Le informazioni commerciali sono il nuovo “petrolio”. Indispensabili per prendere decisioni efficaci, come entrano nel processo di credit management, oggi che la gestione del credito è sempre più complessa e strategica?

Non esiste scelta senza consapevolezza. E l’informazione è alla base della consapevolezza. Mai come in questo delicato periodo, in cui le imprese si sono trovate ad affrontare prima la pandemia e poi rincari, rialzo dei tassi di interesse e inflazione, la gestione del credito è diventata complicata. Dati e informazioni possono fare la differenza.

Lo sa bene Paola Marinacci, AD di Business Defence, società di informazioni commerciali, specializzata in servizi di tutela del credito e del patrimonio aziendale, per questo abbiamo con lei approfondito l’uso e l’importanza dei dati nel credit management.

Nell’era dei big data le informazioni sono il nuovo “oro”, quanto sono importanti i dati oggi nella gestione del credito e in quali fasi diventano indispensabili?

Innanzitutto non dobbiamo confondere i BIG Data con le attività di Business Information. I primi si caratterizzano per volume, varietà e velocità. Le seconde per veridicità e valore.

Nei Big Data il volume, la varietà di formati (strutturati o non strutturati) e di fonti dei dati, unita alla velocità alla quale questi dati possono variare, rende molto probabile che la qualità di questi non sia particolarmente accurata. È evidente che se i dati alla base delle analisi sono poco accurati, i risultati non potranno essere migliori.

Le attività di BI garantiscono invece la Veridicità e hanno la capacità di leggere e interpretare il Dato trasformando l’informazione in Valore.

Nel recupero crediti è fondamentale assicurarsi la veridicità dei dati su cui basare le strategie di recupero.

Reperire e correlare tra loro il maggior numero di informazioni è infatti un processo fondamentale per ricostruire il profilo del debitore, i suoi assets e quello di cui potrebbe essersi spossessato.

In tempi di tassi di default aziendali in aumento e grande incertezza, come quelli attuali, di quali informazioni non si può fare a meno?

L’inflazione e i tassi di interesse hanno certamente implicazioni significative per gli investitori, per i quali oggi la velocità di ripagamento dell’investimento diventa fondamentale.

Uno dei principali rischi nelle operazioni di acquisto di crediti deteriorati è quello legato alla valutazione effettuata in fase di Onboarding: ipotesi oltremodo ottimistiche che non siano fondate su elementi oggettivi o assunzioni poco prudenziali, portano ad una sovrastima del fair value del credito, quindi del suo prezzo di acquisto e, a parità di altre condizioni, questo conduce a rendimenti inferiori alle attese.

Un altro rischio è connesso alla strategia di gestione del credito, all’appropriatezza delle scelte e alla loro tempestività, che possono pesantemente condizionare il risultato dell’investimento. 

In questo scenario è indispensabile possedere informazioni puntuali sulla posizione debitoria come numeri di telefono, e-mail, cronologia degli indirizzi, informazioni su familiari, informazioni reddituali, posto di lavoro.

In piena rivoluzione digitale, come la tecnologia e l’AI possono aiutare le aziende della filiera del credito?

La tecnologia e l’intelligenza artificiale (AI) possono svolgere un ruolo significativo nel migliorare l’efficienza nella filiera del credito. Ecco alcuni modi in cui la tecnologia e l’AI possono aiutare le aziende in questo settore:

• Automazione dei processi: la tecnologia può automatizzare molte attività ripetitive e noiose all’interno della filiera del credito. Ad esempio: analizzare i dati finanziari, la storia del credito e altre informazioni pertinenti dei clienti. Automatizzare i processi di valutazione del credito, grazie ad algoritmi di AI, consente di prendere decisioni più rapide ed efficienti.
• Analisi del rischio: tramite l’analisi dei dati finanziari, l’AI può prevedere il comportamento di spesa e altri fattori utili alla valutazione del rischio di credito di un individuo o di un’azienda. Gli algoritmi di machine learning possono identificare modelli e correlazioni nascoste nei dati per prevedere la probabilità di insolvenza o di mancato pagamento. Questo aiuta le aziende a prendere decisioni di credito più informate e a ridurre i rischi associati.
• Ottimizzazione dei processi di recupero del credito: grazie all’automazione e all’analisi dei dati, gli algoritmi AI possono identificare i clienti che hanno maggiori probabilità di ripagare il debito e suggerire le migliori strategie di recupero per massimizzare le probabilità di successo.

