I Big Data di Cerved su imprese e individui

Credit Council

Verona, 16 novembre 2016

Natalia Leonardi, Head of Centrale dei Bilanci

2

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

3

Cerved: ”data driven company”

CREDIT INFORMATION

Tutelarsi dal rischio di credito

MARKETING SOLUTIONS

Crescere con nuove opportunità di business

CREDIT MANAGEMENT

Gestire e recuperare i crediti in sofferenza

353 milioni Euro (2015) Ricavi

34,000 Clienti

40 milioni Euro Investimenti/anno dati e tecnologia

4

Cerved: elementi essenziali

Dati Un database di 800 TB in

crescita continua, 17 dei

primi 30 database più diffusi

in produzione

Algoritmi Più di 2000 business rules

attive che generano oltre

600 milioni di eventi di

monitoraggio l’anno

Persone Più di 2000 persone, di cui

350 sviluppatori software e

300 analisti

I nostri big data Il motore dell’innovazione Cerved

6

Lo scheletro dei nostri “big data”

6 milioni di aziende attive Informazioni e valutazioni

strutturate ed arricchite con dati

proprietari innovativi

1,4 milioni di attività economiche non iscritte

Anagrafiche qualificate e

valutazioni dedicate

Oltre 8 milioni di persone attive

connesse ad aziende

(esponenti e soci)

7

I muscoli dei nostri “big data”

Web Data

Open Data

Dati proprietari

Dato ufficiale non camerale

Dato ufficiale camerale

A

c

c

u

r

a

c

y

C

o

m

p

l

e

s

s

i

t

à

8

Big Data Technologies

Advanced Analytics e business competence

Data Exploration e Visualization

Piattaforme evolute di visualizzazione, integrazione e business analytics con primari partner

Il motore di innovazione di Cerved

Web Data e analisi semantica

SIC - Sistemi di informazioni creditizie

I progetti Big data

10

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

Analisi dei grafi / relazioni

• Graph4You

Web Data

• Web sites • News da web • Start-up innovative

11

Dati 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

Tipologia

•Residenziali

•Non residenziali

Qualità

Abitazioni

•Lusso, civile, villini

•Economico

•Popolare, rurale Pertinenze residenziali

Consistenze •Vani (abitazioni)

•Metri quadrati

(terreni/pertinenze/uffici e

studi/fabbricati/magazzini)

•Metri Cubi (edifici pubblici)

Rendita •Rendite (tutti gli immobili esclusi

terreni)

•Reddito dominicale (terreni)

•Reddito agrario (terreni)

Rischio

Numero di vani residenziali

Fabbricati italiani Terreni italiani 51 % 55 %

Lo score immobiliare nei rapporti Cerved

13

Lo score immobiliare ed il rischio di credito Lo score immobiliare fornisce un contributo significativo alla performance degli score di accettazione nel

segmento retail

• L’assenza di proprietà immobiliari si accompagna a bad rates più elevati

• Man mano che lo score immobiliare registra indici di consistenza patrimoniale maggiori, si osservano tassi di insolvenza sempre più bassi

81,7%

8,9% 8,3%1,2%

34,2%

23,7%

12,8%

5,8%

0,0%

5,0%

10,0%

15,0%

20,0%

25,0%

30,0%

35,0%

40,0%

6 - nessun immobile

5 - patrimonio limitato

4+3 -consistenza

media

1+2 proprietà rilevanti

Bad

rat

e

bad - %

Bad Rate

14

Lo score immobiliare si è rivelato molto efficace anche per differenziare livelli di recovery rates

0,00%

10,00%

20,00%

30,00%

40,00%

50,00%

60,00%

1 - Elevata 2 - Ampia 3 - Buona 4 - Discreta 5 - Moderata 6 - Non significativa

Re

cove

ry R

ate

Classe di consistenza immobiliare

Recovery Rate Medio per classe Score Immobiliare

1_ UTILITIES CESSATO

2_ UTILITIES ATTIVO

3_ TLC/SERVIZI CESSATO

Lo score immobiliare e la probabilità di recupero

15

Gli 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

• …….

16

Score 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 valutazione e di aumentarne l’accuratezza predittiva

0.00%

5.00%

10.00%

15.00%

20.00%

25.00%

30.00%

35.00%

40.00%

0.00%

5.00%

10.00%

15.00%

20.00%

25.00%

1 2 3 4 5 6 7 8 9 10

% im

pag

ato

%

Decili griglia privati + Istat

+ 7% di AR

17

Open Coesione

• OpenCoesione è il portale sull'attuazione dei progetti finanziati dalle politiche di coesione economica e sociale in Italia, volte a ridurre la disparità di sviluppo tra le regioni. Cos’è:

• maggior trasparenza, maggior partecipazione civica, monitoraggio fruibile a tutti maggior efficacia e maggior controllo degli interventi. Obiettivo:

• Opendata, inerenti risorse, localizzazioni, ambiti tematici, soggetti coinvolti, tempi di realizzazione e pagamenti dei singoli progetti.

