AI per Data Monetization

Banche Dati: Banche e Data Monetization

Data Monetization significa semplicemente utilizzare i dati per creare valore. In questo articolo vorrei approfondire non la Data Monetization interna, ossia l’utilizzo da parte di un’azienda dei dati proprietari per identificare bisogni dei clienti e fare up-selling o cross-selling dei propri prodotti o servizi (secondo una visione prodotto-centrica o customer-centrica), ma la Data Monetization esterna, ossia la creazione di una nuova e diversificata linea di ricavi, ottenuta condividendo o vendendo a terzi i propri dati, secondo modalità trasparenti e naturalmente rispettose delle regolamentazioni, in primis quelle a tutela della privacy. In questo caso l’azienda agisce con un’ottica data-centrica.

Per fare Data Monetization esterna occorre avere tanti dati o dati particolarmente distintivi, così da risultare interessanti per terzi. Pensiamo per esempio alle società di telecomunicazioni che, attraverso l’analisi del loro traffico geolocalizzato voce o Internet sono in grado di conoscere le preferenze, le abitudini e lo stile di vita dei clienti. Oppure le catene della grande distribuzione che attraverso l’analisi degli scontrini di acquisto e dei dati delle fidelity card possono profilare individui e nuclei familiari secondo le loro abitudini. Oppure gli e-commerce su cui navighiamo a lungo, con innumerevoli interazioni con cui lasciamo le nostre preziose tracce digitali ossia i nostri dati, anche se l’acquisto non viene concluso. E potrei continuare con i siti particolarmente ricchi di contenuti digitali e come tali molto visitati e i produttori di app.

Ma a disporre di ben un quarto dei dati mondiali sono le istituzioni finanziarie, dove tutti noi depositiamo non solo soldi ma informazioni preziose. Da sempre le banche hanno un’ampia base di informazioni sui loro clienti, retail e corporate (si pensi al reddito, alle abitudini di risparmio e investimento o alle transazioni di pagamento) e li possono usare sia per finalità legate alla vendita di prodotti e servizi propri sia per finalità di gestione del rischio (es. frodi) e di compliance.

Ma come può il settore del banking monetizzare esternamente il patrimonio di dati, in modo autonomo o attraverso data broker? Lo spiegherò per essere chiaro attraverso casi concreti.

  • Barclays vende informazioni aggregate e clusterizzate sui clienti a terze parti (es. dipartimenti governativi, retailer) che possono beneficiare e sono disposte a pagare per le tendenze demografiche che la banca può fornire con quei dati.
  • Lloyds e Halifax usano i dati per vendere prodotti non bancari di terzi e ricevono da questi commissioni per il venduto.
  • MasterCard vende dati a centri media e agenzie pubblicitarie.
  • Citi vende alle imprese sue già clienti i dati transazionali aggregati della clientela. Ad esempio un’azienda di abbigliamento li ha comprati per decidere con successo dove aprire nuovi stabilimenti produttivi e nuovi punti vendita.
  • I dati di BBVA, uniti a open data, sono stati utilizzati dal governo spagnolo per approfondire i comportamenti dei turisti stranieri e mirare meglio la promozione della Spagna all’estero.

Qualunque sia il modello prescelto, occorre che la banca abbia raggiunto un’elevata maturità in tema di data governance. Ossia che si sia dotata di strumenti e processi per la gestione e l’integrazione dei tanti dati (l’accelerazione digitale fa sì che i dati raddoppino ogni anno) provenienti dai diversi touchpoint (digitali e non) lungo tutto il loro ciclo di vita, dalla raccolta all’aggiornamento fino alla cancellazione. Inoltre, la possibilità di estrarre valore dai dati richiede competenze e strumenti avanzati di analytics che sappiano cogliere automaticamente correlazioni e inferenze significative in relazione ai casi d’uso di interesse. Fortunatamente vengono oggi in aiuto soluzioni di raccolta e analisi basate su Intelligenza Artificiale.

La probabilità di avere successo per una banca nella Data Monetization passa sia attraverso una migliore conoscenza dei propri dati sia dal disporre di una macchina o di un partner tecnologico adeguato, in grado per esempio di cogliere anche opportunità di arricchimento dei dati interni con fonti esterne (ad esempio dati pubblici strutturati o dati alternativi estraibili da social, blog, forum, piattaforme di e-commerce, mappe).

La Data Monetization esterna per le banche è un’opportunità che richiede visione strategica e velocità di esecuzione per individuare un business al di là di quello evidentemente core ma sempre più soggetto alla pressione dei margini. Tanto più che oggi chi possiede tanti dati (leggasi ad esempio Google e Facebook) può lanciarsi a fare attività bancaria, erodendo quote di mercato significative alle banche tradizionali.

Condividi questa pagina


Banche Dati: Banche e Data Monetization

Marco Belmondo | 30 Sep 2021