In generale, la tecnologia e l’AI offrono alle aziende della filiera del credito la possibilità di migliorare l’efficienza operativa, prendere decisioni più consapevoli e offrire servizi personalizzati ai clienti. Tuttavia, è importante garantire che l’uso dell’AI sia supportato da solide politiche di sicurezza dei dati e rispetti le normative sulla privacy per proteggere le informazioni sensibili dei clienti.

Come la filiera del credito è cambiata e sta cambiando alla luce della profonda trasformazione che stiamo vivendo a tutti i livelli dal 2020 a oggi?

La fotografia mostrata dal rapporto annuale UNIREC ci mostra come dal 2020 siano aumentati sensibilmente i crediti affidati alle imprese di recupero, a fronte di un incremento sia delle pratiche (+19%) che degli importi (+57%) affidati, vi è una forte contrazione sia delle pratiche (-4%) che degli importi (-1%) recuperati.

Una corretta ed attenta valutazione dei crediti permette di definire efficacemente le diverse strategie di gestione identificate sulla massimizzazione della possibilità di successo.

È necessario disporre di informazioni precise e dettagliate sulla base di caratteristiche distintive e di strumenti efficaci di valutazione che permettano di velocizzare la valutazione e di identificare le migliori azioni da svolgere.

I crediti sappiamo possono essere sia garantiti “Secured”, che non garantiti “Unsecured”.

Per crediti secured si intendono crediti ipotecari assistiti da garanzie specifiche del debitore e/o di terzi:

·       reali (privilegio, pegno e ipoteca)

·       personali (principalmente, fideiussione e avallo)

Gli asset che fanno parte di questa attività possono essere immobiliari o mobiliari.

Per crediti unsecured,invece, si intende il debito non garantito, che non è quindi coperto da garanzie.

È evidente che la valutazione dei crediti secured sia normalmente più semplice di una valutazione dei crediti unsecured, poiché spesso l’attività primaria è quella di dover rintracciare il debitore che, per sua natura, tenta di nascondersi.

Come Business Defence sta rispondendo a questo delicato periodo storico?

Business Defence è un Infoprovider che da sempre supporta investitori e services nella gestione dei crediti deteriorati.

Negli ultimi anni, abbiamo sviluppato una serie di servizi di Data Enrichment integrando le potenzialità del Machine Learning e dell’Intelligenza Artificiale; servizi che utilizzano algoritmi dedicati, basati su una serie di input mirati fondati essenzialmente su dati anagrafici e reddituali del debitore.

L’elaborazione di questi servizi nasce dalla consapevolezza che l’Intelligenza Artificiale è ormai una componente attiva del processo di innovazione tecnologica, e sta inducendo la riorganizzazione dei processi di intermediazione tradizionale e la trasformazione dei modelli di operatività e delle strategie, stimolandone l’efficienza.

Con l’integrazione degli algoritmi alle informazioni anagrafiche (età, genere, residenza), e alle informazioni patrimoniali, ai dati Istat e del Bollettino Economico di Banca d’Italia siamo in grado di fornire una clusterizzazione del portafoglio evidenziando lo score di recuperabilità di ogni singola posizione. Lo score è un punteggio che a seconda dei servizi rappresenta la probabilità di insolvenza del debitore oppure la sua capacità di ripagamento del debito.

Per ciascuna posizione da recuperare, riusciamo quindi a suggerire le azioni da compiere e nel caso fosse necessario, sulla base delle evidenze raccolte, programmiamo la periodicità del monitoraggio della posizione.

L’obiettivo dell’algoritmo consiste nel conferire valore alle informazioni, pesando vari elementi quali l’età, il genere, la geolocalizzazione, la situazione di protesto, lo stato occupazionale, e altro ancora. Attualmente, abbiamo l’opportunità di accedere a un’ampia gamma di informazioni, tuttavia queste non possiedono significato se non vengono analizzate e correlate in modo accurato.

(Contenuto realizzato in collaborazione con Business Defence)