Dati non strutturati e AI: le tendenze del settore finanziario secondo Snowflake

I servizi finanziari devono processare un gran numero di dati, e per farlo utilizzano strumenti di analisi dei dati e di intelligenza artificiale. In una recente ricerca, Snowflake ha identificato tre tendenze principali che evidenziano come la modernizzazione dei dati stia influenzando la strategia, la pianificazione e gli investimenti tecnologici di queste organizzazioni.

I dati non strutturati ricoprono un ruolo sempre più importante

Secondo le stime del report, i dati non strutturati e semi-strutturati costituiscono dall’80% al 90% di
tutti i dati aziendali, e il loro volume è in costante crescita. Questa elevata percentuale è dovuta al fatto che il settore dei servizi finanziari produce intrinsecamente più dati non strutturati rispetto ad altri a causa di obblighi di record keeping specifici. 

Inoltre, il report rileva che che l’elaborazione di dati non strutturati nel Data Cloud di Snowflake è aumentata del 123% dal giugno 2023, quando sono state introdotte le funzionalità di Snowpark. Nel settore dei servizi finanziari, questo incremento ha raggiunto il 244%, quasi il doppio rispetto al totale.

I dati non strutturati, se utilizzati adeguatamente, possono accelerare i progressi nell’analisi di marketing, nel rilevamento delle frodi e negli investimenti basati su casi d’uso. Inoltre, aiutano a consentire lo sviluppo di applicazioni di intelligenza artificiale generativa, come la creazione di assistenti di AI.

Data governance sempre più raffinata

La data governance, o governance dei dati, si riferisce al processo di gestione della disponibilità, usabilità, integrità e sicurezza dei dati nelle aziende, basato su standard interni e normative esterne. All’interno del Data Cloud di Snowflake, si è registrato un aumento dell’uso di tecniche come il tagging, per identificare dati sensibili protetti da policy, e il masking, per limitare l’accesso a dati protetti da policy. In generale, l’uso delle misure di data governance è aumentato del 70-100% nell’ultimo anno.

Naviga in sicurezza – Ottieni da questo link il 71% di Sconto con NordVPN

Il numero di richieste di accesso agli asset di dati protetti da policy è aumentato del 142% in tutti i settori nell’ultimo anno, indicando che le organizzazioni stanno utilizzando i dati in modo corretto, deliberato e approvato. Per quanto riguarda il settore dei servizi finanziari, questo incremento è stato ancora maggiore, pari al 182%. Questo perché le società in questo settore sono particolarmente orientate ai dati e dispongono dell’esperienza, della motivazione e delle competenze necessarie per utilizzare i dati in modo più efficace rispetto alla maggior parte degli altri settori.

L’utilizzo di Python è in forte aumento

Data la sua flessibilità e natura open source, linguaggio di programmazione Python è considerato particolarmente adatto alla progettazione e realizzazione di applicazioni di intelligenza artificiale. Non sorprende quindi che questo sia il linguaggio di scripting più utilizzato in Snowpark, la libreria di codifica integrata nel Data Cloud di Snowflake.

In tutti i settori, l’uso di Python è cresciuto del 571% nell’ultimo anno fiscale, superando facilmente Scala (+387%) e Java (+131%). Per i clienti dei servizi finanziari, l’uso di Python è aumentato addirittura del 585%.

Questi dati indicano che i team IT nel settore finanziario sono ben posizionati per lanciare progetti avanzati di intelligenza artificiale. Anche se i talenti sono scarsi, la familiarità diffusa con Python tra gli sviluppatori finanziari li mette in una posizione favorevole per sviluppare soluzioni e applicazioni di AI.

L’intelligenza artificiale incontra i servizi finanziari: cinque potenziali vantaggi

Cosa hanno da guadagnare i servizi finanziari con l’adozione dell’intelligenza artificiale? Secondo Snowflake, molto: ecco cinque modi in cui queste organizzazioni possono beneficiare di questa tecnologia innovativa.

Aumento della produttività e miglioramento della customer experience

Recenti ricerche indicano che il settore finanziario ha un potenziale elevato per l’automazione alimentata dall’intelligenza artificiale rispetto ad altri settori. Infatti, lo studio ha mostrato che il 73% delle attività bancarie potrebbe essere automatizzato o potenziato per migliorare l’efficienza dei dipendenti. Un caso d’uso concreto è quello dell’automazione dei call center: l’AI generativa può sintetizzare trascrizioni di chiamate, creare nuovi profili, valutare il sentiment e implementare altre automazioni, riducendo i costi e migliorando l’esperienza cliente, aumentando così la fidelizzazione.

Analisi degli investimenti e ricerca quantistica più veloci nella gestione patrimoniale

Per i gestori di portafoglio e i ricercatori quantistici, la capacità di analizzare rapidamente dati non strutturati da migliaia di report, notizie e altri documenti, insieme a dati di mercato e societari di terze parti, può snellire i flussi di lavoro tradizionalmente complessi. Inoltre, la creazione di assistenti interni per la sintesi rapida di questi dati può incrementare significativamente la produttività dei dipendenti.

Efficienza organizzativa e riduzione dei costi nel settore assicurativo

Nel settore assicurativo, i dati non strutturati come contratti, dichiarazioni di sinistro e polizze sono la base delle intere organizzazioni. Gli strumenti di intelligenza artificiale possono ridurre i costi organizzativi e migliorare l’efficienza nella gestione dei sinistri, nelle sottoscrizioni e nel servizio clienti. I modelli di linguaggio di grandi dimensioni (LLM) possono aiutare a categorizzare email in arrivo, prioritizzare chiamate, valutare rischi e recuperare dettagli delle polizze dai documenti storici.

Riduzione dell’esposizione al rischio e miglioramento del reporting normativo

I team di gestione del rischio e compliance possono usare l’AI generativa per simulare condizioni di mercato avverse e rischi futuri, per prepararsi agli scenari peggiori. Possono anche generare dati artificiali per lo stress-testing dei modelli finanziari e identificare nuovi modelli di frode.

Democratizzazione della data science

Infine, gli strumenti di AI generativa permettono ai dipendenti che non sono data scientist di sfruttare la potenza della data science, sviluppando codice attraverso un linguaggio naturale semplice. Questo facilita la creazione, lo sviluppo e l’implementazione di nuove funzionalità in modo più rapido.

Per ulteriori informazioni, vi invitiamo a consultare il report completo disponibile sul sito web di Snowflake.

Offerta

Data science con python. Dai fondamenti al machine learning

• Grus, Joel (Autore)

38,00 EUR

Acquista su Amazon