I Big Data di Cerved su imprese e individui - Credit Council Verona, 16 novembre 2016 - aicsweb.it
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
I Big Data di Cerved su imprese e individui Natalia Leonardi, Head of Centrale dei Bilanci Credit Council Verona, 16 novembre 2016
Indice
Chi è oggi Cerved
Overview
I nostri big data
Il motore dell’innovazione Cerved
I progetti big data e advanced analytics di Cerved
live
2
Cerved: ”data driven company”
CREDIT INFORMATION
Tutelarsi dal rischio di credito
353 milioni Euro (2015)
Ricavi
34,000
MARKETING SOLUTIONS Clienti
Crescere con nuove opportunità di business 40 milioni Euro
Investimenti/anno dati e tecnologia
CREDIT MANAGEMENT
Gestire e recuperare i crediti in sofferenza
3
Cerved: elementi essenziali
Dati Algoritmi Persone
Un database di 800 TB in Più di 2000 business rules Più di 2000 persone, di cui
crescita continua, 17 dei attive che generano oltre 350 sviluppatori software e
primi 30 database più diffusi 600 milioni di eventi di 300 analisti
in produzione monitoraggio l’anno
4
I nostri big data Il motore dell’innovazione Cerved
Lo scheletro dei nostri “big data”
6 milioni di aziende attive 1,4 milioni di attività Oltre 8 milioni di
Informazioni e valutazioni economiche non iscritte persone attive
strutturate ed arricchite con dati Anagrafiche qualificate e connesse ad aziende
proprietari innovativi valutazioni dedicate (esponenti e soci)
6
I muscoli dei nostri “big data”
Web Data
C
A Open Data o
c m
c p
u Dati proprietari l
r e
a s
c Dato ufficiale non s
camerale
y i
t
à
Dato ufficiale
camerale
7
Il motore di innovazione di Cerved
Big Data Technologies
Advanced Analytics e business
competence
Data Exploration e
Visualization
Web Data e analisi semantica
Piattaforme evolute di
visualizzazione, integrazione e
business analytics con primari
partner
SIC - Sistemi di informazioni creditizie
8
I progetti Big data
I progetti Big data e advanced analytics di Cerved
Dati catastali e del territorio
• Score immobiliare
• Score socio-economici geolocalizzati
• Stima del valore degli immobili (stima 2.0)
Open data
• Open Coesione
• Dati sulla PA
Web Data
• Web sites
• News da web
• Start-up innovative
Analisi dei grafi / relazioni
• Graph4You
10Dati catastali
Il dato catastale è disponibile sui nostri archivi e monitorato sulla maggior parte delle persone
giuridiche, sulle persone fisiche connesse (esponenti e soci) e sui privati consultati
55 % Fabbricati italiani 51 % Terreni italiani
Tipologia Consistenze
•Residenziali •Vani (abitazioni)
•Non residenziali •Metri quadrati
(terreni/pertinenze/uffici e
Rischio studi/fabbricati/magazzini)
•Metri Cubi (edifici pubblici)
Qualità Rendita
Abitazioni •Rendite (tutti gli immobili esclusi
•Lusso, civile, villini terreni)
Numero di vani residenziali •Economico •Reddito dominicale (terreni)
•Popolare, rurale •Reddito agrario (terreni)
Pertinenze residenziali
11Lo score immobiliare nei rapporti Cerved
Lo score immobiliare ed il rischio di credito
Lo score immobiliare fornisce un contributo significativo alla performance degli score di accettazione nel
