Presentazione standard di PowerPoint · 2019-07-02 · garantire al cliente la massima...

Confidifuturo 2019Digital Trust e Business Intelligence per l’innovazione

www.sixtema.itCopyright © Sixtema S.p.A. – vietata la copia e la riproduzione con ogni mezzoConfidifuturo 2019

Agenda

10.00 - "Sixtema per la digital transformation del Credit Management.

Un anno di impegni"

Claudio Scaramelli - General Manager - SIXTEMA Spa

10.15 - "Evoluzione digitale: nuove opportunità per i Confidi"

Gianmarco Dotta - Presidente ASSOCONFIDI

10.30 - "La costruzione di una partnership: migrazione ed adattamento

alle esigenze del cliente"

Simone Schiavon - Risk Manager COFIDIVENEZIANO

10.35 - "Le integrazioni Api Key Sixtema applicate in Consorzio Veneto

Garanzie"

Andrea Martin - Ufficio IT - CONSORZIO VENETO GARANZIE

10.40- "Evoluzione della Digital Identity nel financial sector"

Gianluca Gennarelli - Product Marketing Manager - INFOCERT

10.55 - "A world of data Come valutare le controparti"

Matteo Gatti - Direttore Servizi Business Information – INNOLVA

11.30 - "I dati contenuti nel flusso di ritorno della Centrale dei Rischi:

opportunità per le funzioni aziendali"

Cristina Pulvirenti - Consulting & Delivery Manager - SWING

11.45 - "La Business Intelligence di Sixtema.Credito e la App Mobile per il

Credito"

Maurizio Foglia - Resp. SIXTEMA Lab

12.00- "Il modulo Business Intelligence Sixtema applicato in Uni.Co"

Fabio D'Erasmo - Project Manager UNI.CO.

12.15 - "Business inteligence per i Confidi: il monitoring dei rischi di credito"

Riccardo Tedeschi - Head of pricing unit and financial innovation -

PROMETEIA

12.30 - "Dopo la riforma del Fondo di Garanzia: prime riflessioni"

Alessandro Castiglioni - Amministratore delegato PROMOZIONISERVIZI

12.45 - "Antiriciclaggio: un’evoluzione continua"

Francesco Motta - ALOSIS

Claudio ScaramelliGeneral Manager SIXTEMA Spa


«Sixtema per la digital transformation del Credit Management: Un anno di impegni»


4

Sixtema Spa è controllata all’80% da InfoCert (la maggiore Certification Authority europea) e al 20% da CNA. Fa parte delle società del Gruppo Tinexta

Al 31 Dicembre 2018 il Gruppo Tinexta conta 1294 dipendenti e presenta i seguenti risultati consolidati (in euro):

•Ricavi: €239,6 milioni (+ 32,4%)

•EBITDA: €66,0 milioni (+62,3%)

•EBITDA margin: 27,5% (rispetto al 22,4%)

•Utile netto: €33,1 milioni (+63,8%)

•Indebitamento finanziario netto: € 124,9 milioni

FONTE: https://www.tinexta.com/gruppo

Confidifuturo 2019

https://www.tinexta.com/gruppo

www.sixtema.itCopyright © Sixtema S.p.A. – vietata la copia e la riproduzione con ogni mezzo5

Sixtema produce e sviluppa soluzioni digitali in grado di

garantire al cliente la massima operatività, integrazione egestione dei processi. Sixtema è il partner tecnologico per

PMI, associazioni di categoria, Studi Professionali, Enti ed

Intermediari Finanziari.

E’composta da un team di 137 professionisti che, integrando

conoscenza delle norme e dei processi aziendali, propone almercato delle PMI un percorso di digital transformation dei

propri processi di lavoro, agevolando le dinamiche di

business e supportando tecnologicamente l'evoluzione delcliente.

137

DIPENDENTI

15,2

MILIONIFatturato nel 2018

5

AREEOPERATIVE

4

SEDIModena, Firenze,

Ancona, Roma

30

ESPERTISPECIALIZZATI

In consulenza per il mondo associativo

Sixtema: chi siamo

Confidifuturo 2019

www.sixtema.itCopyright © Sixtema S.p.A. – vietata la copia e la riproduzione con ogni mezzo

Customer Centricity

E’ IL CENTRO DELLA NOSTRAEVOLUZIONE ORGANIZZATIVA

6 Confidifuturo 2019

Sixtema: nuovo modello organizzativo

www.sixtema.itCopyright © Sixtema S.p.A. – vietata la copia e la riproduzione con ogni mezzo7Confidifuturo 2019

MISSION

Vogliamo essere lo strumento di supporto per portare vantaggi competitivi alla catena del valore dei nostri Clienti.

LE VOSTRE ESIGENZE DI BUSINESS, LE NOSTRE SOLUZIONI


Gli strumenti che abilitano la digital transformation

Esperti di processo

Esperti di normativa

Esperti nel design di soluzioni

La conoscenza a 360° di Sixtema-InfoCert permette di efficientare i processi di business aumentando i volumi del business stesso.

Efficienza Risparmio di tempo

Multicanalità delle operazioni

Alti livelli di risparmio e di

ROI

Operazioni da remoto

Nuovi mercati e

clienti

Riduzione delle frodi

Confidifuturo 2019


Sixtema.Credito: integrazione moduli

CRM per le funzionalità ed il reporting connesso ai sottoprocessi commerciali (campagne , budget, marketing operativo etc) e pianificazione e controllo

Processi di contrattualizzazione in modalità digitale realizzati, previa analisi di compliance e normativa, mediante l’integrazione nativa con la soluzioni Infocert: Trusted Onboarding Platform e GoSIgn, fondamentale per tutti le fasi di de-materializzazione

MODULI BUSINESS INTELLIGENCE: Elaborazioni complesse tipizzate, Sviluppo di cubi multidimensionali, Visualizzazione immediata e guidata di fenomeni informativi complessi ecc…..

Confidifuturo 2019


Sixtema.Credito: integrazione moduli

PANDORA:Integrazione contabilità, web Services – automazione scritture contabili

INTEGRAZIONI APP2APP via web services di informazioni andamentali da diversi provider.Integrazioni con Il FCG, Aiuti di Stato, sistema di gestione titoli.

APP MOBILEper smartphone e tablet, gli utenti di SixtemaCreditoportano con sé il complesso mondo del credito, in modo semplice e completo di tutte le funzionalità necessarie per l’amministrazione dei dati e le operatività del sistema.

