Tecnologia

La gestione efficiente delle sofferenze diventa un processo data driven

  • Abbonati
  • Accedi
Servizio |fintech

La gestione efficiente delle sofferenze diventa un processo data driven

AP
AP

Sofferenze e crediti incagliati sono i fardelli che schiacciano ancora il sistema creditizio italiano. Sotto l’etichetta di Npl, non performing loans, si nascondono miliardi di euro di prestiti di vario genere, dal credito al consumo a quello aziendale, la cui riscossione è dubbia. Anche gli operatori specializzati nella gestione dei pacchetti di Npl stanno scoprendo il valore dei dati e del machine learning per arrivare a processo data driven.

D’altra parte la capacità di recupero dei crediti dubbi e la riduzione dei rischi nella gestione lungo tutto il ciclo di vita si fonda sulla conoscenza sempre più affinata della controparte. «Intelligenza artificiale, algoritmi e dati rappresentano ormai strumenti di supporto essenziali per prendere decisioni di business efficaci», sostiene Valerio Momoni, direttore Marketing, product and business development di Cerved, che dai dati è partito per evolversi diventando primario operatore nell’analisi del rischi di credito. «Machine learning e intelligenza artificiale possono essere utilizzati per ottimizzare il business come supporto sia nel prendere decisioni che nel fare previsioni. Rendere il processo più efficiente significa ridurre i tempi e risparmiare costi», aggiunge Roland Gruneus, Business intelligence and information management director di Intrum, colosso svedese nella gestione del credito attivo da anni in Italia.

A oggi Intrum gestisce un portafoglio di circa 45 miliardi di Npl, terzo operatore in Italia, e ha avviato una partnership con Intesa Sanpaolo. Il dato utilizzato è quello ricevuto dal cliente - tipo di debito, valore, durata - che si integrano con quelli ricavati durante il processo di recupero, dai solleciti alle telefonate ai pagamenti effettuati. «In prospettiva efficienza significa fornire ai clienti modelli aggiornati mediante continui adattamenti al cambio dell’ecosistema del business - aggiunge Gruneus -. Allo stesso tempo dobbiamo offrire insight che prima non erano disponibili per comprendere i comportamenti e decidere come affrontare il processo operativo soprattutto evidenziando le connessioni tra diversi aspetti». L’analisi dei dati permette di configurare strategie più complesse che vanno dalle probabilità di intercettare le persone all’offerta migliore da presentare.

«La Psd2 comporterà un aumento epocale delle informazioni disponibili. I dati fruibili in real time permetteranno di far evolvere in maniera straordinaria gli attuali modelli di valutazione del merito creditizio e apriranno il mercato a nuove soluzioni e nuovi player», aggiunge Momoni di Cerved guardando più in prospettiva. Cerved è oggi il secondo operatore in Italia nella gestione degli Npl con una massa di circa 50 miliardi di euro. Gli algoritmi sono “istruiti” per mettere a punto un collection score sviluppato internamente tenendo conto di diversi elementi: governance aziendale, record dei pagamenti, protesti o eventuali negatività, consultazioni e report da parte di clienti, notizie pubbliche.

Cerved ha messo a punto anche uno specifico strumento di visualizzazione, Graph4you, che sfrutta una tecnologia a grafo per mettere in relazione i dati su azienda e partner con le informazioni pubbliche che connettono i vari nodi: è possibile scoprire così legami di proprietà ruoli, cariche o partecipazioni che possono far emergere potenziali rischi di frode. Quella della visualizzazione è una sfida comune al settore per rendere chiari problemi e conseguenti soluzioni.

È ipotizzabile un meccanismo del tutto automatizzato per la gestione del credito? «Per quanto significativa l’evoluzione dei sistemi automatici di valutazione del credito non sostituirà totalmente nel breve periodo la necessità di un intervento umano», sostiene Momoni. E Gruneus è sulla stessa lunghezza d’onda: «Per i crediti più standardizzati si può ipotizzare un recupero del tutto automatizzato, ma ci sono situazioni che si incagliano per motivazioni specifiche e imprevedibili che rendono impossibile l’automatismo: in questi casi la scelta dell’umano diventa fondamentale».

© Riproduzione riservata