In risposta ai numerosi vincoli che le banche e le istituzioni finanziarie devono affrontare, Scaled Risk offre una gamma di soluzioni basate sull'utilizzo rapido e flessibile di grandi volumi di dati in tempo reale. La piattaforma di Scaled Risk, basata sullo sfruttamento dei Big Data, offre alle linee di business una velocità e un'agilità senza precedenti.
"L'obiettivo di Scaled Risk è quello di avvicinare i dati agli utenti aziendali. Sia per semplificare la loro vita, sia per renderli indipendenti dall'IT", spiega Hervé Bonazzi, CEO di Scaled Risk.
Avvicinare il business ai dati, indipendentemente dal volume da elaborare. Fin dalla sua creazione nel 2012, Scaled Risk ha compreso il potenziale delle tecnologie Big Data per supportare la trasformazione digitale di banche e centri finanziari. A tal fine, la start-up sta sviluppando una piattaforma di gestione dei dati che integra la base tecnologica Hadoop per fornire un sistema transazionale solido, scalabile e flessibile, e soprattutto fornisce funzionalità di auditing e tracciabilità dei dati. Si tratta di funzioni essenziali per rispettare i vincoli normativi del settore finanziario.
Un data lake per l'analisi e il monitoraggio dei dati
Sulla base di questa piattaforma, Scaled Risk permette di costruire un lago di dati provenienti da una raccolta di dati multicanale. All'interno di questo lago di dati, i modelli di dati sono dinamici, flessibili e, soprattutto, "versionabili".
Grazie a una semplice interfaccia di modellazione, questi dati possono essere sfruttati per un'ampia gamma di usi, come spiega Hervé Bonazzi: "Il punto di forza della nostra piattaforma è che fornisce un livello logico che consente alle varie unità aziendali di modellare i propri dati per costruire i propri calcoli. Forniamo un motore di analisi on-demand, una sorta di 'self-service analitico'.
Con questo strumento, gli utenti aziendali dispongono di strumenti semplici per manipolare i propri dati, riconciliarli e redigere i propri report e analisi. A seconda della loro attività, gli operatori saranno in grado di effettuare analisi dei rischi, redigere il loro P&L, rispondere rapidamente ai requisiti di reporting normativo e analizzare il comportamento dei clienti, tra gli altri usi possibili. Per Hervé Bonazzi, il reporting normativo è un buon esempio. Queste relazioni sono sempre più frequenti ed esaustive e richiedono quindi un maggior numero di dati. Consolidando i dati in un data lake e interrogandoli con lo stesso strumento, guadagniamo in velocità rispetto alle interrogazioni su numerosi database.
"Con questo sistema, la banca può disporre di uno storico molto profondo su cui utilizziamo algoritmi di classificazione e di machine learning (vedi sotto), che ci permette, ad esempio, di individuare modelli di frode o di comportamento dei clienti (tipo di investitore) grazie al rilevamento di segnali. È questa logica di archiviazione e di agilità della piattaforma che dà all'istituto finanziario la flessibilità di cui ha bisogno".
Il cloud come garanzia di agilità
In effetti, le banche sono alla ricerca di questa flessibilità e agilità per affrontare la trasformazione digitale e resistere alle fintech più agili con modelli di business affilati. Su quest'ultimo punto, il modello SaaS di Scaled Risk (ospitato in modo sicuro e privato da Cloud Temple) è stato creato fin dall'inizio per adattarsi ai casi d'uso e offrire l'elasticità necessaria alla trasformazione digitale.
Per Hervé Bonazzi, "il settore bancario deve subire una trasformazione digitale per far fronte alle fintech che stanno arrivando con nuovi modelli. Attualmente, molti operatori finanziari hanno ben poco di una relazione moderna e digitale con i loro clienti. La normativa Mifid II impone e provoca questa digitalizzazione, quindi tutti dovranno realizzare la loro trasformazione digitale, ed è qui che ci posizioniamo", conclude Hervé Bonazzi.
L'intelligenza artificiale è quella del Data Scientist
Tra i numerosi utilizzi di Scaled Risk, la lotta alle frodi è un argomento chiave. "È un problema importante. La conformità è essenziale perché le banche vengono multate per aver trattato con controparti vietate o fraudolente. Il regolatore è sempre più coercitivo per quanto riguarda il riciclaggio di denaro. L'uso del machine learning, con un motore di eventi in tempo reale, consente di ridurre i falsi positivi, lanciando un allarme in caso di dubbio su un'interazione. Attualmente, le banche hanno troppi falsi positivi da gestire con mezzi umani. Per ridurre i falsi positivi, dobbiamo insegnare alla macchina a perfezionare i suoi algoritmi".
Per Hervé Bonazzi non esistono miracoli né un'intelligenza artificiale superiore. Per essere efficienti, è necessario imparare costantemente dalla macchina. La vera intelligenza sta nel data scientist e nella sua capacità di adattare l'algoritmo all'azienda. "Gli algoritmi che utilizziamo sono vecchi. Ma oggi abbiamo la profondità dei dati per eseguire la classificazione, rilevare l'apprendimento con un ciclo di feedback che affina le classificazioni in base ai dati restituiti. L'efficienza dell'intelligenza artificiale risiede nella sua capacità di adattarsi alle esigenze e agli usi del cliente in funzione dei suoi input. Questo adattamento si basa sulla capacità dinamica del sistema di tendere verso un punto di convergenza tra il giusto compromesso e il giusto limite. Questo le permette di soddisfare le esigenze del cliente".
Inserita da Usine Nouvelle, la soluzione SCALED RISK consente :
- raccogliere dati strutturati e non strutturati in tempo reale da sistemi eterogenei,
- organizzare questi dati in un modello flessibile e scalabile,
- accesso immediato grazie a un motore di ricerca intuitivo,
- costruire analisi in tempo reale in un cubo OLAP distribuito e in-memory,
- pubblicare tramite API o visualizzare i dati lungo un numero infinito di assi,
- variare gli assi temporali associati ai dati,
- confrontare, ripubblicare e avvisare con tempi di risposta inferiori al secondo,
- produrre prove di audit per l'ente regolatore.
Scaled Risk può essere distribuito sull'infrastruttura del cliente o accessibile tramite SaaS, ed è completamente aperto tramite API (REST, Java, Excel). Scaled Risk integra nativamente il formato FpML.