Confidifuturo 2019


Business Intelligence per i Confidi: monitoring dei rischi di credito -

Prometeia

Digital Transformation - Infocert

Fondo Centrale di GaranziaPromozioni Servizi

Liste PEPNetech

IFSR9 Titoli –Crif/Prometeia

Integrazioni Anagrafiche e Bilanci -Innolva

Corporate Banking - Cedac

«A world of data Come valutare

le controparte» Innolva

Segnalazioni BI- CR- SwingAUI e GERIC - Alosis

N U O V I S E R V I Z I

Confidifuturo 2019


50

12

Sixtema.Credito: alcuni numeri

310

La soluzione ha un portafoglio clienti costituita da Confidi, da società di mediazione creditizia e da Finanziarie.

Progetti attivati negli ultimi 12 mesi :

2 confidi 106

2 finanziarie

1 progetto di fusione con 3 confidi

3 confidi 112

Di sui n. 6 confidi 106n. 30 confidi 112n. 9 Mediatori creditizin. 2 finanziarie regionali 106n. 3 finanziarie 111

n. 310 clienti con 1200 utenti attivatiPer i clienti Confidi la soluzioneè integrata nel gestionale.

Confidifuturo 2019


Sixtema.Credito: alcuni numeri

mld

Finanziamentideliberati

mld

Garanzieprestate

K

Pratichegestite

K

Soggetti (soci/clienti),imprese artigiane PMI,

professionisti

7,0 3,5 134 160

+22% rispetto al 2018


Gianmarco DottaPresidente ASSOCONFIDI


«Evoluzione digitale: nuove opportunità per i Confidi»


Simone SchiavonRisk Manager CONFIDIVENEZIANO


«La costruzione di una partnership: migrazione ed adattamento alle esigenze del cliente»


Andrea MartinCONSORZIO VENETO GARANZIE


«Le integrazioni Api Key Sixtema applicate in Consorzio Veneto Garanzie»


Cosa sono le Api Key

Interfaccia di accesso alle informazioni ed alle funzionalità di un programma

Permettono di evitare ridondanze di dati e inutili replicazioni di codice


PERCHE’ USARE LE API DI NC2

Usare il gestionale come unico repository dei dati aziendali

• soci del confidi• pratiche• documenti

Possibilità di sviluppare applicazioni ‘ad hoc’ per scopi specifici


DELIBERE VIEWER

Software per la presentazione di informazioni aggregate all’organo deliberante

• Dati anagrafici

• Pratica da deliberare

• Bilanci ed esposizione aziendale

• Analisi istruttoria


DELIBERE VIEWER


Gianluca GennarelliInfoCert


«L’evoluzione della Digital Identity nel Financial Sector»


InfoCert, as a leading Qualified Trust Service Provider, developed a strategy to build-up the first pan-European QTSP with solid institutional roots and huge focus on European markets and regulatorycompliance, aiming to create a Digital Champion in the Trust Services market

Technical SupportManagement

GDPR CompliantServices

Cross-BorderDelivery

Data Centerslocated in Europe

THE FIRST PAN-EUROPEAN QUALIFIED TRUST SERVICES PROVIDER (QTSP)

22


COMPANY SNAPSHOT

9Offices

(1 in Latam)

500Employees

90 MLNTurnover

17Patents

€

InfoCert’s Revenues Trend - M€

32 41 47 5270

2012 2013 2014 2015 2016 2017

79

2018

EBITDA CAGR: 24%

COMPANY SNAPSHOT

23


OUTSOURCE THE LIABILITY OF YOUR PROCESSES

Full LegalLiability

Trusted Identification

Strongcustomer

authentication

Willingness to

transact

Validation &

Preservation

Secure Transactions

QTSP

eIDAS

24


OUR DIGITAL TRUST, YOUR BUSINESS VALUE

A New Trend:

DIGITAL IDENTITY AS A VALUE DRIVER

25


CHALLANGES SNAPSHOT IN FINANCIAL SECTOR

26


CHALLANGES SNAPSHOT IN FINANCIAL SECTOR

27


THE EVOLUTION OF DIGITAL IDENTITY IN FINANCIAL SERVICES

TIME

VA

LUE

CREA

TION

KYC

TRUSTED DIGITAL IDENTITY

DCIM(Digital Customer Identity Management)

WAKOC(We already know your Customers)

Remote KYC

28


TRUSTED ONBOARDING PLATFORM (TOP)

Trusted Onboarding Platform™ (TOP) is InfoCert’s

solution for customer identification and digital

subscription of contracts.

TOP enables easy and smart integration of e-

signature processes within existing systems,

enhancing the user experience and speeding up the

customer journey.

29


TOP MODULES

TOP is a modular platform, comprising building blocks ready to be configured according to customer’srequirements. Components, that can be mandatory or optional for a specific process, are coherently set in aunique technological framework, a consistent data model, a complete auditing of all compliance related events,and a single set of APIs to guarantee an effective adoption path in every business environment.

Presentation &

Enrollment

Identity

assertion

Identity

proofing

Identity

corroboration

Execution eDelivery

system

Long term

preservation

Document

composition

Identification Signature Services

Audit Framework

30


DIGITAL CUSTOMER IDENTITY MANAGEMENT (DCIM)

«With customer interactions now spanning physical, online, social and mobile channels, banks urgently need new capabilities that will enable seamless, holistic and robust identity recognition over time, and across all encounters»

IT ADVISOR, The future of identity in banking, 2018

«The objective of Digital Customer Identity Management (DCIM) should be to transition from "transactions" to facilitating "interactions" that can offer greater convenience»

T ADVISOR, Fahad Kabir, 2018

31


DIGITAL CUSTOMER IDENTITY MANAGEMENT (DCIM)

KYC / PROFILE / CONSUMPTION NEEDS /

BEHAVIOUR

I KNOW WHAT YOU WANTI KNOW YOU

32


DCIM LIFECICLE: TRUST SERVICES AS ENABLING FACTORS

33

IDENTIFICATION

AUTHENTICATION

SIGNATURE SHARING

NOTIFICATION

ARCHIVING

DCIM


Matteo GattiDir. Servizi Business Information INNOLVA


«A world of data: Come valutare le controparti»


> 2.268.000.000Datapoint ufficialmente disponibili sulle imprese italiane


Il mercato Italiano

Il mercato delle imprese in Italia è costituito da

5.5 milioni di imprese attive

attorno a cui ruotano circa

10 milioni di esponenti e soci

che si muovono nel contesto socioeconomico e lasciano tracce

La lettura coerente di queste tracce consente di valutare l’appetibilità di un soggetto


Il dato economico finanziario non è necessariamente rappresentativo

di come effettivamente un soggetto opera sul mercato,

e se lo fa in modo sostenibile

I cambiamenti nel metodo di valutazione

Le informazioni economico-finanziarie giungono agli istituti con un considerevole

ritardo rispetto al momento in cui un soggetto accede al credito

Esistono moltissime fonti dati anche ufficiali alternative al dato di tipo

economico finanziario da utilizzare per la valutazione

La riduzione nei tempi di concessione di finanziamenti e la necessità di segnali tempestivi

di utilizzare modelli di valutazione che consentano di valutare il rischio in maniera efficace e tempestiva

(scegliendo meglio i clienti?)