segmento retail
81,7% 40,0%
35,0%
• L’assenza di proprietà immobiliari si 34,2%
bad - %
30,0%
accompagna a bad rates più elevati Bad Rate
25,0%
23,7%
Bad rate
• Man mano che lo score immobiliare registra 20,0%
indici di consistenza patrimoniale maggiori, si 15,0%
osservano tassi di insolvenza sempre più 12,8%
10,0%
bassi 8,9% 8,3% 5,8% 5,0%
1,2%
0,0%
6 - nessun 5 - patrimonio 4+3 - 1+2 proprietà
immobile limitato consistenza rilevanti
media
13Lo score immobiliare e la probabilità di recupero
Lo score immobiliare si è rivelato molto efficace anche per differenziare livelli di recovery rates
Recovery Rate Medio per classe Score Immobiliare
60,00%
1_ UTILITIES CESSATO
50,00%
2_ UTILITIES ATTIVO
40,00%
Recovery Rate
3_ TLC/SERVIZI CESSATO
30,00%
20,00%
10,00%
0,00%
1 - Elevata 2 - Ampia 3 - Buona 4 - Discreta 5 - Moderata 6 - Non
significativa
Classe di consistenza immobiliare
14Gli score socio-economici geolocalizzati
In presenza dell’indirizzo della persona è possibile incorporare nella valutazione del profilo di rischio delle
informazioni originali sulla micro-cella censuaria di residenza/domicilio
•Profilo socio-demografico dell’area
(fonte ISTAT):
• degrado sociale
• % disoccupati
• …..
• Grado di attrattività dell’area (fonte
OpenStreetMap):
• vicinanza ai mezzi di trasporto
• lunghezza percorsi pedonali
• …..
• Indici socio-economici dell’Area da
dati Cerved
• concentrazione soci/managers
• concentrazione industrie pesanti
• …….
15Score socio-economici ed il rischio di credito
Gli indicatori sui dati micro-censuari consentono di migliorare la predittività dei modelli di
accettazione nel segmento retail:
• Misurano le specificità del territorio a
livello molto analitico di cella censuaria
(360 mila)
• Integrati nei credit check consentono
di dare maggiore granularità alla + 7% di AR
valutazione e di aumentarne Decili griglia privati + Istat
l’accuratezza predittiva 25.00% 40.00%
35.00%
20.00%
30.00%
% impagato
15.00% 25.00%
20.00%
%
10.00% 15.00%
10.00%
5.00%
5.00%
0.00% 0.00%
1 2 3 4 5 6 7 8 9 10
16Open Coesione
• OpenCoesione è il portale sull'attuazione dei progetti finanziati dalle politiche di coesione economica
Cos’è: e sociale in Italia, volte a ridurre la disparità di sviluppo tra le regioni.
• maggior trasparenza, maggior partecipazione civica, monitoraggio fruibile a tutti maggior efficacia
Obiettivo: e maggior controllo degli interventi.
• Opendata, inerenti risorse, localizzazioni, ambiti tematici, soggetti coinvolti, tempi di realizzazione e
Struttura: pagamenti dei singoli progetti.
• Aggiornamenti bimestrali (ultimo aggiornamento al 30 aprile 2016)
• Fondi Strutturali Europei (FSE); Fondi per lo Sviluppo e la Coesione (FSC); Piano d’azione della
Fondi: coesione (PAC).
• ogni progetto è finanziato da un soggetto programmatore ed è destinato ad uno o più soggetti
Progetti / attuatori, gli effettivi beneficiari del contributo finanziario.
• Un soggetto può essere programmatore e/o attuatore di più progetti.
Soggetti: • Solitamente un progetto ha un solo programmatore e un solo attuatore.
