Gli impatti tecnologici
Una possibile configurazione logica per l’architettura potrebbe
essere la seguente:
Figura 6.1
Architettura logica
Definizione dei
contenuti
Raccolta
dei dati
Analisi dei
dati
Monitoraggio
dei
risultati
CRM
Sportello
Promotore
Telef. fisso
Telef. cell.
Web
ATM
Chioschi
………
Gestione
interazione
con il
cliente
Fonte: elaborazione propria
All’interno di tale framework opereranno componenti tecnico-
applicative idonee a realizzare le seguenti funzioni:
™ Raccolta dei dati;
™ Analisi dei dati;
™ Definizione dei contenuti delle azioni;
™ Gestione dell’interazione con i clienti;
™ Monitoraggio e registrazione dei risultati.
Gli impatti tecnologici
6.1.1 Raccolta dei dati
Tale funzionalità riguarda la raccolta dei principali dati relativi ai
clienti e i riferimenti relativi alla segmentazione e agli esiti delle
campagne.
Grazie ai miglioramenti della tecnologia di memorizzazione di
massa e la conseguente riduzione dei costi dei dispositivi si è
assistito, negli ultimi anni, ad una crescita esplosiva della capacità
dei sistemi di generare ed archiviare i dati.
Le banche hanno archivi di dimensione inimmaginabile fino a pochi
anni fa, tali da far ritenere che “tutti i dati utili per prendere
decisioni sono presenti in azienda.”
1
Si è già evidenziato come i dati relativi ai clienti costituiscano la
fonte dalla quale trarre informazioni mirate a sviluppare relazioni
profittevoli e durature con essi.
Allo stesso tempo non bisogna dimenticare però che il potenziale
informativo, in essi contenuto, può essere sfruttato solamente se
opportunamente trattati ed organizzati.
L’obiettivo da perseguire è quello di costruire un sistema
informativo che consenta di recuperare, integrare e rendere
disponibile all’interno di tutta l’organizzazione, l’informazione
sulla clientela.
Ciò giustifica l’enorme importanza attribuita a quei
componenti/sistemi (Data Warehouse, Data Mart) orientati
all’analisi, in grado di gestire efficacemente i dati in modo da
supportare adeguatamente le attività marketing, vendita, assistenza.
1
VANZANELLI D., GASPERINI F., Il DW nelle banche e nelle istituzioni finanziarie: ambiti
applicativi e approcci allo sviluppo, in RAJOLA F.(a cura di), L’organizzazione dei sistemi di
business intelligence nel settore finanziario, FrancoAngeli, 2000
Gli impatti tecnologici
6.1.2 Analisi dei dati
Tale funzionalità riguarda lo studio e l’analisi dei dati acquisiti e
opportunamente organizzati, necessaria affinché possano essere
trasformati in informazioni, utilizzate in seguito per definire azioni
commerciali e soluzioni d’offerta personalizzate, ma anche per
supportare il personale che cura l’interazione con la clientela.
Particolare attenzione è rivolta allo studio dei dati sul
comportamento dei clienti, finalizzato alla loro suddivisione in
gruppi omogenei (segmentazione) descrivibili tramite profili, che
aiuti a comprendere le dinamiche evolutive e le predisposizioni di
ognuno.
Le analisi sul comportamento dei clienti permettono inoltre di
sviluppare e aggiornare valutazioni periodiche (scoring
comportamentali) su aspetti quali, ad esempio: la propensione del
cliente verso prodotti/servizi o canali specifici, la possibilità che il
cliente abbia rapporti con altri istituti finanziari, l’intenzione del
cliente di cambiare banca e/o di trasferire presso un’altra banca
parte della sua ricchezza e della sua attività finanziaria, la
rischiosità del cliente verso prodotti di credito (prestiti, mutui, ecc.),
il valore economico del cliente.
Tutte queste analisi implicano lo sviluppo di un processo di
Knowledge Discovery, cioè l’identificazione della conoscenza
implicitamente presente all’interno dei dati stessi, che permette di
ottenere una migliore comprensione dei fenomeni e dei
comportamenti oggetto dell’analisi, per prevederne poi le tendenze
future.
Gli impatti tecnologici
Oltre alle tradizionali tecniche di analisi basate su report, query ad
hoc, strumenti OLAP, è ormai indispensabile ricorrere a tecniche
più evolute e sofisticate (Data Mining) che aumentino il contributo
informativo dei dati disponibili.
Gli impatti tecnologici
6.3 Componenti tecnico-applicative
Dopo aver decritto il framework logico, bisogna ora individuare
quali componenti tecnico-applicative supportano l’azienda nella
realizzazione di tali funzionalità, almeno dal punto di vista
informatico.
A tale proposito saranno di seguito illustrati:
™ Componenti per la raccolta dei dati
™ Componenti per l’analisi dei dati
™ Componenti per la definizione dei contenuti
™ Componenti per la gestione dell’interazione con il cliente
™ Componenti per il monitoraggio e la registrazione dei
risultati
6.3.1 Componenti per la raccolta dei dati
6.3.1.1 Il Data Warehouse: definizione e motivazioni alla base del
suo utilizzo
Il cambiamento intervenuto nella relazione cliente/banca rende
necessario porre i clienti al centro dell’organizzazione e quindi
anche dell’infrastruttura informatica.