La tecnologia ci spinge verso l’utilizzo di modelli di intelligenza artificiale, in grado

di interpretare grandi quantità di dati in tempi ridotti e di classificare i

comportamenti dei soggetti

Criteri di valutazione delle controparti


PMI: dati a disposizione

SoggettoDati «open»

Ogni soggetto emette segnali che vengono memorizzati e si traducono nelle molteplici fonte dati che oggi ogni operatore ha per valutare una

controparte

La verità su quel soggetto non è più una ma l’insieme delle molteplici verità che ciascuna fonte dati porta con sé, rispetto al contesto in cui

opera e intrattiene relazioni

La capacità di sostenersi nel tempo non è più correttamente misurabile leggendo un set limitato di dati, ma sempre più figlia

di un’analisi multidimensionale non strettamente quantitativa

E’ necessario dotarsi di dati, modelli e strumenti per interpretare correttamente tutte le variabili rilevanti e trasformare i segnali

in informazione utile a valutare correttamente le controparti


L’uso di dati non strutturati

Dall’analisi Istat emerge che

• 15% delle imprese utilizza il web come canale per la vendita di prodotti

• 20% pubblica offerte di lavoro online

• 40% circa ha un link a social media sul sito

Ogni soggetto lascia nel web tracce digitali utilizzabili pervalutare o raccogliere segnali integrativi.Tipo di segnali:

• diretto (recensioni, informazioni su unità locali, coerenza tradato sul sito e dato ufficiale)

• indiretto (frequenza d’aggiornamento delle informazioni sulsito, traffico, interazioni sui social)

• di contesto (es. movimentazioni dei mercati)

Gli aspetti critici:

• verifica dell’identità dei soggetti: come attribuire leinformazioni web al soggetto corretto

• eliminazione dei «bias» legati alle valutazioni ricorrenti

• integrazione con il dato ufficiale per evitare fenomenidistorsivi

• identificazione del set rilevante

https://www.istat.it/it/archivio/216629

https://www.istat.it/it/archivio/216629


Costruzione di uno score digitale: case study

Innolva ha condotto uno studio su un campione di 170.000 imprese finalizzato a costruire un modello di machine learning che tenesse conto di 1750 possibili variabili, tra cui quella denominata Digital Footprint Score

Digital Footprint Score è un indicatore che misura la corrispondenza tra le informazioni presenti sul sito dell’impresa e quelle ufficialmente disponibili presso le fonti pubbliche.

Digital Footprint Score si è inserito al 17esimo posto tra 1750 variabili prese in considerazione e ha migliorato significativamente la predittività del default compensando la carenza di altri indicatori (es. mancanza di dati di bilancio o dati di bilancio inconsistenti).

Le recensioni degli utenti, invece, in termini assoluti non si sono rivelate predittive, mentre lo diventano in caso di cambiamenti repentini nel trend della valutazione media.


Anche il dato ufficiale ha qualcosa da dire

È possibile esplorare la predittività di indicatori ufficiali «non standard» per analizzare le tracce che l’impresa lascia sul mercato

I dati delle unità locali e degli addettiAd esempio, il fatturato per dipendente al di sotto della soglia dei 150k,fino a 15k comporta un progressivo incremento della rischiositàdell’impresa a 12 mesi (dal 20% in più rispetto alla media, fino al 100% inpiù)


Un caso reale

Apre il sito web

DATO WEB

2013 2014

Iniziano le valutazioni

negative, che diventano sempre

più frequenti2017

Si riduceil numero addetti

2017 2017

Si riduce ancora

il numero addetti

Si apreil fallimento

2017

Nomina del curatore

Il locale cambia gestione

2018

Stampa

2017

Fallimento ristorante xxx

Dato Ufficiale

1985

Fondazione ristorante

xxx

2017

Comparsa di ritagli stampa negativi


Dall’acquisizione al controllo del rischio

Un processo frictionless

• Aderire a modelli alimentati da dati disponibili sin dall’acquisizione del cliente e chenon ne guardino solo gli aspetti negativi o di rischio è possibile e sempre piùnecessario

• La fase di onboarding del cliente e lo scouting sul mercato è possibile utilizzando dati emodelli che consentano agli istituti bancari di effettuare, sin dal primo contatto, lavalutazione del soggetto non più volta esclusivamente ai fattori di rischio

• L’adozione di modelli di machine learning e di dati con frequenze di aggiornamentosuperiori rispetto alle fonti utilizzate dai modelli tradizionali consente di monitorarevariazioni nel profilo di rischio (o appetibilità) del cliente in tempo quasi reale

2019Cosa succede ogni minuto

su internet


A world of alternative data

NON SOLO RATING TRADIZIONALEL’appetibilità di un cliente, sia in termini di rischio che di crescita potenziale, non è descritta solo dai parametri utilizzati daimodelli di rating tradizionale

NUOVI DATI PER NUOVI MODELLIL’utilizzo di molteplici fonti dati alternative o integrative rispetto ai dati di negatività, centrale rischi o dati economicofinanziari consente di costruire modelli più robusti e meglio performanti

VERSO L’INTEGRAZIONELe fonti dati non strutturate, opportunamente integrate con visioni trasversali dei milioni di datapoint offerti dai dati ufficialiconsentono di capire come il soggetto si muove rispetto al contesto socioeconomico in cui opera (in ottica di «sistema» enon più di singola valutazione puntuale)

