Machine Learning: quale futuro nel Credit Management?

Ultimamente si fa un gran parlare di “Machine Learning” e dei suoi numerosi e vari ambiti di applicazione.

Ma di che cosa si tratta, esattamente?

Si definisce Machine Learning:

“Quel ramo dell'intelligenza artificiale che ha implementato la capacità di alcuni software di imparare a identificare comportamenti (e non solo) in modo autonomo (quindi non “guidato” dall'uomo) partendo da una grande massa di dati in ingresso.”

Potremmo portare a titolo d’esempio il progetto “Watson” di IBM ed i suoi utilizzi in campo medico sanitario: Watson sarà in grado di analizzare migliaia di referti grazie al processo di Machine Learning, riconoscendo l'origine e la tipologia di diverse patologie e supportando il personale medico nelle decisioni cliniche.

Permettere, in sostanza, ad un processo di apprendimento automatico di supportarci nelle decisioni dove serve tenere conto di un altissimo numero di fattori.

Ci siamo chiesti quanto risulterebbe utopico pensare di utilizzare, in futuro, questi sistemi anche per il rating dei nostri clienti.

Ipotizziamo l’implementazione di un sistema di rating da parte di Telecom Italia: vista l'enorme mole storica di dati a sua disposizione, probabilmente potrebbe predisporre un sistema in grado di auto apprendere i comportamenti a rischio.

Allontanandoci invece dai grandi colossi nazionali e focalizzando sulle aziende con le quali interagiamo quotidianamente (con alcune migliaia o decina di migliaia di clienti), notiamo come la numerosità della popolazione non risulti sufficiente ad istruire un sistema che apprenda in automatico.

Inserire il Machine Learning, ad oggi, implicherebbe aspettare diversi anni per permettere al sistema di “fare esercizio” sulla propria pelle in azienda.

Sicuramente avanguardista ma (forse) al limite del rischioso, a meno che non lo si implementi ad integrazione degli strumenti tradizionali (quindi con impatto 'zero' nel rating il primo anno e a crescere negli anni successivi..).

Fatte queste premesse risulta quindi evidente come l'esperienza (di chi opera nel settore da anni) sia di fondamentale importanza per definire i parametri da considerare per l'algoritmo alla base del rating aziendale e come la fase di 'tuning' successiva sia inevitabile.

Esistono però delle aziende che hanno i dati e le dimensioni per applicare il Machine Learning al Credit Management: parliamo delle grandi società di Informazioni Commerciali che gestiscono le esperienze di pagamento in quantità significative.

Quando i database delle esperienze di pagamento acquisteranno maggiore copertura (facendo in modo che per ogni azienda Italiana siano disponibili i dati su come paga i suoi fornitori), arricchendosi di dati comportamentali (ad oggi abbiamo solo dati contabili), potremo aspettarci l'applicazione di strumenti di Machine Learning con la capacità di riconoscere automaticamente comportamenti “a rischio”.

Questi dati potranno essere poi messi a disposizione di tutti gli aderenti, creando un circolo virtuoso sempre più efficace!

...ma sull'importanza delle esperienze di pagamento torneremo in un prossimo post.

Fantascienza o futuro prossimo del credit management?

I prossimi anni ci daranno la risposta; ad oggi, per noi, il "pallino" è in mano ai BIG delle informazioni commerciali.

“Nelle aziende invece, ad oggi, l’esperienza del Credit Manager ha ancora spazio per dire la sua!”