17Il progetto Cerved su Open Coesione
Matching dati Open Coesione con banca dati Cerved
809 615 69.9 mld € 86.5 mila € 46.76%
% di
finanziamento Finanziamento
PROGETTI pagamento
Pubblico medio
pubblico
Tipologia soggetto # % •Matching evoluto
Attuatore soggetti soggetti •Risoluzione manuale
•Accorpamento
Imprese 50,433 59.5% 35%
Enti 3,030 3.6%
Organi statali, pubblici 16,449 19.4%
Privati 14,791 17.5%
65%
Totale 84,703 100.0%
Match con Codice
Dati al 30/06/2014 Fiscale o Partita Iva
18Il progetto Cerved su Open Coesione
Le imprese che hanno avuto accesso ai finanziamenti presentano tassi di sopravvivenza maggiori nel
medio-lungo termine
•Analizzando le imprese con Confronto Tassi di Insolvenza per natura del progetto finanziato
12.0% 60.0%
caratteristiche simili alla data del 11.4%
finanziamento del progetto 11.0% 50.0%
(forma giuridica, settore, area 10.0%
40.0%
9.0%
geografica, dimensione, classe 9.0% % Soggetti (possibili più
30.0% progetti)
di rischio) si osserva un tasso di 8.0%
7.8%
Sì Finanziamento OC
insolvenza da 3 a 6 anni dopo 20.0%
7.0%
l’avvio del progetto fortemente 7.0% 7.0%
No Finanziamento OC
6.0% 10.0%
differenziato 6.3%
5.0% 0.0%
• Le imprese finanziate sono 1. Inclusione sociale, 2. Investimenti,
formazione beni, servizi, opere
3. Ricerca e
innovazione
connotate da tassi di insolvenza pubbliche
più bassi
19Open Coesione nei rapporti Cerved
I Web Data ‘catturati’ da Cerved
21Web Sites e rischio di credito
Le informazioni dei siti Web sono utili per arricchire il profilo di valutazione del rischio di credito delle
imprese
Correlazione tra grado di innovazione della tecnologia
del sito web e profilo di rischio
• Sono stati censiti i dati sulla
tecnologia del sito, il grado di Delta % rischio rispetto al rischio medio di classe
80%
aggiornamento del sito, le lingue in cui
60%
è tradotto, il numero di pagine e 40%
l’articolazione, …. 20% Obsoleta
0% Normale
• Chi adotta una tecnologia innovativa -20% Sicurezza Vulnerabilità Rischio Rischio Totale Aggiornata
Elevato
ha un rischio di default fino all’80% -40% Innovativa
-60%
inferiore -80%
-100%
22News
Self-Published External-Published Fonte:
(Ciò che il soggetto dice di sè) (Ciò che è pubblicato da altri)
X1: 50K News/Mese (Italia)
Company News
6K Fonti News di Settore X2: 1,6M News/Mese (Italia)
con Tassonomia
Enti Locali 8K Fonti
IDG Internet Data Gathering
10K Fonti
Impatto:
Governo e
Istituzioni Innovation &
1K Fonti Complexity
Rassegna
Stampa
Top Industry News
2K Fonti
21K Fonti
Arricchimento Cerved
tramite associazione
170K dell'identificativo univoco
Blogs di società ed esponente a
Flat
ciascuno dei soggetti
citati:
23Start-up e PMI innovative dai Web Data
L’analisi utilizza il set
informativo estratto
dai siti Web
aziendali e tecniche
di machine learning
& analisi semantica
per identificare
cluster di imprese
simili a quelle
“ufficialmente”
innovative
Fonte: La Repubblica – Affari & Finanza (14 novembre 2016):
“Il Cerved scova 10 mila PMI Innovative”
24Atoka – la piattaforma di navigazione
25Graph4You: the italian business network
La nuova piattaforma per esplorare le relazioni tra soggetti presenti nel database Cerved
Innovativa
1 La sua struttura a grafo permette di identificare e
approfondire facilmente le relazioni tra i soggetti
Ogni nodo del grafo identifica un soggetto (Società,
Persona, Ente, Impresa Non Iscritta, ecc…)
2 Completa
Non solo connessioni ma anche info di dettaglio
su ciascun soggetto (es. Ateco, Fatturato,
dipendenti..)
Integrabile
3
Può essere facilmente integrata nei sistemi
gestionali del cliente, per permetterne un utilizzo
ottimale
26Puoi anche leggere
