Credit scoring: con Opyn la reputazione aziendale passa al vaglio dell’algoritmo

L’avvento di tecnologie sempre più avanzate di intelligenza artificiale sta rafforzando le opportunità di collaborazione delle banche e delle aziende finanziarie con le realtà più innovative del fintech. Un ambito nel quale questa collaborazione sta dimostrando una particolare efficacia è quello - cruciale - dell’analisi del merito creditizio, un settore complesso che ha visto crescere in maniera importante, negli ultimi anni, la quantità di dati da sottoporre ad analisi. E che richiede, quindi, soluzioni sempre più avanzate e raffinate, dal momento che oltre alla velocità dell’analisi serve anche una capacità qualitativa sempre più avanzata.

Non si tratta più infatti di analizzare soltanto gli indicatori patrimoniali ed economico-finanziari, l’andamento dei conti e dei pagamenti, ma anche dati di tipo socio-demografico, dati derivanti da analisi realizzate grazie all’open banking, fino alle informazioni presenti online e sui social network. In questo contesto anche l’analisi della reputazione aziendale, e in particolare la web reputation, risulta cruciale per banche e istituti finanziari che vogliano concedere un prestito in maniera sicura ed efficace, in quanto contribuisce a conoscere meglio i propri clienti e a ridurre così il rischio di insoluti. 

La web reputation di un’azienda è costituita dalla percezione che gli utenti online hanno di essa a seguito di notizie e informazioni presenti sul web. Concorrono alla sua definizione non solo i comportamenti online dei dipendenti e le opinioni degli utenti sulle sue attività, ma soprattutto la condotta dei vertici, manager e key people ed eventuali provvedimenti giuridici a loro carico. Effettuare questo tipo di analisi sulla reputazione aziendale online può risultare complicato e dispendioso a livello di tempo: infatti, esistono molte variabili che entrano in campo nel calcolo del rischio e per un istituto finanziario non è facile avere una visione completa, corretta e accurata dello stato finanziario di un’azienda in poco tempo. 

L'utilizzo di modelli di AI nel credit scoring è ancora poco diffuso in Italia, sebbene si tratti però di un fenomeno in crescita: infatti, tali modelli si avviano ad essere sempre più accurati nelle stime rispetto ai modelli statistici tradizionali utilizzati attualmente dalla maggior parte degli istituti finanziari, guidati per lo più dalla teoria economica.  Gli operatori finanziari che già fanno uso di intelligenza artificiale e machine learning confermano una migliore performance rispetto ai modelli tradizionali. 

Tra le realtà più avanzate in questo settore c’è Opyn, azienda che da oltre 10 anni garantisce a clienti e partner istituzionali i più alti standard di analisi e performance attraverso una tecnologia proprietaria basata su Ai e machine learning, Opyn Universe, che in questi anni ha permesso la valutazione del merito creditizio di 50.000 aziende per un totale di oltre 15 miliardi di crediti analizzati.Opyn Universe è una piattaforma di Lending as a Service che permette una gestione del credito end-to-end grazie ad una soluzione tecnologica modulare e scalabile. Attraverso Opyn Universe l’analista può valutare il merito creditizio di un’azienda in sole due ore. Ma come funziona la valutazione creditizia di Opyn Universe? A patire dal codice fiscale dell’azienda, la piattaforma reperisce centinaia di dati da fonti interne ed esterne e li elabora attraverso i propri algoritmi. Incrociando queste informazioni è possibile sapere subito se l’impresa è affidabile e ha quindi le caratteristiche per accedere ad un finanziamento. Ma non solo, la piattaforma analizza i suoi “numeri”, svolge controlli antifrode sul suo numero di telefono, indirizzo email, IP e tanto altro ancora. All’interno di Opyn Universe è compreso anche il modulo Web reputation, attraverso cui vengono ricercate su internet notizie ed informazioni sull’azienda da analizzare, le persone chiave (principali cariche societarie) e i dipendenti.

L’algoritmo, dopo aver interrogato il web, presenta una lista di link ai quali viene attribuito un sentiment in base alla tipologia di informazione rilevata. Eventuali notizie negative verranno segnalate come alert: l’analista a questo punto andrà a verificare gli alert emersi per confermare l’esito o modificare il sentiment in caso, ad esempio, di omonimia. È evidente come tale tecnologia snellisca il lavoro dell’analista, eviti errori di data collection e garantisca un notevole risparmio sui costi e sul timing di gestione. L’intervento dell’analista viene limitato all’approfondimento di eventuali anomalie segnalate.Un ultimo aspetto importante riguarda la funzione di “monitoraggio attivo”: anche dopo il primo esito del monitoraggio vengono effettuati dei controlli nel tempo tali per cui, se vengono rilevati risultati negativi, la piattaforma attiva immediatamente un alert e permette all’analista di verificarlo prontamente.