Riassunto analitico
La crisi finanziaria iniziata nel 2008 ha generato ampie ripercussioni sul mondo bancario producendo significativi problemi patrimoniali e consistenti contrazioni della redditività. Alla contrazione dei margini di intermediazione si è affiancata una regolamentazione sempre più stringente da parte della BCE con l’imposizione di maggiori requisiti di capitale e, conseguentemente una perdita di fiducia nel mondo bancario da parte della clientela. In tale contesto si sono inserite le Fintech, generalmente start up innovative che utilizzano alti livelli di tecnologia a servizio della finanza. Queste ultime solitamente si specializzano in una determinata attività, prima appannaggio degli istituti bancari, a prezzi e tempi inferiori grazie ad un modello di business snello e flessibile ed a costi amministrativi nettamente più bassi dovuti ad un’erogazione dei servizi in modo automatizzato o pressoché tale attirando nuovi clienti. Nonostante ciò le società Fintech non sono in grado attualmente di sostituire la banca né per quantità e tipologia di servizi né, e soprattutto, per quantità e tipologia di dati a disposizione che, se utilizzati al meglio dalle banche sfruttando le tecnologie Fintech, acquisiscono un valore e possono rafforzare il loro vantaggio competitivo.
Alla luce di tale scenario ci si è posti l’obiettivo di focalizzare quale sia già oggi l’ambito operativo delle Fintech, ma anche di capire quale sia l’ambito di interrelazione obbligata o volontaria tra Fintech e banking tradizionale per mettere in atto azioni che prevengano eventuali switch dalla banca alla Fintech attraverso il trattamento e l’analisi delle masse di dati (big data) che le banche posseggono ma utilizzano ancora in modo estemporaneo.
Nella consapevolezza che le banche posseggono enormi quantità di dati non utilizzati ma determinanti per far fronte a tale competizione, il lavoro di tesi presentato contiene anche il risultato di una ricerca del tutto innovativa sul campo effettuata con le metodologie e gli strumenti in uso per il trattamento dei big data di una importante realtà bancaria italiana, ricerca effettuata direttamente quale componente di un team di specialisti approntato in via sperimentale da un loro advisor italiano specializzato. Come strumenti sono stati selezionati Oracle SQL Developer per l'estrazione dei dati, SPSS ed R per la loro analisi ed infine Python per la parte di Deep Learning.
L’oggetto dell’analisi a me affidata sono stati i movimenti di conto corrente dei clienti della banca con particolare attenzione a coloro che hanno inviato dei bonifici verso piattaforme di negoziazione di criptovalute o di vendita di derivati sulle medesime, quale “indicatore” per rintracciare i clienti digitalmente attivi ed autonomi, verosimilmente con alta propensione al rischio e che potrebbero nel futuro chiudere la propria relazione con la banca stessa preferendo una Fintech. Il loro profilo è stato analizzato con il fine di pianificare delle iniziative commerciali loro destinate proponendo nuove finestre di attività come l’attivazione del servizio di trading azionario su tutti i mercati, investimento in startup, sottoscrizioni di particolari emissioni come minibond e partecipazione a private placement. Tale focus è stato deciso inoltre per i considerevoli risvolti reputazionali per la banca che l’invio di bonifici a tali piattaforme potrebbe comportare.
Dunque il supporto, la trasparenza e la vicinanza ai clienti seppure tramite canali digitali è il primo passo di una strategia di largo respiro e di ripensamento del rapporto banca-cliente.
|