MACHINE LEARNING E ARTIFICIAL INTELLIGENCEI modelli di machine learning e l’intelligenza artificiale a supporto delle valutazioni consentono di pesarecontemporaneamente moltissime variabili e migliorare la performance di risk pricing


Cristina PulvirentiConsulting & Delivery Manager - SWING


«I dati contenuti nel flusso di ritorno della Centrale Rischi:opportunità per le funzioni aziendali»


46Confidifuturo 2019

I dati contenuti nel flusso di ritorno della Centrale Rischi:opportunità per le funzioni aziendali



Esigenza

Richiesta dell’organo di vigilanza di sfruttare le informazioni della Centrale Rischi;

Difficoltà ad effettuare analisi sui singoli soggetti in presenza di portafogli di clientela numerosi;

Difficoltà di avere una vista ‘complessiva’ della qualità dei clienti;

Difficoltà di individuare i soggetti che di mese in mese presentano un peggioramento in CR




•Sfruttamento dei dati di andata della Centrale Rischi di TUTTI i clienti (anche sottosoglia)

•Confronto con i dati del flusso di ritorno

•Predisposizione di una griglia gestita dagli utenti

•Predisposizione di liste per tipologia di anomalia

•Aggiornamento quotidiano delle informazioni

•Possibilità di utilizzare le informazioni diverse dagli importi (status sofferenze,regolarizzazioni)

•Potenzialità di sfruttamento di tutte le informazioni presenti nella base dati CR




I dati contenuti nel flusso di ritorno della Centrale Rischi: opportunità per le funzioni aziendali



•E’ una soluzione non legata al sistema di segnalazione utilizzato

•E’ possibile ricevere le informazioni anche sui soggetti sottosoglia grazie al ‘Servizio di prima informazione periodica’ che BI rende disponibile

•Le informazioni sono riaggiornate quotidianamente in base alla messaggistica Cr ricevuta

• E’ flessibile sia nella definizione degli indicatori che dei reticoli e delle liste




Grazie per l’attenzione



Maurizio FogliaResp. SIXTEMA LAB


«La Business Intelligence di Sixtema.Creditoe la App Mobile per il Credito»


- MW Sixtema.Middleware

- MW DB: db del middleware,

eventualmente aumentato con le

informazioni necessarie per il mobile

- MW API: strato API per estrazione e

manipolazione dati dal DB

middleware; restituisce dati JSON,

come solo dati o dati+metadati

- CUSTOM LOGIC: logica custom

business in aggiunta a quella base di

MW API

- MW CMP: componente, usato dalla

webapp, con logica di presentazione e

comunicazione con MW API

- Interazione tramite web services

REST

API Middleware architettura

Restituisce diversi tipi di

dato:

● JSON, solo dati

● JSON, dati+metadati:

● Permessi (create, read,

update, and delete

(CRUD)) sulle entità

● autenticazione

● Livelli di autorizzazione

● Livelli di visibilità

API Middleware consente sviluppi applicativi integrati (web, mobile etc) tramite web service REST, sia a Sixtema che ai partners , che ai clienti stessi o ai loro fornitori, mantenendo i livelli di sicurezza, permesso, autorizzazione, visibilità definiti nell’applicazione principale


- MW BI consente di progettare e gestire plurimi

Datawarehouse (DW) con una semplice gestione integrata ,

che consente comunque livelli elevati di ETL

- Le entità sono DW sono registrate in un DB relazionale

parallelo e diverso da quello gestionale, evitando così

concorrenza sui dati e problemi di prestazioni

- I DW sono elaborati con frequenze temporali pre-definite , ma

possono essere anche alimentati in tempo reale

- Le rappresentazioni dei dati ( Reports, Monitor etc) sono

progettabili e gestibili con una semplice interfaccia, che

consente di definire il dettaglio, i livelli di aggregazione, di

filtro, di analisi comparata etc

Business Intelligence di Sixtema.Credito (MW-BI)

Confidifuturo 2019


- Dato un singolo DW è possibile

progettare ed eseguire uno o più

report sul medesimo DW

- I DW rimangono disponibili e

storicizzati su cicli temporali

definiti, consentendo analisi e

reports su periodi temporali

precedenti


Confidifuturo 2019


- Esempi di

rappresentazioni in forma

di monitor e di reports

- I risultati elaborativi sono

estraibili in formato Excel,

Csv, Json

- tramite API-Middleware i

dati ed i processi

elaborativi possono

essere condivisi su

contesti esterni ed

integrati (web e mobile)

tramite web services REST


Confidifuturo 2019


- Esempi di rappresentazioni in

forma di monitor e di reports

- I risultati elaborativi sono

estraibili in formato Excel,

Csv, Json

- tramite API-Middleware i dati

ed i processi elaborativi

possono essere condivisi su

contesti esterni ed integrati

(web e mobile) tramite web

services REST


Confidifuturo 2019



- Data Analytics, ML-Machine Learning

- Le attività di sviluppo in Sixtema Lab per

l’evoluzione del modulo MW-BI, prevedono

attività e progetti di integrazione con

alcune importanti piattaforme di Data

Analytics,

Confidifuturo 2019


Sixtema.Credito.Mobile

• Sixtema.Credito.Mobile rappresenta una nuova soluzione che rende disponibili tutte le funzionalità dell’applicazione WEB Sixtema.Credito nel contesto delle piattaforme Mobile.

• Android

• iOS

• PWA Progressive Web App

• La soluzione è interamente basata su API-Middleware



• In Sixtema Mobile, ogni utente che accede avrà una gestione applicativa diversa, a partire dal menù di ingresso, in relazione al gruppo / funzione di appartenenza, valgono i medesimi livelli di permessi, autorizzazione, visibilità definiti in Sixtema.Credito

• Nel prototipo che presentiamo abbiamo3 tipologie di utenti, con diversi menù e funzionalità

• Rete vendita (area commerciale)

• Direzione

• Cliente


• Ricerche sulle entità (Clienti/Pratiche etc)

• Ricerche all’interno dei dati estratti

• Evidenza dei dati non modificabili, in relazione

ai permessi dell’utente

• I dati sono esposti con gli stessi valori tabellari

dell’applicazione principale

• anche nel caso di tabelle con numerose

istanze (Comuni,Banche etc) in tal caso

ricerca

• I controlli applicativi sono i medesimi

dell’applicazione principale

ALCUNE FUNZIONALITA’ AGGIUNTIVE



Per approfondimenti sulle componenti Mobile, BI di Sixtema.Creditoinfo: [email protected]



Fabio D’ErasmoProject Manager UNI.CO.


