Ne siamo ormai consapevoli: i dati sono al centro della trasformazione digitale. In questo ambito, non c’è dubbio che le banche siano tra i più importanti “co-produttori” di dati relativi alle transazioni finanziarie e quindi, indirettamente, di dati relativi alle scelte di produzione e comportamenti di consumo sottostanti delle persone fisiche e delle partite Iva personali (professionisti) o giuridiche (imprese).
Le 3 “V”
In questo ambito, le banche possono allora avere un ruolo centrale nelle catene del valore dei dati, e questo è importante in quanto le capacità di generare, aggregare, gestire e studiare i dati contribuiscono all’accrescimento del capitale intangibile della banca.
È facilmente intuibile che parlare di dati in ambito bancario porti velocemente il discorso nel mondo dei Big Data, visto che i dati bancari ne riflettono le tre caratteristiche principali: volume, velocità e varietà. Se i primi due elementi sono quelli, storicamente, più presidiati (soprattutto il primo), la vera grande ricchezza nascosta dei dati bancari sta nello loro varietà e, in particolare, in quella fetta di dati destrutturati che sono di più difficile accesso, in modo massivo e di sintesi per gli ecosistemi della platform economy.
Difficoltà da affrontare
Per questo il ruolo delle banche nella data driven economy è caratterizzato da elementi di complessità di riorganizzazione e trasformazione. Le difficoltà sono profonde. Ecco le principali:
- Logiche di potere. Le diverse strutture organizzative bancarie hanno costruito sui dati molto del loro know-how. Il dato e l’informazione in esso contenuti sono elementi di “potere” delle singole unit organizzative e questo influenza la loro disponibilità alla condivisione.
- Data quality. La qualità dei dati bancari è mediamente inferiore alle attese. Il tema del Quality Data (ne parliamo da tempo) è, una delle attività emergenti e si porta appresso scelte organizzative e di personale centrali per le successive fasi della data driven economy.
- Accelerazione costante dell’ecosistema digitale. L’orizzonte è comunque chiaro: l’accelerazione dello sviluppo tecnologico sembra essere molto più veloce della capacità di implementazione del sistema da parte delle banche, soprattutto con riferimento a quelle più piccole.
- Skills gap e dispersione organizzativa. Ma l’inserimento degli specialisti in analisi dei dati nel sistema bancario presenta diverse difficoltà, sia in termini di reperimento di queste figure professionali, sia in termini di posizionamento e di integrazione nei processi aziendali. Chi ha scelto di inserire queste figure strategiche per il futuro in unità dedicate, ha spesso avuto la difficoltà di “fintegrarne” il lavoro con il resto dell’organizzazione. Chi ha scelto di seminare queste professionalità in ogni area aziendale, si è scontrato con una bassa densità che ne ha ridotto l’efficacia.
- Data aggregation. Storicamente le banche hanno lavorato su patrimoni dati autoreferenziali. Le aperture fatte verso l’esterno guardavano tipicamente a soli elementi di prossimità necessari a svolgere meglio il proprio lavoro, spesso perché aggregavano informazioni singolarmente fornite dagli stessi attori bancari. Oggi la sfida è quella di aprire lo sguardo verso l’esterno accedendo a dati comportamentali e di consumo visti in una logica social. La possibilità di integrare questi dati con i propri e attribuire un senso complessivo che sia maggiore della semplice somma delle parti è la grande sfida posta alle banche da Big Tech e Fintech.
- Data Analytics e Intelligenza Artificiale. Avere un maggiore e più consapevole accesso ai dati ha come prima conseguenza la possibilità di analizzarli e, su queste basi, definire strategie e piani di azione in ogni ambito dell’organizzazione, dalle funzioni di controllo alle operation, dal marketing alle risorse umane, dall’ICT alle vendite, senza dimenticare tutti i processi di governance e organizzazione. Il tutto anche con il sempre maggiore ausilio dell’Intelligenza Artificiale.
Nuovi confini
Per questo anche per gli istituti di credito è evidente che i business model sottostanti alla data driven economy siano relativamente opachi. Per questo è importante parlarne e cercare di esplorare i nuovi confini che il rapporto tra banche, fintech e reti genera in termini di futuro organizzativo ed economico.