Come la data observability aumenta le prestazioni IT nel fintech

Il settore finanziario deve muoversi velocemente per stare al passo con la tecnologia: ecco come S2E ha aiutato Cedacri attraverso data science e ingegneria.

Molti settori si sono trovati a doversi muovere rapidamente per stare al passo con l'evoluzione delle tecnologie e il settore fintech ha avvertito questo cambiamento più di altri. Pochi servizi al consumatore hanno le esigenze di sicurezza e flessibilità tipiche delle istituzioni finanziarie come le banche: i clienti si aspettano la massima sicurezza delle loro finanze e contemporaneamente la comodità di servizi finanziari immediatamente disponibili. Le esigenze dei propri clienti sono espresse in egual modo dagli Istituti di Credito per cui, come in molti altri settori, c’è un’adozione massiccia di Software as a Service (SaaS).

Il Gruppo Cedacri è un'azienda che sta affrontando questo problema complesso proponendo i propri servizi SaaS alle fintech rapidamente e con alta qualità. Ma, a volte, anche un'azienda considerata la più importante in Italia in questo settore ha bisogno di aiuto. In questo articolo vedremo come S2E (Solutions2Enterprises) ha fornito questo aiuto sotto forma di servizi di gestione e ingegneria dei dati.

Data science e ingegneria nel settore bancario

In un mondo che si muove sempre più verso gli spazi digitali, la “data science” sta diventando sempre più importante. La scienza, o forse addirittura l'arte, dell'analisi dei dati aiuta a evitare incidenti, prevenire frodi, fare previsioni straordinariamente accurate e in generale consente di fruire dell’enorme valore insito dei dati. Paradossalmente, il possesso di grossi volumi di dati non ne assicura il valore, tutt’altro: senza un approccio efficace all'analisi e gestione dell’informazione i dati sono inutili. È qui che entra in gioco l'ingegneria dei dati.

Concetti chiave della scienza dei dati nel settore bancario.

Ecco alcuni dei modi in cui la scienza dei dati consente al settore fintech di affrontare l’incalzante ritmo della tecnologia moderna.

Analisi in tempo reale

Lo streaming dei dati è una architettura innovativa ormai accettata per l’elaborazione dei dati "in tempo reale": i dati vengono elaborati mentre si spostano dalla fonte alla destinazione, in modo da estrarre immediatamente il loro valore rendendolo disponibile ai decisori. Questi decisori possono anche essere agenti intelligenti, quindi non solo l'analisi ma anche le azioni automatiche sono in real-time. Si può andare anche oltre: quando l’adavanced analytics è predittiva anche le azioni anticipano, “magicamente”, i fenomeni che accadranno nel futuro.

Observability and business performance

Observability significa raccogliere i KPI dei servizi offerti dall’IT in modo non invasivo, efficiente ed economico. La misurazione è completa ossia può essere rappresentata in misure di sintesi che descrivono le performance generali dei servizi e in misure di dettaglio che possono arrivare fino descrivere i KPI del singolo sottosistema osservato. Il tutto in tempo reale e visualizzato attraverso dashboard interattive.

Se si postula che un IT performante è la chiave per un business performante allora l'osservabilità in real time è il modo per misurare e migliorare rapidamente e progressivamente il business.

Gestione dei dati e servizi al cliente

La raccolta dei dati dei clienti è un argomento molto delicato al giorno d'oggi, gli Istituti di credito, tuttavia, sono obbligate a raccogliere enormi quantità di informazioni per i servizi offerti. Tra questi figurano funzioni di sicurezza avanzate (GDPR), servizi di credito e debito, pagamento considerando i diverso stakeholder tra cui: i clienti consumer, altre organizzazioni, istituti di controllo, la propria forza lavoro sia nelle sedi centrali che le filiali dislocate sul territorio.

Grazie a queste informazioni è essenziale comprendere i clienti, almeno per tre scopi che coinvolgono: le sfere del marketing, della segmentazione e dell'esperienza utente:

Marketing personalizzato: forse uno degli usi più noti della scienza e dell'ingegneria dei dati al giorno d'oggi è quello di creare un'esperienza più personalizzata per i consumatori, quando si tratta delle pubblicità che vedono e delle offerte che ricevono.

Segmentazione dei clienti: la possibilità di individuare gruppi di clienti in base a fattori quali le abitudini di spesa, il reddito, l'età e una serie di altri dati, consente alle istituzioni finanziarie di prendere decisioni di vasta portata.

Servizio al cliente: in definitiva, le banche forniscono un servizio, anche se molto specifico. Qualsiasi servizio rivolto al pubblico comporta la necessità di assistenza ai clienti, ed eliminarla è una situazione vantaggiosa per gli istituti finanziari. Infatti, i clienti hanno generalmente un'esperienza migliore quando non hanno bisogno di supporto, per cui la riduzione di tale necessità non solo riduce i costi in termini di dipendenti che offrono assistenza, ma significa anche che l'esperienza del cliente viene intrinsecamente migliorata di conseguenza.

Advanced Analytics

Questi sono sono alcuni dei campi di applicazione dell’analisi e ingegneria dei dati avanzata, per citarne altri:

• Previsione del valore di vita di un cliente
• Modellare il rischio di investimento
• Formulare raccomandazioni ai clienti, ad esempio in caso di difficoltà finanziarie
• Individuazione delle frodi grazie alla conoscenza delle abitudini dei clienti

Il caso applicativo S2E

Cedacri è specializzata in servizi IT integrati per il settore bancario, fornendo alle banche gli strumenti necessari per capitalizzare i dati a loro disposizione, eliminando al contempo i costi di investimento nei sistemi necessari. Cedacri, con la consulenza di S2E, ha implementato l’ observability basata sulla piattaforma Elastic. La piattaforma Elastic raccoglie gli eventi provenienti dai sistemi IT sia in termini di metriche di base dell’hardware ma anche e soprattutto dimensioni di biusiness dei servizi applicativi. Grazie alla raccolta dei corrispondenti KPI è possibile avere evidenziando una visione dell’intero ecosistema dei servizi IT in cui è facile individuare le aree in cui i sistemi potrebbero non funzionare in modo ottimale.

La piattaforma fornisce i KPI in tempo reale a diversi soggetti (business, sviluppo applicativo, sicurezza, infrastruttura, etc.) in modo semplice grazie a dashboard interattive, riducendo la necessità di formazione aggiuntiva per i dipendenti.

Conclusioni e prospettive

È noto da tempo che gran parte delle questioni relative all'assistenza clienti riguardano problemi abbastanza semplici che potrebbero essere evitati con informazioni più facilmente disponibili o con opzioni più facili per trovare ciò che il cliente sta cercando. Un esempio comune è quello di fornire a un cliente un modo automatizzato per conoscere il proprio saldo bancario prima di passare a un agente di supporto umano.

Con il progredire delle tecnologie fintech, le soluzioni automatizzate saranno possibili per un numero sempre maggiore di problemi, riducendo i costi dell'assistenza ai clienti e migliorando l'esperienza dei clienti che ne hanno bisogno. L'uso intelligente della scienza dei dati e dell'ingegneria dovrebbe inoltre consentire di ridurre la necessità del supporto ai clienti. Con la stessa ottica anche le operation IT, che di norma sono più complesse dell’assistenza del cliente finale, possono trovare posto nell’automazione basata su sistemi di advanced analytics e di observabililty in real time.

Fonte: Codemotion