«Il modulo Business Intelligence Sixtemaapplicato in Uni.Co.»



UNI.CO. È IL RISULTATO FINALE DI UN PERCORSO FATTO DI 3 STEP

• 1 gennaio 2017: fusione della Cooperativa Rabini e del Confidi Fermo nella SocietàRegionale di Garanzia Marche

• 1 luglio 2018: fusione di Fidimpresa Marche e di Cooperativa Pierucci nella SocietàRegionale di Garanzia Marche

• 8 marzo 2019: l’Assemblea Generale dei Soci ha deliberato il cambio del nome dellaSocietà Regionale di Garanzia Marche in UNI.CO.



PROCESSO DEL CREDITO

PROCESSO COMMERCIALE

PROCESSO DI PIANIFICAZIONE E

CONTROLLO

ADVISOR

UNI.CO. : Revisione dei principali processi aziendali



la Business Intelligence utilizza la statistica descrittiva con dati ad alta densitàdi informazione per misurare fenomeni e fatti gestionali, utilizza datawarehouse limitati: dati puliti e modelli semplici per scoprire cosa è successo eperché è successo.

La Data Analytics si avvale della statistica inferenziale e di metodi diidentificazione di sistemi non lineari per dedurre modelli, rivelare rapporti edipendenze ed effettuare previsioni di risultati e comportamenti, utilizzandodataset eterogenei

UNI.CO. : Business Intelligence & Data Analytics



Il modello di Business Intelligence Sixtema applicato a UNI.CO.

1. MONITOR

2. CRM

3. REPORTING



1. Monitor:

1. Tracciabilità completa dell’iter pratica

2. Consapevolezza per ogni singolo utente delle attività organigrammatiche e funzionigrammatiche da svolgere

3. Consapevolezza dei vertici direzionali su andamento iter pratica in tempo reale




1. Monitor





1. Pianificazione commerciale TOP-DOWN

2. Integrazione totale del CRM in NC2→molto più che un semplice cruscotto contatti:

1. Creazione di campagne con destinatari targetizzati mediante ‘’report tipico’’

2. Gestione integrata della newsletter

3. Gestione integrata della funzionalità di invio mail massivo

4. Gestione integrata del servizio mail in NC2

5. Cruscotto contatti

2. CRM



2. CRM




1. Ingegnerizzazione del nuovo sistema di reporting

2. Creazione di data warehouse:1. Tutti gli utenti possono consultare il reporting

2. Ogni utente consulta i report secondo il proprio cono di visibilità dettato dal ruolo organigrammatico

3. Il DW è lo stesso per tutti ma cambiano i coni di visibilità

4. Solo il servizio di Project Management crea report, tutti gli altri utenti possono solo consultare

3. Creazione di report fondati sui DW: estrazione di dati e elaborazioni di informazioni

3. Reporting




3. Reporting

Ad oggi la sezione Reporting del progetto core conta 28 report ingegnerizzati e profilati




3. Reporting




DATA ANALYTICS

Integrazione di un Software per Data Analyticsin NC2 ci permetterà di elaborare i dati dei DW anche in funzione

predittiva, sfruttando tutte le potenzialità tipiche della Data Science

Software per Data Analytics



Riccardo TedeschiHead of pricing unit and financial

innovation PROMETEIA


«Business Intelligence per i Confidi: il monitoring del rischio»



Il rischio è una “brutta bestia”, perché è

immateriale e non si vede, né si sente.

Per poter gestire il rischio occorre sapere come

misurarlo, primo passo per poi imparare a governarlo.

Business Intelligence per i Confidi: il monitoring del rischio»



P resentare la piattaforma PYTHO-ECAP per il monitoring e la

gestione dei rischi di credito e d i suoi possibili utilizzi nel m o n d o

Confidi.

Obiettivo dell’incontro




Introduzione

La piattaforma PYTHO

Modulo ECAP: architetturae funzionalità

Work-flow e possibilimodelli di servizio



Introduzione







Introduzione: Il rischio credito di un Consorzio Fidi

Passivo

Attività finanziarie

(a FV o a CA)

Crediti per Garanzieescusse

Debiti verso banche

e fornitori

Il grosso del rischio credito di un Consorzio Fidi nasce dal portafoglio

di garanzie prestate ed è contabilizzato «fuori bilancio»

Fondi rischi su

Garanzie concesse

Patrimonio Netto

Cassa e liquidità

Portafoglio garanzieprestate

Altre Attività

Stato Patrimoniale

Fuori bilancio

(al netto delle garanzie riassicurate dal Fondo di Garanzia)

Conto Economico

Attivo + margine di interesse

+ commissioni nette

+/- risultato att. fin.

- rettifiche di valore

- spese ammin.

- imposte

= risultato di esercizio

Stato Patrimoniale



Perdita Inattesa

(Economic Capital)

In linea teorica le perdite attese sul portafoglio garanzie dovrebbero essere coperte mediante un corretto pricing (commissioni %) e gli accantonamenti al Fondo rischi su

garanzie concesse (e su crediti), mentre le perdite inattese sono coperte mediante il Patrimonio

Perdita Attesa

Value-at-Risk (VaR)

Stato PatrimonialePassivo

Attività finanziarie

(a FV o a CA)

Crediti per Garanzieescusse

Debiti verso banche

e fornitori

Fondi rischi su

Garanzie concesse

Patrimonio Netto

Cassa e liquidità

Portafoglio garanzieprestate

Altre Attività

Fuori bilancio

(al netto delle garanzie riassicurate dal Fondo di Garanzia)

Attivo

pe

rd

ite

su

cre

dit

i g

ar

an

titi

probabilità diperd it a




Potenziali utilizzi di un sistema di monitoring dei rischi di credito sul portafoglio garanzie

Valutazione dei rischi impliciti nel

portafoglio Garanzie Prestate e

nel portafoglio Crediti: corretto

dimensionamento del Fondo

rischi e del Patrimonio Netto.

Impostazione delle Politiche di

Concessione delle Garanzie ni m/l

termine e della c.d. “Risk Appetite

Framework” (RAF)

PIANIFICAZIONE STRATEGICA

Controllo periodico dei rischi (es. su

base trimestrale) e verifica di

rispetto dei limiti definiti dall’Alta

Direzione.

