Intervista

Naica Tedesco Risk Analytics Business Unit Manager TARGET REPLY

 

 

 

Lavorando con i principali player del settore Banking e Insurance, quali sono le maggiori sfide che Target Reply si trova oggi ad affrontare in ambito dati?

Stiamo vivendo un momento di grande trasformazione nel settore bancario ed assicurativo. Il ruolo di Target Reply in questo contesto è quello di guidare i clienti proponendo, disegnando e implementando le soluzioni più innovative per la gestione dei dati, sia da un punto di vista tecnico che centrando le necessità di business.
Oramai è evidente a tutte le aziende l’importanza che hanno i dati e quale sia il loro valore di business. Utilizzarli pienamente a proprio vantaggio è la nostra sfida quotidiana.
Le aziende oggi sono sempre più consapevoli che il patrimonio informativo debba essere accessibile a tutti i dipartimenti; si parla quindi di Data Democratization. Per tale ragione, noi di Target Reply ci impegniamo nel mettere a disposizione del cliente finale soluzioni personalizzate di centralizzazione dei dati e delle componenti software esistenti in azienda, partendo dalla nostra esperienza nella Data Governance. Per “democratizzare” realmente i dati servono tecnologie user-friendly che rendano gli utenti indipendenti e autonomi nel loro utilizzo.
Quando i dati sono a disposizione di tutti, ciascun dipartimento è abilitato nel portare avanti gli use case che li supportino nel loro business. Anche grazie a tecnologie come SAS, leader negli Analytics, algoritmi, modelli statistici e Dataviz diventano strumenti di lavoro quotidiani.
Occorre poi industrializzare gli use case creando un sistema collaborativo tra Business Analyst, Data scientist e team di Operation. Per un’efficace gestione dell’intero ciclo di vita del Machine Learning, Target Reply sta lavorando in ambito MLOps, che consente di automatizzare il rilascio dei modelli in ambienti di produzione su larga scala, migliorandone la qualità e l’affidabilità, semplificando il processo di gestione. Inoltre agevola l’allineamento dei modelli alle esigenze aziendali e ai requisiti normativi.

 

Come, nell’esperienza di Target Reply, gli Analytics possono aiutare nel ciclo di vita del credito?

All’interno del processo del credito, ci sono differenti use case in cui l’utilizzo di un approccio analitico, avvalorato dalle più innovative tecniche di Artificial Intelligence, può dare un forte supporto per migliorare le strategie aziendali, minimizzando i rischi e massimizzando le performance dei dipartimenti impattati.
In questo contesto, Target Reply ha realizzato significativi progetti di Machine Learning per prevenire le frodi e contrastare i sinistri assicurativi fraudolenti, modelli di valutazione del credito e algoritmi di calcolo di score comportamentali e score di recupero, nonchè progetti di AI e Analytics a supporto dell’Antiriciclaggio.
Negli ultimi anni è diventato sempre più importante creare modelli innovativi che si affianchino a quelli “classici” e che non siano una black-box, ma i cui risultati mantengano la fiducia del business e contemporaneamente non diventino in nessun modo discriminatori. Per questo Explainable AI (XAI) e Ethical AI (XAI) sono tra le sfide più interessanti che ci troviamo ad affrontare. L’utilizzo di algoritmi che mirano a mettere in evidenza le “feature”, ovvero le variabili che influenzano maggiormente il risultato, mostrando il loro livello di correlazione con la decisione presa, permette di avere un riscontro sul funzionamento del modello e un conseguenze aumento del livello di fiducia in esso.
Target Reply ha pertanto sviluppato una proposition di XAI, per promuove l’utilizzo di modelli di Machine Learning innovativi, e accompagnare i clienti nello sviluppo e addestramento di algoritmi di XAI che, una volta mostrata la propria affidabilità, possono rivelarsi molto più efficaci rispetto a quelli tradizionali.

© 2017 Brainz s.r.l. - All right reserved

Designed and Developed by Brainz Italy SRL.