali di scoring con costi diretti ed indiretti inferiori del 30%.

Quindi, partendo dall’incrocio e valorizzazione di dati interni strutturati provenienti dall’anagrafica generale interna della banca, dalle operazioni con carte di pagamento, dagli investimenti immobiliari e finanziari o da dati esterni, come già visto, quali attività sui social media o anche registrazioni di telefonate da parte del call center della banca, gli istituti possono facilitare e velocizzare le decisioni strategiche nel miglioramento della relazione banca-cliente e più in generale nella gestione del business. Il social credit scoring e offerte personalizzate in base al profilo del cliente sono soltanto due esempi del modo con cui la tecnologia sui dati aggregati potrebbe incrementare la competitività bancaria. Gli istituti finanziari che già hanno avviato progetti di Big data analytics non si accontentano della semplice raccolta di informazioni sugli utenti ma li utilizzano anche come ulteriore fonte di ricavo, rivendendoli ad altre aziende di servizi: intermediari specializzati come ad esempio Cardylitcs o American Express Business Insights aiutano alcune della maggiori banche retail e società emittenti di carte di credito a vendere “dati grezzi” relativi ai propri clienti o veri e proprii studi di marketing basati sulle informazioni dell’utenza, provenienti anche dalle decine di miliardi di transazioni registrate dagli

136

operatori delle carte di credito. Ma, se vogliamo, l’analisi in real-time dei flussi di comunicazioni interne, dati da e-mail, telefonate e messaggistica istantanea, potrebbe favorire in modo rilevante il controllo e la prevenzione di frodi o comportamenti nocivi e dunque abbattere i rischi e i costi d’eventuali controversie, generando benefici in termini di customer satisfaction. Oltre a ciò, gli istituti bancari più innovativi hanno utilizzato l’integrazione dei dati per misurare la redditività complessiva, tenendo conto del costo del capitale, il rischio di liquidità, quindi creando valore per decisoni di risk management. Ma più in generale questa capacità di sintesi garantita da tipologie d’analisi avanzate assicura che tutti in azienda utilizzino gli stessi dati, dal managent agli operativi, analizzando report e indicatori sintetici che sono funzionali a una visione integrata del business191.

Gli istituti di credito sono in una posizione assolutamente privilegiata in quanto, hanno raccolto nel tempo una quantità importante di dati sia sulle attività delle persone che delle imprese: mutui, prestiti, fidi, pagamenti, accrediti e pagamenti sono uno strumento fondamentale di conoscenza. Purtroppo nella realtà questa enorme mole d’informazioni è difficile da gestire e integrare e non viene aggiornata in tempo reale, e viene organizzata secondo una logica di silos e con sistemi informativi separati in base all’origine dei dati, spesso sfruttata solo da alcune funzioni aziendali. Lo sforzo ad oggi richiesto è trasformare in utilità questo patrimonio informativo grazie a capacità computazionale, software e nuove competenze, su cui sarebbe necessaria un’ingente mole di investimenti. L’estrazione di valore da questa quantità amorfa di informazioni dovrà essere affidatata a soggetti dalle elevate competenze tecniche e statistiche, i cosiddetti data scientists, professione che sempre più si sta affermando di fondamentale importanza per il conseguimento di tali obbiettivi. In molti parlano di questo processo come la Datification del settore bancario, in cui la gestione e l’integrazione e lo sfruttamento di tali leve, tramite monitoraggio delle attività del cliente soprattutto sui social e delle geo-activities, permetterà agli incumbent bancari di mantenere la loro leadership nel settore, ripensando totalmente processi quali marketing e CRM. Certamente, l’utilizzo di dati sensibili pone in primo piano problemi rilevanti riguardanti la proprietà e lo sfruttamento di tali dati personali raccolti, con

137

implicazioni sulla privacy degli utenti. Tale problema è stato affrontato in primis dalle banche americane, alcune delle quali provvedono a pagare gli utenti per l’utilizzo d’informazioni su di loro. Negli Usa già nel 2009 Bank of America brevettò un metodo per la monetizzazione dei propri dati da parte dei consumatori, raccogliendo le informazioni in una sorta di data lake e pagando una tariffa al possessore nel caso si volesse usare tali informazioni, possessore che è capace di tener traccia del loro utilizzo. Tutto ciò in ogni caso comporta problemi non da poco legati ad evenutali frodi nelle quali gli stessi clienti potrebbero essere coinvolti, come l’attacco hacker che ha riguardato più di 400.000 clienti Unicredit in questa estate (nonostante Unicredit sia una banca sotto questo aspetto all’avanguardia, avendo previsto nel piano Transform 2019 investimenti per 2,3 miliardi al fine di rafforzare i propri sistemi informatici192); un problema più rilevante di ciò che potrebbe apparire se non trattato adeguatamente: come rileva una indagine recente di Kaspersky Labe e B2B, il settore finance sostiene costi quasi superiori di tre volte rispetto a quelli affrontati dagli altri settori nella sicurezza informatica, e i budget stanziati per questo specifico ambito sono in crescita, prevedendo la stragrande maggioranza di questi ulteriori investimenti per affrontare le sempre più numerose minacce informatiche e richieste di organi governativi di regolamentazione, del top management e dei clienti193.

Una questione estremamente importante adesso è capire le modalità con le quali gli operatori finanziari possono dialogare efficacemente con le terze parti che, anche a seguito della PSD2, entreranno sul mercato e saranno interessate ai dati sulle transazioni e sulle abitudini di consumo delle persone, creando così un piano d’informazioni condiviso, al fine d’offrire nuovi servizi e generare nuovi canali di redditività. Considerando pure le indicazioni provenienti dalla nuova Direttiva, sembra che lo strumento che funga da ideale interfaccia sia la API, oggetto del prossimo paragrafo, fondamentale anche nella predisposizione degli Open Banking Standard.

192 _{“Attacco hacker a 400000 clienti Unicredit”, Ansa, 2017}

138