Eventuale attivazione di interventi correttivi

nelle politiche di allocazione settoriale o di

mitigazione dei rischi di concentrazione

settoriale o “single-name”

MONITORING DEI RISCHI

Possibilità di effettuare rapide “due-

diligence” di portafogli da cedere o da

acquisire, valutando l’impatto sul

portfoglio complessivo delle

garanzie concesse.

MERGERS & ACQUISITION




«Il contesto di riferimento»

LA SOLUZIONE AL PROBLEMA

Adozione di un approccio consortile per la ripartizione dei costi fissi

Fornitura da parte di Prometeia di una servizio di monitoring dei rischi finanziari associati al portafoglio garanzie mediante la piattaforma PYTHO-ECAP

UN POTENZIALE PROBLEMALa stima del capitale economico presuppone:

la capacità si elaborare scenari macro-economici e finanziari a livello di area territoriale / settore economico su un orizzonte pluriennale

la capacità di sviluppare e manutenere nel tempo modelli quantitativi complessi (monte-carlo simulation) per generare la distribuzione delle perdite di portafoglio

IL CONTESTO DI RIFERIMENTOLa maggior parte dei Confidi in Italia, non ha dimensioni tali da reggere in autonomia il costo di un team di economisti dedicato alle previsioni economiche e di un team di ingegneri finanziari specializzati nelle simulazioni credit risk per sui portafogli garanzie



Introduzione







Generazione scenari macroeconomici e finanziari

PYTHO nasce come strumento a supporto ed integrazione del processo di generazione degli scenari di previsione macroeconomici e finanziari.

Gli scenari di previsione rappresentano la c.d. «best-estimate», la realizzazione considerata più probabile delle variabili macro/finanziarie.

Intorno a questi scenari, la simulazione stocastica permette di costruire scenari che rappresentano possibili realizzazioni «alternative», caratterizzate da probabilità di accadimento che vanno diminuendo man mano che ci si allontana dal path previsivo. Tali distribuzioni rappresentano il grado d’incertezza associato alla previsione.

Path«Best estimate»

Distribuzione delle possibili realizzazioni

Serie storica



92

«PYTHO: La struttura relazionale «as-is» dei modelli macro-finanziari»

In PYTHO le variabili sono organizzate in modelli indipedenti. Ogni modello è caratterizzato da un insieme di variabili endogene (di output), che

sono definite dall’insieme di equazioni che costituiscono il modello, e da un insieme di variabili esogene (di input) che il modello assume come

«esterne».

all

rig

hts

rese

rved

•SWAP Interest Rate Term Str.

•Sovereign Interest Rate Term

Structure

• Equity Index

• House Price Index

• Banking variables

• GDP/Output Gap

• INFL

• ST Interest Rate

• …..

• PD (fam. cons., SNF, SF, PA..)

• LGD (residential, financial…)

• GDP, Unempl.

• INFL

• S T interest rates

• ….

• Consumption, investment, public

expenditure, export, import

• GDP

• INFL

• Exchange Rates

• Unemployment

• …..

• Oil Price

• Non-producer countries GDP

• Oil price supply/demand factors

• Output Gap Model

• Output gap

• GDP trend

• GDP

PD/LGD Model

PYTHO

Capital market Model/

IBRAM/ Modelli tassi

Output Gap model (Italy, EMU, USA)

Oil price model

Macro Model (Italy)

Variabili e sogen e Variabili endogene

• GDP

• CPI

• Short Term Interest Rate

• Exchange Rate

• Oil Price Index

• Policy Rate

• Debt/GDP

GVAR

Legenda

Modelli macroeconomici di “input”

Modelli finanziari, bancari, satellite



«PYTHO: Una piattaforma aperta»

La scelta di implementare una piattaforma «aperta», con la possibilità di arricchire le simulazioni stocastiche con modelli «satellite» specifici dell’utente, ha aperto la strada all’utilizzo di PYTHOin diversi ambiti, dalla simulazione dei bilanci bancari (SBB) e dei relativi KPI, fino alle valutazioni risk-neutral di strumenti complessi (quali ad e s . ABS, cartolarizzazioni/NPL, …)



«Modulo ECAP: Architettura e funzionalità»

Introduzione






«ECAP: Modularità e gerarchia deimodelli»

La simulazione del modulo ECAP-PYTHO è composta da un insieme di modelli, connessi tra loro attraverso la struttura gerarchica definita delle interdipendenze delle variabili che li compongono.

MODELLI MACRO

E FINANZIARI

MODELLI SATELLITE

(PD/LGD)

MODELLO DI PORTAFOGLIO

In primis troviamo i modelli macro e finanziari, i quali definiscono lo scenario macroeconomico e di mercato della simulazione.

A questi si legano i modelli satellite specifici Banca per i parametri di PD e LGD.

In ultimo il Modello di Portafoglio riceve come input le endogene dei modelli satellite e, applicandole al portafoglio Banca, ne calcola la distribuzione delle perdite all’orizzonte selezionato.



«ECAP: Modelli di PD (tassi di decadimento)»

30 SETTORI ECONOMICI

ATEC

O

Descrizione Area

1000055 PRODOTTI CHIMICI NO, NE, CE, IS,

SU

1000060 MEZZI DI TRASPORTO NO, NE, CE, IS,

SU

1000061 PRODOTTI ALIMENTARI, BEVANDE E PRODOTTI A BASE DI TABACCO NO, NE, CE, IS, SU

1000062 PRODOTTI TESSILI, CUOIO E CALZATURE,ABBIGLIAMENTO NO, NE, CE, IS,

SU

1000063 CARTA, ARTICOLI DI CARTA, PRODOTTI DELLA STAMPA ED EDITORIA NO, NE, CE, IS, SU

1000065 ATTIVITA' MANIFATTURIERA RESIDUALE (DIVISIONI16,32,33) NO, NE, CE, IS,

SU

1000074 ATTIVITA' RESIDUALI (SEZIONI O P Q R S T) NO, NE, CE, IS, SU

19 FABBRIC.COKE E PROD.DERIVANTI DALLA RAFFINAZ.DELPETROLIO NO, NE, CE, IS,

SU

22 FABBRIC.ARTICOLI IN GOMMA E MATERIEPLASTICHE NO, NE, CE, IS, SU

23 FABBRIC.ALTRI PROD.DELLA LAVORAZ.MINERALI NON METALLIFERI NO, NE, CE, IS,

SU

24 METALLURGIA NO, NE, CE, IS, SU

25 FABBRIC.PROD.IN METALLO,ESCLUSI MACCHINARI E ATTREZZATURE NO, NE, CE, IS,

SU

26 FABBR.COMPUTER/PROD.ELETTRON./OTTICA;APPAREC.ELETTROMED.,APPAREC.MISURAZ/OROLOGI

NO, NE, CE, IS, SU

27 FABBRIC.APPARECCH.ELETTRICHE E APPARECCH.PER USO DOMEST.NON

ELETTRICHE

NO, NE, CE, IS,

SU

28 FABBRIC.MACCHINARI E APPARECCH.NCA NO, NE, CE, IS, SU

31 FABBRIC.MOBILI NO, NE, CE, IS,

SU

61 TELECOMUNICAZIONI NO, NE, CE, IS, SU

A AGRICOLTURA,SILVICOLTURA E PESCA NO, NE, CE, IS, SU

B ESTRAZ.DI MINERALI DA CAVE E MINIERE NO, NE, CE, IS,

SU

D FORNIT.DI ENERGIA ELETTRICA,GAS,VAPORE E ARIACONDIZIONATA NO, NE, CE, IS, SU

E FORNIT.DI ACQUA;RETI FOGNARIE,ATTIV.DIGESTIONE DEI RIFIUTI E RISANAM. NO, NE, CE, IS,

SU

F COSTRUZIONI NO, NE, CE, IS, SU

G COMMERC.INGROSSO E AL DETTAGLIO;RIPARAZ.DI AUTOVEICOLI E MOTOCICLI NO, NE, CE, IS,

SU

H TRASPORTO E MAGAZZINAGGIO NO, NE, CE, IS, SU

I ATTIV.DEI SERV.DI ALLOGGIO E RISTORAZ. NO, NE, CE, IS,

SU

JR SERV.DI INFORMAZ.ECOMUNICAZIONE NO, NE, CE, IS, SU

K ATTIV.FINANZIARIE E ASSICURATIVE NO, NE, CE, IS,

SU

L ATTIVITA' IMMOBILIARI NO, NE, CE, IS, SU

M ATTIV.PROFESSIONALI,SCIENTIFICHE E TECNICHE NO, NE, CE, IS,

SU

N NOLEGGIO,AGENZIE DI VIAGGIO,SERV.DI SUPPORTO ALLE IMPRESE NO, NE, CE, IS, SU

CodificaATECONord-est

Nord-ove s t

Centro

Sud

Isole

Disponibili 150 modelli evolutivi di PD (tassi di decadimento) riferiti ai singoli cluster geo- settoriali.

5 MACRO-AREE TERRITORIALI



«ECAP: Processo di clusterizzazione delle posizioni in bonis (performing)»



«ECAP: Generazione della distribuzione delle perdite»

Il modulo PYTHO-ECAP produce in output la distribuzione delle perdite per i due sotto-portafogli costituiti rispettivamente dalle posizioni bonis e da quelle non performing.Tale calcolo, per ciascun portafoglio, si articola nei seguenti passaggi per ogni time-step della simulazione (a livello di cluster):



«ECAP: Calcolo del Capitale Economico»

A valle della simulazione il requisito di capitale viene calcolato, rispetto all’orizzonte di simulazione considerato, come differenza tra il percentile selezionato e il corrispondente valore in best estimate:

Orizzonte temporale: 1 Anno.



«ECAP: Rischio sistemico e rischio di concentrazione»

A valle della simulazione Possibilità di distinguere tra rischio «sistematico» e rischio «diconcentrazione»

rischio di concentrazione

rischio sistematico

Traiettorie PD (e LGD) generate a partire dai

modelli satellite

Distribuzione dei default campionati dal modello di

portafoglio

PD



«ECAP: Proiezione pluriennale multipla»

Evoluzione PD di settore on reset a best-estimate

Date di reset sul sentiero best-estimate

Ad ogni data di

reset sul sentiero BE dei modelli

macro e satellite

la loss viene azzerata ed il

portafoglio

aggiornato

Possibilità di effettuare proiezioni pluriennali sulla base dei volumi previsti dal piano industriale:



«ECAP: Principali output »

all

rig

hts

res

erv

ed

STRESS TESTANALISI

MISURE DIRISCHIO

Stima Key Risk Indicators (Expected Loss (best estimate), VaR, Incremental risk) sia a data corrente che prospettica

PIANIFICAZIONE STRATEGICA

RISKMANAGEMENT

Simulazione scenari estremi di stress ed analisi di «reverse stress testing» per individuare gli scenari macro-finanziari di maggior impatto sul portafoglio garanzie concesse.

DUEDILIGENCE

Stima delle principali metriche di rischio relative a portafogli target da cedere o da acquisire.

M&A

FOCUS



Introduzione







«Workflow overview: 4 macro-steps»

Il calcolo a consuntivo delle metriche di rischio si articola in 4 macro-step:

2.PRE-PROCESSING:

AGGREGAZIONE

3.ELABORAZIONE

PYTHO

1.CARICAMENTO

DATABASE ANALITICO

4.POST- PROCESSING: INCREMENTAL RISK

Estrazione del database analitico

Job di caricamento su architettura EAGLE (da csv)

Eventuale aggiornamento dei modelli satellite su piattaforma PYTHO

Pulizia e aggregazione dati

Creazione del portafoglio clusterizzato per input Pytho

Avvio dell’elaborazione del modello di portafoglio Pytho, tramite chiamata a dll dedicata

Run dedicati per rischio«totale» e «di concentrazione»

Generazione dell’ipercubo dei risultati, contenente le variabili di output in tutti i path simulati

Aggregazione dati dell’ipercubo e calcolo dei percentili delle distribuzioni generate

Salvataggio componenti in ambiente EAGLE

Allocazione capitale a livello di singola tranche del database analitico di partenza T_TRANCHE



«Due possibili modelli di servizio: Outsourcing e assistenza all’Insourcing»

1. Full Outsourcing

2. Assistenza Insourcing

Definizione di un Service Level Agreement (SLA)

Fase iniziale di set-up

Aggiornamento base dati da singolo Confidi

Aggiornamento Scenari (ogni 3 mesi) e dei modelli

Caricamento basi dati e simulazioni

Quality check dei risultati ed elaborazione report

Noleggio della piattaforma PYTHO da parte di Sixtema

Fase iniziale di set-up e primo run di simulazione

Formazione del personale del singolo Confidi

Fornitura periodica dell’aggiornamento dello scenario e dei modelli

Manutenzione evolutiva



PYTHO

Backup



«PYTHO: Tools»