Nel momento in cui decide di implementare una strategia di CRM,
una banca è quindi fortemente candidata a realizzare un progetto di
Data Warehouse (DWH).
Gli impatti tecnologici
Secondo Inmon il Data Warehouse è:
“un insieme di dati orientati al soggetto, integrato, che
registra la loro variabilità nel tempo, non volatile,
costruito per supportare i processi decisionali”.
Il Data Warehouse è quindi un insieme di dati, finalizzato a
supportare il processo decisionale, con le seguenti caratteristiche:
™ orientato al soggetto: i dati sono organizzati in modo da
favorire letture orientate ai soggetti (cliente, prodotto,
dipendente…) invece che essere organizzati per funzione
(contabilità, vendite, personale…). Si passa da un approccio
storico “centrato sul conto” ad uno nuovo “centrato sul
cliente”;
™ integrato: compito di un DWH è quello di integrare i dati
provenienti dalle diverse fonti, sia interne sia esterne, in
modo da avere una visione complessiva e non settoriale del
problema;
™ variante nel tempo: i dati archiviati all’interno di un DWH
hanno un orizzonte temporale esteso che permette di
registrare la loro evoluzione;
™ non volatile: i dati sono caricati fuori linea e una volta
immessi non sono più modificabili in quanto è consentito
l’accesso solo in lettura.
Dopo aver definito il Data Warehouse è bene chiarire le
motivazioni alla base del suo utilizzo.
Gli impatti tecnologici
Si può affermare che il Data Warehouse rappresenta il sistema
che consente di rispondere nel modo più efficace alle esigenze
informative avvertite in ambito di CRM, superando i limiti dei
tradizionali sistemi gestionali (chiamati anche operativi o
transazionali) nel soddisfarle.
L’obiettivo di costruire, sviluppare e mantenere nel tempo relazioni
profittevoli con i clienti rende indispensabile l’acquisizione ed il
corretto utilizzo delle informazioni al fine di arrivare ad una
migliore conoscenza del cliente stesso.
Il DWH consente di integrare i dati provenienti dalle diverse
fonti, ottenendo così una visione unica ed omogenea di tutte le
informazioni relative ad ogni singolo cliente.
Accade spesso, infatti, che le banche manchino di tale visione.
L’introduzione dei nuovi canali ha spesso peggiorato la situazione
per le crescenti difficoltà di integrazione.
Il DWH permette inoltre di organizzare i dati in modalità tale
da rendere possibile tutte le analisi volte a comprendere le
caratteristiche, esigenze, e aspettative del cliente.
Il Data Warehouse è quindi, prima di ogni altra cosa, un processo
che supporta le attività di analisi e decisione. Non genera nuovi
dati, consente però di raccogliere, trasformare ed integrare quelli
provenienti dalle diverse fonti, analizzarli e trasformarli in
informazioni che rende poi disponibili per i diversi usi (vedi Fig.
6.4).
Gli impatti tecnologici
Figura 6.4
L’architettura logica del Data Warehouse
DWH
Qualsiasi fonte Qualsiasi informazione Qualsiasi accesso
Fonte: Rajola F. (a cura di), L’organizzazione dei sistemi di business intelligence nel settore
finanziario, FrancoAngeli, 2000
Tale funzione di raccordo si rende necessaria per i limiti che
denunciano i tradizionali sistemi operativi nel soddisfare le suddette
esigenze.
I sistemi operativi non garantiscono, infatti, l’integrazione poiché
“sono separati per applicazione, ciascuna delle quali può presentare
differenze nella codifica di un certo valore, nel formato adottato per
un dato, nell’unità di misura di una variabile quantitativa.”
2
Inoltre i dati in essi contenuti sono strutturati, trattati e messi a
disposizione in modalità tale da supportare la sola operatività.
Poiché i dati sono organizzati per funzione (conto corrente, fidi,
2
FEDERICI T., Sistemi e metodi per trarre valore dalla risorsa informazione, CISU, 2000
Gli impatti tecnologici
carta di credito, ecc), separano in più sottosistemi le informazioni
riguardanti ciascun cliente, con tutti i problemi che ciò comporta in
sede di analisi.
I due sistemi si differenziano quindi per il diverso utilizzo cui sono
destinati (supporto ai processi operativi gli uni, supporto ai processi
decisionali gli altri), ma anche dal punto di vista logico (dati
organizzati per funzioni gli uni, dati organizzati per centro di
interesse gli altri) e funzionale (dati separati per applicazione negli
uni, dati integrati negli altri).
Tutto ciò comporta necessarie differenze dal punto di vista tecnico.
