A cura di Teresa Roma, Business Line Manager di Kirey Group
Anche nel mondo bancario la pandemia ha accelerato la trasformazione digitale: le abitudini dei clienti continuano a evolvere e gli Istituti cercano strumenti e risorse per stare al passo con il mercato. Dal digital banking si sta passando a una visione Open Finance: l’innovazione tecnologica aperta è applicata in ambito finanziario e assicurativo con l’obiettivo di offrire un’esperienza all’utente sempre più personalizzata e di qualità grazie all’ottimizzazione della gestione di dati e competenze.
La data governance in ambito bancario assume così un ruolo strategico nella trasformazione del rapporto con il cliente, nella promozione di nuovi servizi e nell’abilitazione della Digital Collaboration.
Gli Istituti bancari da sempre hanno raccolto e interpretato dati, ma oggi l’evoluzione degli strumenti e della tecnologia apre a possibilità molto più avanzate in termini di tempi di elaborazione, qualità del dato e capacità predittive. Previsioni e simulazioni accurate sono fondamentali per permettere alle banche di prendere decisioni strategiche prendendo in considerazione tutti gli elementi utili alla valutazione. Grazie a modelli di data governance basati su strumenti di Intelligenza Artificiale (AI) e Machine Learning (ML), oggi il valore dei dati è aumentato esponenzialmente, ma la loro gestione richiede competenze e consapevolezza dei processi e delle tecnologie disponibili, affinché siano realmente utili al raggiungimento dei risultati di business prefissati. Pensiamo, ad esempio, all’utilità di un modello previsionale di aderenza di un determinato prodotto finanziario a un’esigenza specifica del mercato, oppure a un preciso target selezionato per fascia d’età.
Ma come funziona, in pratica? L’adozione di sandbox permette di creare un “democratic lab”, uno spazio di sperimentazione aperto che consente all’utente di business di operare in un ambiente architetturale parallelo e di avere a disposizione dati che, contestualmente al disegno di un determinato modello, rendano prevedibili i risultati.
La sperimentazione si avvale sempre più di microservizi e di linguaggi di programmazione come Python, che rende più performanti gli algoritmi di data science e si sta affermando con sempre più forza come linguaggio ideale per creare script e applicativi che interagiscono con i dati.
I vantaggi principali di Python sono:
In ambito data governance e data science i numeri attestano una crescita importante di Python: già nel 2020 l’84% dei data scientist lo usava come linguaggio principale e il 66% lo usava quotidianamente. Intorno al linguaggio Python si è consolidata, infatti, una community di developer che contribuiscono allo sviluppo del linguaggio e alla realizzazione di ampie librerie specializzate.
La possibilità di creare microservizi con linguaggio Python consente all’utente di business di sperimentare e, una volta convinto del modello ottenuto, passare l’algoritmo all’IT. A sua volta, l’IT, che in passato avrebbe dovuto sviluppare da zero questo modello, ora può industrializzarlo, ottimizzandolo e portandolo in ambiente di produzione in tempi molto brevi.
Questo processo, più semplice e legato alle strategie del business, rende necessario affidarsi a consulenti esperti nell’ottimizzazione delle performance, nel miglioramento delle query e di altri processi che consentano alle banche di sfruttare nel modo migliore i propri database.
Ed è proprio grazie all’adozione di strumenti legati al linguaggio Phyton che si inseriscono in progetti di sviluppo di Data Governance e Data Quality che la banca può dare valore al proprio patrimonio informativo, trasformandolo in un vantaggio competitivo nell’adozione di nuovi modelli di business e nella creazione di nuovi prodotti per un mercato in continua evoluzione.