Credit Scoring: Banca Mediolanum punta su un Laboratorio Analitico Avanzato e sulle tecnologie di Machine Learning

Modernizzazione per una più efficace resilienza dei modelli di rischio, integrazione tecnologica e dei processi di business, ottimizzazione dei modelli analitici per estendere le potenzialità degli Advanced Analytics a diversi processi aziendali. Questi i pillar del percorso di trasformazione del Credit Scoring di Banca Mediolanum che ha dato vita ad un Laboratorio Analitico Avanzato che si estenderà anche oltre il Risk Management.

Intervista a
Stefano Biondi, Group Chief Risk Officer, Banca Mediolanum
Fabrizio Manstretta, Responsabile Credit Risk Management, Banca Mediolanum

Oggi il Risk Management non è più una funzione da “torre d’avorio” che viene chiamata a sviluppare modelli di rischio quando serve (tipicamente per far fronte a esigenze normative) ma un asset strategico di business. Quando si parla di Credit Scoring, per esempio, si parla di vicinanza e supporto al business.

Ne sono convinti in Banca Mediolanum dove la propensione all’innovazione è trasversale e tocca tutte le aree aziendali. Ecco perché l’evoluzione dei modelli bancari di Credit Scoring, che passa naturalmente anche dall’adeguamento normativo, in Banca Mediolanum ha rappresentato un significativo cambio di passo proprio in ottica di innovazione. Un percorso che ha visto l’adozione di sofisticate tecnologie di Advanced Analyitics, basate su tecniche di Intelligenza Artificiale, come il Machine Learning.

Crescita del business e time to market sono le leve della trasformazione tecnologica

Dal 1° gennaio 2021, lo ricordiamo, è entrata in vigore la nuova definizione di default (new definition of default, normativa nota anche come “New DoD”), prevista dalla regolamentazione europea, che introduce criteri più stringenti rispetto alla precedente norma e, di fatto, implica una evoluzione nel modo con cui le singole banche e gli intermediari finanziari dovranno classificare i clienti a fini prudenziali nonché adeguare i modelli di rating secondo le regole IFRS 9.

Stefano Biondi, Group Chief Risk Officer di Banca Mediolanum, ci tiene però ad evidenziare che il percorso di trasformazione del sistema di analisi per il Credit Scoring è stato guidato da esigenze ben più “business & innovation oriented”. “L’utilizzo di tecniche di Machine Learning e di Deep Learning inizia da un recente passato – molto prima dell’arrivo della nuova normativa – che ci ha permesso di consolidare l’impiego di tecnologie avanzate nell’ambito della convalida dei modelli”.

Se a questo contesto aggiungiamo il fatto che Banca Mediolanum ha superato con l’ultimo bilancio la soglia dei 30 miliardi di asset (che implica, a breve, un passaggio sotto la diretta vigilanza della BCE), è intuibile quali siano state le leve di trasformazione che hanno spinto la Banca a dotarsi di tecnologie e strumentazioni affidabili ed altamente performanti per un “supporto allo sviluppo del business ed un time to market più rapido”.

Laboratorio Analitico Avanzato, SAS Viya per avere il meglio degli analytics

L’utilizzo della tecnologia SAS in Banca Mediolanum è consolidato da tempo ma l’innovazione continua della banca stessa porta costantemente ad “innalzare l’asticella” anche dal punto di vista delle dotazioni tecnologiche. “Abbiamo deciso di compiere un ulteriore salto perché volevamo dotarci del meglio degli analytics – enfatizza Stefano Biondi – per affrontare adeguatamente le nuove sfide che stiamo vivendo e che verranno”.

Banca Mediolanum ha adottato la nuova versione della suite SAS^® Viya^® e il perché lo spiega ancora Biondi: “le nuove tecnologie ci permettono di sviluppare più modelli contemporaneamente, di verificarne la validità in corso di sviluppo, di utilizzare nella fase di sviluppo tecniche di Machine Learning e Deep Learning che sempre di più guideranno i modelli di Scoring, soprattutto in ottica di digital lending, cioè forme di finanziamento attraverso i canali digitali”.

Non ultimo, gli analytics sono fondamentali per la gestione del Model Risk. “SAS Viya ci consente di tenere traccia di ogni step di sviluppo e di sfruttare strumenti molto avanzati di analisi”, spiega Biondi. “Questo ci dà una marcia in più”.

Trasparenza e riproducibilità degli algoritmi, un passaggio fondamentale

“La piattaforma mette a disposizione degli analisti statistici non solo gli algoritmi più tradizionali ma anche quelli più evoluti di Machine Learning, nonché reti neurali per il Deep Learning con un grado di sofisticazione notevole”, ci tiene a evidenziare Fabrizio Manstretta, Responsabile Credit Risk Management di Banca Mediolanum. “Quando ci spostiamo su algoritmi di Deep Learning è fondamentale garantirne la trasparenza e la riproducibilità. La piattaforma SAS consente di uscire dal pericolo delle ‘black box’ e di interpretare i risultati delle analisi, aspetto fondamentale per assicurare trasparenza nelle comunicazioni con le autorità di vigilanza”.

Una caratteristica importante della piattaforma tecnologica riguarda la possibilità di “determinare e confrontare i parametri ottimali nel caso di sviluppo di un algoritmo complesso”, aggiunge Manstretta, “nonché la possibilità di replicare e aggiornare facilmente i modelli”, evidenziando come queste funzionalità si traducano in elevate performance dei modelli con un time to market più rapido.

Integrazione assicurata da una piattaforma Open (che consente l’integrazione con codici Open Source), operazioni in-memory e sviluppo in CaaS – Container as a Service (sfruttando le potenzialità del Cloud) –assicurano una piattaforma accessibile via Web dalle elevate performance, “non solo rispetto ai tempi di sviluppo e rilascio ma anche – e soprattutto – in termini di affidabilità e sicurezza”, sottolinea Manstretta.

“Il progetto in Banca Mediolanum è stato un percorso di migrazione, anche dell’infrastruttura abilitante sottostante, ad una piattaforma più evoluta”, ricorda Manstretta. “Importantissimo il supporto dei professionisti di SAS e dei suoi partner tecnologici, non solo per la componente tecnica ma anche per le competenze funzionali e di processo e la collaborazione con il team interno”.

Next steps, estendere l’applicazione dei modelli avanzati nei processi di business

“Siamo partiti dalle esigenze di Risk Management ma, si sa, l’appetito vien mangiando”, racconta Stefano Biondi nell’evidenziare i prossimi step evolutivi che vedono l’estensione del Laboratorio Avanzato di Analisi, o meglio, l’utilizzo dei modelli che escono da questo “Super Laboratorio”, a diversi processi di business. “In azienda ci si è presto resi conto della potenza di questo Laboratorio e siamo già attivi su diverse progettualità che ci vedono coinvolti nello sviluppo di modelli, per esempio, per l’erogazione di nuovi prodotti creditizi, nonché per cogliere a pieno tutte le potenzialità dell’Open Banking e della PSD2 sfruttando le più avanzate capacità di analisi dei Big Data”.

In quest’ottica, infatti, Banca Mediolanum sta già lavorando per ampliare l’erogazione di prodotti, anche tramite canale digitale, con modelli di accettazione molto più sofisticati e performanti, proprio grazie al Laboratorio Analitico Avanzato che ha in SAS Viya le sue fondamenta tecnologiche.