I due sistemi, infatti, si differenziano per:
™ il diverso grado di dettaglio dei dati: assoluto per i sistemi
gestionali, differenziato per quelli strategici;
™ la diversa storicità dei dati: esclusivamente attuali nei i
sistemi gestionali, attuali e storici in quelli strategici;
™ le modalità di accesso ai dati: diversificate (inserimento,
variazioni, cancellazioni, lettura) per i sistemi gestionali,
unica modalità (lettura) per i sistemi strategici;
™ il tipo di applicazioni consentite: precostituite dai sistemi
gestionali, flessibili dai sistemi strategici che permettono
così di variare l’oggetto e il metodo dell’indagine.
™ il modello dei dati: dati normalizzati nei sistemi gestionali,
dati in genere denormalizzati nei sistemi strategici. La
diversità del modello è conforme alle esigenze prestazionali
delle diverse applicazioni: quelle operative richiedono
Gli impatti tecnologici
tempestività, quelle strategiche flessibilità. L’obiettivo non è
più quello di minimizzare la ridondanza mediante la
normalizzazione, ma quello di fornire dati che abbiano una
struttura in grado di favorire la produzione di informazioni.
Tali differenze rendono opportuna la separazione dei due mondi: da
una parte verranno raccolti e organizzati i dati transazionali in modo
tale da supportare la normale operatività, da questi verranno poi
estratti i dati, trattati ed organizzati all’interno del DWH per le sue
specifiche finalità.
Gli impatti tecnologici
6.3.2 Componenti per l’analisi dei dati
6.3.2.1 Il Data Mining: definizione ed obiettivi
Le tecnologie viste in precedenza consentono alle imprese di far
propria un’enorme quantità di dati il cui potenziale informativo, in
termini di conoscenza nascosta, è assolutamente senza precedenti.
Tale potenziale va sfruttato grazie ad appositi strumenti di analisi in
grado di esplorare il patrimonio dei dati di cui si dispone,
identificare ed estrarre modelli di interpretazione della realtà
necessari per trarne informazioni e cogliere opportunità.
Tra i diversi strumenti, il Data Mining è quello che risponde
meglio allo scopo.
Per Data Mining si intende un insieme di tecniche che
consentono di effettuare l’esplorazione e l’analisi dei dati per
scoprire significative regole e modelli nascosti all’interno dei
grandi data base.
L’obiettivo generale è di migliorare la conoscenza e ridurre
l’incertezza legata all’assunzione di decisioni, permettendo di
ricavare 5 grandi categorie di informazioni:
1. associazioni;
2. sequenze;
3. classificazioni;
4. raggruppamenti (o cluster);
5. previsioni.
Gli impatti tecnologici
All’interno di una strategia di CRM l’idea sottostante il Data
Mining è quella di sfruttare i dati raccolti e organizzati dalle
banche relativi al comportamento passato della propria
clientela per determinare le caratteristiche peculiari di ognuno di
essi, in modo da comprendere i meccanismi su cui si basano le loro
decisioni ed agire in modo tale da migliorare i propri servizi e la
propria redditività grazie ad azioni e scelte più consapevoli e
mirate.
Il Data Mining permette, infatti, di realizzare molteplici
applicazioni legate all’analisi della clientela, tra le quali:
™ la segmentazione della clientela;
™ l’analisi della profittabilità della clientela;
™ lo scoring
3
dei clienti;
™ la definizione del target delle campagne.
Queste analisi permettono di definire, con maggiori probabilità di
risposta positiva (redemption), azioni efficaci finalizzate
all’acquisizione, allo sviluppo e al mantenimento dei clienti.
L’esempio seguente mostra, in termini di redemption, i diversi
impatti delle campagne registrati da Ambers Bank utilizzando
diverse tecniche per la definizione dei target delle campagne (vedi
Fig. 6.8).
3
Lo Scoring System consiste in un insieme di procedure volte all’assegnazione di un punteggio
a ciascun cliente, punteggio che riassume la propensione ad assumere un particolare stato:
- la propensione del cliente verso prodotti/servizi o canali specifici,
- la possibilità che il cliente abbia rapporti con altri istituti finanziari,
- l’intenzione del cliente di cambiare banca e/o di trasferire presso un’altra banca parte della
sua ricchezza e della sua attività finanziaria,
- la rischiosità del cliente verso prodotti di credito (prestiti, mutui, ecc.).
Gli impatti tecnologici
Figura 6.8
Tassi di redemption registrati da Ambers Bank
13.04 %
7.92 %
0.68 %
Prospect
individuati con
tecniche di Data
Mining
Prospect individuati
con tecniche
tradizionali di Customer
Management
Prospect selezionati
in modo casuale
R
e
d
e
m
p
t
i
o
n
Fonte: Perego M., Come utilizzare la conoscenza del cliente per incrementare la profittabilità
dei servizi finanziari: le esperienze di UniCredito Italiano, Milano, 21 Luglio 2000
6.3.2.3 Le tecniche di Data Mining
Le tecniche di Data Mining più diffuse sono:
™ la visualizzazione;
™ l’induzione di regole;
™ le reti neurali;
™ l’analisi fattoriale;
™ l’analisi di cluster;
™ le associazioni e le sequenze.
Ricevi informazioni sui nostri servizi, sulle offerte e non perdere news e consigli su università e lavoro.
