Fintech e Insurtech hanno subito una forte accelerazione dovuta al Covid-19. Molteplici i benefici derivanti dall’adozione del Machine Learning e dell’Intelligenza Artificiale.

Da quando è iniziata l’emergenza sanitaria Fintech & Insurtech hanno visto crescere la platea di utenti digitali:  ad aprile 2020 si è registrato un +17% degli utenti unici consumer online delle banche rispetto allo stesso mese del 2019. Le transazioni online sono cresciute del 32%. Esploso al +75% il numero di nuovi clienti acquisiti senza la necessità di una interazione fisica (con punte del 198%). In aumento anche l’utilizzo del Mobile rispetto al PC. 

Dal punto di vista della domanda, oltre alla crescita degli utenti consumer sui canali bancari digitali, si registra un incremento di servizi di firma digitale, di sistemi online per l’anticipo fattura o di sistemi di pagamento digitale B2B.

Sono questi gli effetti della pandemia da Covid-19 e della limitazione negli spostamenti, che hanno portato molte più persone e aziende a sfruttare i canali bancari digitali. I dati emergono da una ricerca effettuata dall’Osservatorio Fintech & Insurtech della School of Management del Politecnico di Milano per valutare la crescita dei canali bancari digitali tra aprile 2019 e aprile 2020 nel corso dell’emergenza sanitaria. La ricerca si è basata su fonti dirette di 51 istituti di credito rappresentativi del sistema bancario italiano che nel 2018 hanno servito complessivamente 63,7 milioni di clienti unici.

Certo non è mancato l’incremento anche lato offerta in cui “ora è importante sfruttare questa eredità positiva per cogliere a pieno i benefici della rivoluzione digitale”, ha detto Marco Giorgino, Direttore Scientifico dell’Osservatorio Fintech&Insurtech.

impatto covid su fintech

 

Anche PwC, nel rapporto Fintech 2020, ha analizzato l’impatto del Covid-19: l’analisi – che quest’anno ha riguardato 364 aziende, di cui 278 FinTech (Pagamenti, Capital Market & Trading, Wealth & Asset Management) e 86 TechFin, player di interesse nell’area dei Tech Enabler e della Cybersecurity –  ha rilevato che il FinTech italiano, seppur in ritardo, si muove coerentemente ai trend globali mostrando  un’elevata dinamicità e chiudendo progressivamente il gap con lo scenario globale. 

Al di là di alcuni impatti negativi che potrebbero riguardare gli investimenti del Venture Capital e il volume delle transazioni, la sperimentazione forzata di un nuovo modo di collaborare a distanza attraverso soluzioni digitali, ha impresso una forte accelerazione nel percorso di digitalizzazione, finanziaria e non.

Le relazioni fra Banche, Assicurazioni e clienti sono ormai per lo più digitali e questa situazione porterà ad un significativo aumento nell’utilizzo e nell’apprezzamento dei servizi digitali finanziari. 

Roberto Lorini, FinTech Leader, PwC Italia ha detto: “Mai come ora, il contributo delle aziende FinTech in termini di accelerazione dell’innovazione digitale alle aziende finanziarie tradizionali, può diventare un elemento strategico per un’innovazione volta a rispondere alle nuove esigenze della clientela (privati e corporate)”. 

I trend

Si assisterà ad un consolidamento del settore in alcuni ambiti (l’area del lending, la customer experience, soluzioni di onboarding e KYC, la cybersecurity, le soluzioni di Intelligenza Artificiale e di Advanced Analytics, le interfacce conversazionali, la Blockchain), e avranno sempre più rilevanza le piattaforme di integrazione di servizi in grado di coinvolgere più player, tradizionali e non. Il rapporto PwC ha rilevato che le aziende focalizzate sull’offerta di soluzioni e strumenti basati sull’utilizzo di Big Data e Intelligenza Artificiale o su soluzioni Mobile / User Experience sono quelle con il fatturato maggiore e che cresce l’importanza degli Advance Analytics, delle interfacce conversazionali e analisi del testo.

benefici che derivano dall’adozione del machine learning nel Finance sono molteplici dal momento che le applicazioni basate su questa tecnologia hanno la capacità di:

  • rilevare errori;
  • migliorare l’efficienza;
  • ottimizzare i processi decisionali; 
  • migliorare l’esperienza del cliente, con vantaggi sia sul front-end sia sul back-end.

Le applicazioni del machine learning nel Finance

  • robo-advisor per la gestione del portafoglio: fornire servizi per costituire e gestire in modo automatico il portafoglio investimenti di un cliente, sulla base della sua soglia di tolleranza al rischio, grazie ad algoritmi e statistiche.
  • per il trading algoritmico: sistemi di AI e ML  rendono estremamente rapide le decisioni di trading.
  • per la sottoscrizione di mutui o assicurazioni: gli algoritmi ML possono essere addestrati con milioni di esempi di dati dei consumatori attraverso cui individuare trend sottostanti.
  • per l’individuazione di frodi: il rilevamento delle frodi basato su ML non si limita a seguire una check list dei fattori di rischio, ma impara attivamente e calibra le nuove minacce, potenziali o reali. 
  • per la gestione del rischio: individuare le tendenze e prevedere meglio i rischi, a partire dall’analisi dei dati attuali.
  • per migliorare il customer service grazie ai chatbot: risolvere in modo rapido e preciso le richieste dei clienti, adattarsi ad ognuno di loro e ai cambiamenti nel loro comportamento.
  • per prevenire il riciclaggio: il ML fornisce strumenti utili a individuare segni di riciclaggio di denaro, basandosi sull’analisi di dati interni, dati pubblici e transazioni estratte dalla rete estesa del cliente.
  • per la sicurezza di dati e reti: sulla base dell’analisi intelligente dei comportamenti, combinata con la capacità dei big data grazie al  ML è possibile identificare eventi sospetti.
  • per l’analisi dei documenti: il ML  ha la capacità di scansionare e analizzare rapidamente documenti legali e di altro tipo, aiutando le banche a soddisfare i problemi di conformità e combattere le frodi.
Condividi: