Samsung Italia, divisione nazionale del marchio leader nel settore tecnologico a livello globale, si affida ad Aramix, business unit di artificial intelligence applicata ai processi industriali e gestionali del Gruppo Datrix, per un ambizioso progetto AI-based di valutazione del rischio di controparte distributiva.

In uno scenario di mercato sempre altamente competitivo, la reputazione delle aziende rappresenta un asset strategico cruciale; ed essa non è determinata solo alle attività che l'azienda in prima persona svolge ma anche ai rischi legati a business partners, distributori, rivenditori, agenti etc.

In questo senso, intercettare tempestivamente gli elementi di rischio delle controparti distributive, tramite intelligent monitoring e sentiment analysis, è stato il focus principale del progetto che il team di data scientist di Aramix ha realizzato per Samsung Italia.

"Svolgere questo tipo di attività è oggi un tema ancor più delicato, che va gestito con il massimo rispetto per la privacy e i dati degli utenti, cercando compatibilità tra progresso tecnologico e normativa applicabile - commenta Andrea Ronchi, Principal di Aramix.Come Aramix oggi siamo in grado di fornire governance dei dati e gestione dei progetti in maniera del tutto compliant con le più stringenti previsioni di legge di riferimento. In questo senso,per raccogliere e analizzare i dati provenienti dalla rete e attivare le nostre soluzioni di intelligent monitoring, ci siamo dotati della licenza ex art. 134 del Testo Unico delle Leggi di Pubblica Sicurezza italiano".

La soluzione è finalizzata a definire il rischio finanziario delle controparti distributive, che si applica principalmente nell'ambito:

  • digitalizzazione processi di definizione del rischio creditizio
  • enrichment con dati alternativi del modello di calcolo del rischio finanziario legato alla distribuzione

Lo strumento si applica a tutte le aziende che distribuiscono i propri prodotti tramite soggetti terzi e che hanno reti distributive multisito, trasversali per settore, soprattutto nell'ambito Consumer Goods.

Grazie a un framework diNatural Language Processingper l'analisi di dati alternativi che lavora attraverso un algoritmo proprietario, è stato possibile:

  • elaborare elevati volumi di informazioni relative ai diversi punti vendita e alle ragioni sociali cui fanno capo, in particolare news online, social e recensioni di clienti;
  • identificare segnali di rischio su base giornaliera;
  • classificare le news e calcolare uno score per indicare il grado di criticità di ciascuna
  • classificare le recensioni e calcolare il grado di criticità per ciascun punto vendita

Tramiteun sistema di alerting quotidiano, una dashboard di visualizzazione e un report di dettaglio mensile,il Cliente ha la possibilità di ricevere l'analisi in maniera sistematica, per una overview costante e aggiornata.

Un progetto molto sfidante per la materia stessa che viene analizzata, ossia il linguaggio naturale degli utenti: soprattutto le recensioni, infatti, sono spesso scritte in modo improprio, con errori grammaticali e semantici, nonché discrepanze tra rating e commenti testuali. L'algoritmo è stato addestrato a comprendere anche le locuzioni colloquiali e discriminare l'interpretazione delle parole chiave.

"La continua ricerca nel campo del Risk Management ha portato Samsung Electronics Italia a costruire internamente un data lake, nel quale potessero affluire in modo strutturato tutte le informazioni utili a valutare la qualità e la solidità della nostra clientela. Con il gruppo Datrix abbiamo lavorato per cercare sulla rete tutti i segnali di rischio sia deboli che forti, addestrando l'algoritmo a fare un'attività di screening e organizzazione dati come farebbe un Risk Manager. È l'inizio di un viaggio che crediamo fondamentale per l'evoluzione di tutti gli strumenti di analisi del rischio di insolvenza e non solo", concludePaolo Fontana, Credit Risk Director di Samsung Italia.

Attachments

Disclaimer

Datrix S.p.A. published this content on 27 April 2023 and is solely responsible for the information contained therein. Distributed by Public, unedited and unaltered, on 27 April 2023 07:27:07 UTC.