Altri contributi relativi al Fintech in occasione del Fintech Stage Festival 2019 con StartupItalia.

L’utilizzo dei dati o data o big data – un’espressione quasi in disuso perché le dimensioni dei dati più che da tsunami cominciano a essere astronomiche (e non è un modo di dire) – è molto più avanti di quanto si afferri quando, ad esempio, si parla, o si straparla, di protezione dei dati e della privacy.

“Nel prossimo futuro non ci sarà alcuna società di successo che non abbia l’intelligenza artificiale al centro della propria strategia. E sono tre gli ingredienti che fanno l’intelligenza artificiale: il cloud, i software di machine learning e i dati“, dice Claudio Zamboni della Datrix all’evento Data Driven Innovation, a Roma.

Tutti sanno che quando si chiede un prestito in banca, nel back-office degli impiegati incrociano manualmente le informazioni che la banca ha sul cliente per attribuirgli un merito di credito.

Sapere molto di più sul cliente “è il sogno proibito di ogni azienda “, dice Lorenzo Luce, della Big Profiles, che come Zamboni è intervenuto alla discussione su Dati e Fintech organizzata e moderata da Alessandro Collesano, CFO del Gruppo Covisian.

Il salto sta avvenendo proprio qui, nell’”arricchimento” dei dati storici (che hanno le aziende) con i dati alternativi, vale a dire, quelli che ogni persona lascia dietro di sé nella quotidianità quando naviga su internet, acquista online, interagisce sui social media, prenota trasporti, sottoscrive abbonamenti, ecc.

“È l’unione delle storie che raccontano i dati a determinarne il valore“, dice Zamboni.

Circa il 90% dei dati disponibili oggi, ricorda Pierluigi Lacqua, di Intesa Sanpaolo SpA, “si è generato negli ultimi tre anni, e di questo 90%, il 90% è un dato destrutturato e disorganizzato, ma il suo valore informativo è, tuttavia, enorme”.

Solo l’intelligenza artificiale può gestire una tale mole di dati, mi ha detto recentemente Bill Gajda, vicepresidente senior responsabile globale dell’innovazione e delle partnership strategiche di Visa: “Pensi alla capacità di Amazon di considerare i miei acquisti precedenti, calcolarne la frequenza e collegare ciò alle mie preferenze dichiarate per formulare raccomandazioni e offrire un’esperienza commerciale più precisa e semplice, e alla necessità, in più, di garantire che la piattaforma acquisisca l’ordine del cliente e la sua identità correttamente… è una bella massa di dati storici e nuovi da macinare”.

A servizio di tutte le aziende che non sono “data native” come Google o Facebook, difatti l’intero settore produttivo, ci sono le società specializzate nell’elaborazione dei dati a fini predittivi o di profilazione, che usano l’intelligenza artificiale per integrare i dati storici con quelli alternativi. Un primo strumento è, per esempio, aggiungere un pixel di tracciamento a un documento PDF o HTML, spiega Zamboni. Il valore predittivo del risultato crescerà tante più saranno le fonti dei dati.

Disporre di una profilazione e di un punteggio, o scoring,  di propensione per l’acquisto di un prodotto o servizio, può determinare per un’azienda il suo vantaggio competitivo.

Ed è su questo punto che entra nel quadro la privacy. Anche se queste società specializzate, come Datrix o Big Profiles, precisano di adempiere sempre la regolamentazione sulla privacy, è un dato di fatto che chi scrive le normative non può conoscere, e men che meno prevedere (non sono in grado di farlo nemmeno gli esperti), come le tecnologie evolveranno o si combineranno. Di certo, il Gdpr ha avuto un effetto diffuso e non previsto: la massa degli utenti è passata dal negare qualche volta i cookies ad accettarli tutti (o quasi) e ad acconsentire sempre al trattamento dei dati personali semplicemente perché studiarli richiede un tempo che pochi hanno. Allo stesso modo, si tende a decidere che è più importante arrivare a destinazione anche se il GPS può essere tracciato.

“Al ministero dello Sviluppo economico”, racconta Luce che è membro del Gruppo ministeriale di esperti in Intelligenza Artificiale, “abbiamo considerato la possibilità di imporre alle aziende che traggono utili dai dati di pagare chi usa le piattaforme a rimborso del valore generato dal micro lavoro che le persone realizzano ogniqualvolta interagiscono creando e cedendo i proprio dati”.

“Poi abbiamo ricevuto degli studi che dicono che gli utilizzatori in maggioranza preferiscono che Facebook mantenga il modello attuale di servizio gratuito in cambio di dati, piuttosto che uno a pagamento senza tracciamento“, continua, “e anche che le persone sono ben consapevoli di essere tracciate, ma che a loro ciò sta bene. Così sta sorgendo una nuova scuola di pensiero che non poggia tanto sul concetto di protezione dei dati personali, ma li considererebbe un asset. Ciò permetterebbe all’autorità antitrust di imporre ai monopolisti di condividerli, vale a dire, apertura invece che chiusura. I dati, ovviamente anonimizzati, aggregati, ecc., sarebbero dunque condivisi e il mercato diventerebbe più competitivo“. In altre parole, l’alternativa non è tra Black Mirror o i dati in cassaforte.

L’Europa sembra non aver trovato ancora una propria strategia sul data (ed è un fatto che, stando alle biografie ufficiali, né la Commissaria Europea per l’Economia e la Società Digitale, Mariya Gabriel, né la coordinatrice per le strategie dell’intelligenza artificiale del DG Connect, Irina Orssich, hanno un background nella tecnologia).

L’Europa è a buon livello nella parte operativa, come i robot e i droni, e in quell’informatica, come analytics, big data, cloud computing, storage e intelligenza artificiale/machine learning. È molto indietro, invece, come spiega Wolfgang Fengler, capo economista per il Commercio e la competitività della Banca Mondiale, con Indermit Gill, nella parte transazionale, laddove s’incrociano domanda e offerta e producono l’emergere di piattaforme, applicazioni blockchain, ecc..

Ciò ha implicazioni economiche non di poco conto, se si considera che è che proprio la granularità dell’offerta delle società data driven a fare che le persone si fidino di più Amazon e la preferiscano a società o servizi analoghi tradizionali. Purtroppo, diversamente da Cina o Usa, l’Europa non ha una sola grande società il cui modello di business sia incentrato sui dati – e sta rinunciando alla corrispondente e sempre crescente fetta di mercato.