BPM, Il tesoro dei dati emerge dai bonifici

Utilizzare dati e informazioni testuali per arricchire il profilo dei clienti e offrire loro un servizio sempre più mirato

Intervista a Michele Pozzi Data Scientist e analista CRM, BPM

La conoscenza del cliente per BPM rappresenta da sempre un obiettivo primario. Disporre di database sempre più ricchi di informazioni qualificate e ben strutturate è in assoluto un asset strategico per le aziende.

Ingegnere gestionale, analista nella struttura CRM di BPM dal 2005, Michele Pozzi è un data scientist, la figura chiave del nuovo marketing, le cui competenze sono state cambiate per sempre dalla digital transformation. Michele Pozzi e gli altri colleghi del Team CRM hanno lavorato a un progetto basato su SAS Contextual Analysis, con lo scopo di ricavare preziose informazioni dai dati non strutturati provenienti dai diversi canali della banca..

Su quali strumenti si fondava la conoscenza del cliente prima dell’introduzione di SAS Contextual Analysis?

L’attività di analisi e profilazione dei clienti BPM si è sempre basata su dati strutturati, transazionali e contabili, provenienti dal sistema informativo aziendale tradizionale; i dati qualitativi e non strutturati, provenienti sia dall’esterno (mondo social) che dall’interno stesso dell’azienda (chat, email, note del gestore) non venivano invece gestiti.

Perché avete sentito l’esigenza di fare un salto di qualità nella conoscenza del cliente basandovi sul text mining?

La conoscenza del cliente per BPM rappresenta da sempre un obiettivo primario. Disporre di database sempre più ricchi di informazioni qualificate e ben strutturate è in assoluto un asset strategico per le aziende. Oggi, le nuove tecnologie disponibili consentono di trattare dati sempre più “Big” in termini di volumi, varietà e velocità di acquisizione, rendendoli disponibili e fruibili ai sistemi di CRM per migliorare conoscenza e Customer Experience del cliente ed implementare azioni di Marketing e di Customer Journey più mirate ed efficaci. Con queste premesse e questi obiettivi abbiamo avviato lo scorso giugno l’attività progettuale con SAS.

Che cosa vi ha convinti della bontà della soluzione SAS?

Abbiamo avuto modo di sperimentare una tecnologia che ci ha fornito risultati concreti, interessanti, in breve tempo (3 mesi di “proof of concept”) e con relativa semplicità. Siamo partiti da informazioni interne, già disponibili e facili da reperire nel nostro sistema informativo: le causali dei bonifici bancari, dato testuale, tipicamente destrutturato, ma potenzialmente ricco di informazioni. Con la Contextual abbiamo sviluppato un modello di categorizzazione di queste causali, che, applicato alla totalità dei bonifici effettuati sia in entrata che in uscita dai nostri clienti nel mese di maggio 2015 (circa 3 milioni di bonifici sia online che cartacei), ci ha restituito un output per il 75% di essi, permettendoci così di disporre di nuove informazioni, nuovi attributi per conoscere, segmentare e profilare i clienti della nostra Customer Base.

Chi sono i principali utenti della soluzione e quali i destinatari delle analisi?

Gli utenti interni delle nostre analisi sono sicuramente la Direzione, i Product Manager ed i responsabili “Segment” di clientela. Sicuramente anche i canali (rete e online in primis) potranno presto essere interessati all’output delle analisi di text mining grazie a segnalazioni ed alert in grado di indirizzare al meglio la consulenza e l’offerta verso i clienti. Per tutti, le aspettative circa i risultati dell’applicazione di queste tecnologie di Big Data Analytics sono molto elevate sia in termini di revenue sia in termini di retention della clientela.

Blank space for email
Zurich
Blank space for email
Michele Pozzi, Data Scientist e analista CRM, BPM

Michele Pozzi, Data Scientist e analista CRM, BPM

Highlight - SAS Contextual Analysis

  • Trasforma i dati di testo non strutturati in dati strutturati;
  • Identifica automaticamente le parole chiave, che sono associate alle informazioni più significative, e le converte in campi strutturati;
  • BPM ha scelto un approccio integrato che unisce un metodo quantitativo “Data Driven” con uno semantico “Business Driven”.

Intervista pubblicata su

itasascom

The results illustrated in this article are specific to the particular situations, business models, data input, and computing environments described herein. Each SAS customer’s experience is unique based on business and technical variables and all statements must be considered non-typical. Actual savings, results, and performance characteristics will vary depending on individual customer configurations and conditions. SAS does not guarantee or represent that every customer will achieve similar results. The only warranties for SAS products and services are those that are set forth in the express warranty statements in the written agreement for such products and services. Nothing herein should be construed as constituting an additional warranty. Customers have shared their successes with SAS as part of an agreed-upon contractual exchange or project success summarization following a successful implementation of SAS software. Brand and product names are trademarks of their respective companies. Per questo articolo: © Copyright dell'editore. L'articolo non è riproducibile senza il suo consenso.

Back to Top