La piattaforma PYTHO mette a disposizione dell’utente un ambiente interattivo, che al suo interno include/può includere:

strumenti dedicati alle operazioni di data management (“Macro”) propedeutiche alla predisposizione di simulazioni

un set completo (ed eventualmente estendibile) di librerie matematiche, logiche, statistiche e finanziarie, funzionali allo sviluppo dei modelli e delle relative equazioni

un motore di simulazione stocastica

profonda integrazione rispetto all’ambiente Excel MS-Office: i modelli PYTHO possono essere prototipati (nella loro forma “deterministica”) in ambiente Excel e successivamente caricati sulla piattaforma e legati al motore di simulazione stocastica

un’interfaccia utente interattiva che permette di costruire e parametrizzare le simulazioni, condizionandole a diversi scenari e what-if hypothesis;

una add-in excel customizzata, finalizzata all’analisi dei c.d. “cubi” dei risultati

I tools a disposizione dell’utente PYTHO



PYTHO

Questo documento è la base per una presentazione orale, senza la

quale ha quindi limitata significatività e può dar luogo a fraintendimenti.

Sono proibite riproduzioni, anche parziali, del contenuto di questo

documento senza la previa autorizzazione scritta diPrometeia.

Copyright © 2019 Prometeia

Confidentiality


Alessandro CastiglioniA.D. PROMOZIONISERVIZI


«Dopo la riforma del Fondo di Garanzia: prime riflessioni»


111

Dopo la riforma del Fondo di Garanzia: prime riflessioni A partire dal 15 Marzo 2019



ATTIVITA’ SUL FONDO DI GARANZIA: aprile-maggio 2019 vs aprile-maggio 2018

- 60 %DIFFERENZIALE OPERAZIONI SEGMENTO

BANCHE

DIFFERENZIALE OPERAZIONI SEGMENTO

CONFIDI

- 70 %


Quali le cause?

113

• Problemi ascrivibili all’incertezza di istruttore e deliberante

• Difficoltà nei modelli valutativi

• Resistenza al cambiamento

• Poca conoscenza della normativa degli attori protagonisti

• Registro nazionale degli aiuti

• Maggior attenzione al rigore agevolativo


CONFIDI: quale ruolo?

114

• Assistenza all’impresa

• Assistenza alla banca

• Nuove forme e nuove modalità


Francesco MottaALOSIS


«Antiriciclaggio: un’evoluzione continua»


• Riepilogo evoluzione normativa

• Normativa emanata in materia di organizzazione e controlli

• Disposizioni in materia di adeguata verifica (in consultazione)

• Autovalutazione del rischio riciclaggio

Agenda

116


Decreto lgs 231/2007 e successive modifiche e novazioni:

• Procedura individuazione e rafforzata verifica Persone Politicamente Esposte – 23 gennaio 2018;

• Comunicazione Banca d’Italia in materia antiriciclaggio - 9 febbraio 2018;

• Emanazione normativa per l’organizzazione e i presidi antiriciclaggio – 27 marzo 2019;

• Documento in consultazione per l’adeguata verifica (consultazione conclusa normativa non emanata – giugno 2019).

Normativa di riferimento:

117


Rischio

Modalità di valutazione rischio

antiriciclaggio «risk based

Relazione antiriciclaggio

annuale, corredata da autovalutazione.

Definizione di una Policy Rischio-Processi-

Controlli approvata da organo con supervisione

strategica

Matrice di valutazione del rischio definita da

Banca d’Italia

118


• attribuzione a una funzione di controllo aziendale la responsabilità di assicurare l’adeguatezza, la funzionalità e l’affidabilità dei presidi antiriciclaggio;

• Formalizzazione dell’attribuzione della responsabilità per la segnalazione delle operazioni sospette;

• attribuzione a una funzione di controllo aziendale il compito di verificare in modo continuativo il grado di adeguatezza dell’assetto organizzativo antiriciclaggio e la sua conformità rispetto alla disciplina

I confidi possono, in ogni caso, attribuire i compiti inerenti la funzione antiriciclaggio a un amministratore, «purché sia destinatario di specifiche deleghe in materia di controlli e non sia destinatario di altre deleghe che ne pregiudichino l’autonomia».

Al netto della valutazione del rischio:

119


Identificazione del rischio inerente: identificazione dei rischi di riciclaggio attuali e potenziali cui sono esposti gli intermediari (business, clienti, territorio…)

Analisi delle vulnerabilità: analisi dell’adeguatezza dell’assetto organizzativo, dei presidi di prevenzione e monitoraggio rispetto ai rischi precedentemente identificati al fine di individuare eventuali vulnerabilità

Matrice di Valutazione del rischio antiriciclaggio

120


• Strutturazione minima della funzione antiriciclaggio sulla base del principio di proporzionalità (autovalutazione anche se non richiesta almeno una tantum).

• Redazione e puntuale trasmissione all’autorità di vigilanza della relazione annuale.

• Coinvolgimento del personale a tutti i livelli e della rete – formazione (esternalizzazione una soluzione).

• Proattività nella risoluzione dei «problemi» in ambito antiriciclaggio.

Cosa fare?

121


Attività di controllo: chi vigila?

Il decreto 90/2017 stabilisce che (art. 8):

Il Nucleo speciale di polizia valutaria della Guardia di finanza può eseguire previa intesa con le autorità di vigilanza di settore

rispettivamente competenti, i controlli sui seguenti soggetti:

a) istituti di pagamento, istituti di moneta elettronica e relative succursali;

b) punti di contatto centrale di cui all'articolo 1, comma 2, lettera ii);

c) società fiduciarie e intermediari di cui all'albo previsto dall'articolo 106 TUB;

d) soggetti eroganti micro‐credito ai sensi dell'articolo 111 TUB e i confidi e gli altri soggetti di cui all'articolo 112 TUB.

122


“Anche quando le leggi sono scritte non dovrebbero mai rimanere immutate.”

ARISTOTELE

Grazie

[email protected]

335451152

123

mailto:[email protected]

Presentazione standard di PowerPoint · 2019-07-02 · garantire al cliente la massima...

Documents

Transcript of Presentazione standard di PowerPoint · 2019-07-02 · garantire al cliente la massima...