Nel mondo bancario i reference data sono fondamentali per classificare in modo accurato i prodotti finanziari ed evitare criticità nell'erogazione dei servizi, che possono a loro volta tradursi in perdite, insoddisfazione dei clienti e danni reputazionali per l'istituto. Anche i reference data, però, hanno bisogno di essere definiti e classificati in modo altrettanto accurato, se non altro per stabilire all'interno dell'organizzazione – e dell'ecosistema in cui opera – una “versione unica della verità”. La stratificazione dei vari input dovuta alla gestione interna dei reference data, che continuano ad accrescere un patrimonio informativo di per sé già molto esteso e complesso, infatti, è spesso all'origine di errori relativi alle attività di reporting, onboarding e trading, per non parlare del fronte della compliance.
D'altra parte, l'acquisizione, l'elaborazione e la conservazione dei reference data sono sempre più riconosciute come funzioni non-core del business. E visto che – in termini di costi e sul piano gestionale – l'approccio che promette maggiore efficienza per garantirne la veridicità è costruire sistemi in grado di mettere i reference data a fattor comune, la condivisione dei dataset con altre entità e il confronto tra le varie fonti rappresentano la risposta migliore alle nuove esigenze delle banche.
Secondo un'indagine di Waters Technology, l'80% degli utenti si aspetta che un corretto approccio ai reference data possa aiutare a gestire i dati in modo coerente attraverso tutti i client che utilizzano le regole di convalida delle piattaforme, creando una golden copy dall'unificazione di diverse fonti di informazioni, a cavallo di quelle provenienti dai manufacturers e di quelle prodotte internamente in qualità di distributor. Solo così i reference data possono aiutare a promuovere la standardizzazione delle caratteristiche dei prodotti e dei servizi finanziari e la coerenza delle informazioni che circolano all'interno del mercato, aspetti fondamentali per migliorare la qualità dell'offerta e ridurre i margini di rischio nei processi coinvolti. Perché le nuove strategie di gestione dei reference data risultino davvero efficaci, bisogna tenere conto di tre punti chiave.
Date la continua evoluzione degli scenari e la proliferazione dell'aggiornamento delle informazioni sui più svariati canali, digitali e non, è oggi consigliabile l'adozione di soluzioni capaci di sfruttare l'intelligenza artificiale per scandagliare anche documenti testuali e identificare i reference data ivi presenti in forma non strutturata. L'AI può inoltre rivelarsi essenziale nell'identificare con maggiore rapidità ed efficacia ricorrenze ed eccezioni nei rapporti tra gli input provenienti dalle diverse fonti, aiutando a definire di volta in volta quali sono i provider più affidabili.
Allo stesso modo, una piattaforma di gestione dei reference data all'altezza della situazione oggi dovrebbe contraddistinguersi per meccanismi di compilazione automatico degli input che, una volta raffinati, arrivano agli operatori dalle varie fonti, interne o esterne che siano. Non si tratta solo di ridurre la mole di lavoro a basso valore svolto dal back office, ma soprattutto di diminuire drasticamente il numero di errori causati dalle attività di inserimento manuale dei record, una delle prime cause delle discrepanze all'interno del patrimonio informativo aziendale.
Il sistema dovrebbe infine essere perfezionato attraverso l'implementazione e l'integrazione di strumenti di reportistica tanto semplici quanto affidabili, indispensabili per allineare tutti gli attori coinvolti nella filiera: non solo rispetto alle modifiche compiute dalla piattaforma che aggiorna la golden copy, ma anche rispetto a eventuali anomalie riscontrate durante le operazioni di riconciliazione dei reference data.
Topic: Sicurezza Informatica, Banking