• Aggiornamenti bimestrali (ultimo aggiornamento al 30 aprile 2016) Struttura:

• Fondi Strutturali Europei (FSE); Fondi per lo Sviluppo e la Coesione (FSC); Piano d’azione della coesione (PAC). Fondi:

• ogni progetto è finanziato da un soggetto programmatore ed è destinato ad uno o più soggetti attuatori, gli effettivi beneficiari del contributo finanziario.

• Un soggetto può essere programmatore e/o attuatore di più progetti.

• Solitamente un progetto ha un solo programmatore e un solo attuatore.

Progetti / Soggetti:

18

Il progetto Cerved su Open Coesione

Dati al 30/06/2014

65%

35%

•Matching evoluto •Risoluzione manuale •Accorpamento

Match con Codice Fiscale o Partita Iva

Matching dati Open Coesione con banca dati Cerved

Tipologia soggetto Attuatore

# soggetti

% soggetti

Imprese 50,433 59.5%

Enti 3,030 3.6%

Organi statali, pubblici 16,449 19.4%

Privati 14,791 17.5%

Totale 84,703 100.0%

809 615

PROGETTI

69.9 mld €

finanziamento Pubblico

86.5 mila €

Finanziamento medio

46.76%

% di pagamento

pubblico

19

Le imprese che hanno avuto accesso ai finanziamenti presentano tassi di sopravvivenza maggiori nel medio-lungo termine

7.0%

6.3%

7.0%

7.8%

9.0%

11.4%

0.0%

10.0%

20.0%

30.0%

40.0%

50.0%

60.0%

5.0%

6.0%

7.0%

8.0%

9.0%

10.0%

11.0%

12.0%

1. Inclusione sociale, formazione

2. Investimenti, beni, servizi, opere

pubbliche

3. Ricerca e innovazione

Confronto Tassi di Insolvenza per natura del progetto finanziato

% Soggetti (possibili più

progetti)

Sì Finanziamento OC

No Finanziamento OC

•Analizzando le imprese con

caratteristiche simili alla data del

finanziamento del progetto

(forma giuridica, settore, area

geografica, dimensione, classe

di rischio) si osserva un tasso di

insolvenza da 3 a 6 anni dopo

l’avvio del progetto fortemente

differenziato

• Le imprese finanziate sono

connotate da tassi di insolvenza

più bassi

Il progetto Cerved su Open Coesione

Open Coesione nei rapporti Cerved

21

I Web Data ‘catturati’ da Cerved

22

Web Sites e rischio di credito

-100%

-80%

-60%

-40%

-20%

0%

20%

40%

60%

80%

Sicurezza Vulnerabilità Rischio Rischio Elevato

Totale

Delta % rischio rispetto al rischio medio di classe

Obsoleta

Normale

Aggiornata

Innovativa

• Sono stati censiti i dati sulla

tecnologia del sito, il grado di

aggiornamento del sito, le lingue in cui

è tradotto, il numero di pagine e

l’articolazione, ….

• Chi adotta una tecnologia innovativa

ha un rischio di default fino all’80%

inferiore

Correlazione tra grado di innovazione della tecnologia

del sito web e profilo di rischio

Le informazioni dei siti Web sono utili per arricchire il profilo di valutazione del rischio di credito delle imprese

23

News

X1: 50K News/Mese (Italia)

IDG Internet Data Gathering

Self-Published (Ciò che il soggetto dice di sè)

co

n T

as

so

no

mia

Enti Locali

10K Fonti

External-Published (Ciò che è pubblicato da altri)

Fla

t

X2: 1,6M News/Mese (Italia)

Fonte:

Company News

6K Fonti

Governo e

Istituzioni

1K Fonti Rassegna

Stampa

2K Fonti

News di Settore

8K Fonti

170K

Blogs

Innovation &

Complexity

Impatto:

Top Industry News

21K Fonti

Arricchimento Cerved

tramite associazione

dell'identificativo univoco

di società ed esponente a

ciascuno dei soggetti

citati:

24

Start-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”

25

Atoka – la piattaforma di navigazione

26

Graph4You: the italian business network

La nuova piattaforma per esplorare le relazioni tra soggetti presenti nel database Cerved

Ogni nodo del grafo identifica un soggetto (Società, Persona, Ente, Impresa Non Iscritta, ecc…)

Innovativa

La sua struttura a grafo permette di identificare e

approfondire facilmente le relazioni tra i soggetti

Completa

Non solo connessioni ma anche info di dettaglio

su ciascun soggetto (es. Ateco, Fatturato,

dipendenti..)

2

Integrabile

Può essere facilmente integrata nei sistemi

gestionali del cliente, per permetterne un utilizzo

ottimale

3

1