The current state of the Robotic Process Automation (RPA)
a cura di Deloitte

Articolo

Ott 02 2020
The current state of the Robotic Process Automation (RPA) a cura di Deloitte

Over the last years, a growing number of companies, driven by the need to optimize their operations and increase the efficiency of their processes, have increasingly implemented robotic process automation (RPA) solutions.

Companies have been adopting this technology mostly to automate simple and repetitive tasks with the aim of freeing up the workforce to focus on high-value added activities, while ensuring higher quality of processed data and producing results with a lower margin of error.

Thanks to its rapidity of implementation and low needs of investments (if compared to traditional IT solutions), RPA technology paced up across several industries, moving towards its maturation.

Nowadays organizations that tackled the RPA implementation are exhausting many of the low-value opportunities automatable through simple task-based robotics [1], and they are facing difficulties in evolving their automation path.

Main challenges to Automation Scaling

A Deloitte study shows that out of the 80% of the surveyed companies that have started RPA initiatives, only the 8% are scaling this technology [2].

Figure 1: Scalability of RPA solutions

Indeed, several challenges may emerge when scaling the RPA technology, the nature of which can span from technical to organizational matters:

  • Process Fragmentation: business processes tend to be very complex and heterogeneous composed of several tasks, systems and under the ownership of different organizational units. Moreover, companies have often used RPA technology to automate nuclear tasks within the processes instead of targeting the end-to-end scope.

The focus on the simplest tasks is related to RPA technology limitations. Indeed, a mere RPA solution cannot:

  • emulate expert activities in evaluating decisions;
    • comprehend unstructured text or, generally speaking, analyse unstructured input data (e.g. scanned documents);
    • manage scenarios where it is not possible to define deterministic business rules without a significant effort [3].
  • Lack of RPA vision: one of the main constraint is the lack of a clear and shared long-term vision and strategy within organizations. It is necessary to clearly define what goals need to be achieved, which and how many stakeholders must be involved across the organization and the necessary key-skills in the company.
  • Inadequate involvement of IT and Business departments: the introduction of RPA technologies require a structural change inside the company involving on the one hand Business departments in order to identify and select the processes to be automated and on the other, the involvement of the IT department to ensure that the new technology is effectively integrated within IT systems [4].

From RPA to Intelligent Automation

To further increase the benefits derived from robotics and to reach effectively an end-to-end business process automation, it is therefore essential to start looking beyond RPA and to take into considerations a portfolio of different automation technologies.

A Deloitte study shows that companies are already moving to include in their digital portfolio the combination of intelligent solutions with RPA to improve the efficiency and the responsiveness of the processes, to reduce related costs, and to improve accuracy and customer experience [5].

In order to deepen the level of automation of their business processes, organizations can utilize different solutions that overcome several of the RPA technology limitations:

  • BPM: Business Process Management tools can be integrated with a RPA solution in order to automate process workflows by defining tasks, assigning them to certain actors, organizing activities into processes, monitoring and reporting the status of the activities. An use case of BPM in the Financial Services industry can be found on the credit granting system for the creditworthiness analysis;
  • OCR: Optical Character Recognition allows detecting characters within digital documents and transferring them to digital text (e.g. scanned and structured documents);
  • ICR: Intelligent Character Recognition is handwriting recognition system that allows fonts and different styles of handwriting to be learned by a computer during the processing to improve accuracy and recognition level;
  • Artificial Intelligence: AI encompass a set of tools, algorithms and mathematical models based on sample data, with the aim of making predictions or taking decisions. The current applications of AI are very extensive and can easily cover classic tabular data (e.g. the excel sheet), text, images and sound in types of use cases ranging from the classification of texts to the generation of new images while the limit, today, seems to be the large amount of data to be used in training.

The adoption of such technologies represents the switch from a “traditional” automation based on robotics, to an Intelligent Automation, where the goal is the end-to-end process rather than the rule-based, specific tasks that may compose it.

Main challenges and solutions

Nonetheless, the journey towards the Intelligent Automation is not without challenges, since both technical and organizational aspects must be carefully considered:

  • Technology Integration: intelligent technologies must be integrated within the existing IT systems and workflows focusing on system infrastructure, data storage, data transfer to other systems, training models and tests phases. At the end it is crucial to consider an orchestrator component to design and manage the automation of a business process;
  • Data: the efficacy of the introduction of intelligent technology heavily depends on the data adopted for the training phase. Therefore, possible data issues, from data quality to regulatory limitations, have to be considered when extending the automation portfolio;
  • Change management: the adoption of new technologies also requires a careful and structured change management process, as digital innovation requires a well-defined planning of the processes transformation as well as the evolution of the people involved in the affected activities;
  • Business model standardization: standardization of business models and processes is a fundamental pre-requisite for companies that want to start a progressive rollout of the Intelligent Automation solutions. Simplifying the processes requires a high maturity degree, the presence of clear operating rules and the minimization of possible exceptions to be managed [6].

Therefore, in order to approach correctly the Intelligent Automation journey, it is crucial to define a holistic strategy shared by the whole organization that also allows to identify the correct use cases for adoption and to transcend the organizational silos.

The disruption of COVID-19 

Millions of companies are facing new challenges with the spread of the COVID-19 virus, reviewing their business and operating models, in order to mitigate the unexpected disruption that the virus could have on businesses in a long-term prospective.

In this scenario, new tools and solutions represent a critical enabler in navigating these unforeseen challenges, by supporting the companies in surviving the disruption caused by the sanitary emergency and which may alter the standard way of working.

Therefore, Covid-19 could also represent an opportunity for companies to approach strategically the Intelligent Automation journey by leveraging on the main benefits that this solution provides in such a disrupted context:

  • Ensure business continuity: with most of the core activities interrupted and facilities locked down, organizations are striving to maintain the continuity for the activities necessary for keep the business up and running. A diffusion of E2E automated processes helps in mitigating the risks due to operations stops;
  • Facilitate remote work: automated operations can facilitate the execution of smart working, for instance by automating the processes that involve systems that can be accessed only from the organization establishments;
  • Reduce costs: thanks to the possibility of freeing up resources to dedicate to more valuable activities and by reducing operative risks cost, automation will also represent a key elements for efficiency and cost reduction, that will determine which organizations will be able to overcome the economic downturn caused by the sanitary emergency.

Conclusion

The adoption of intelligent technologies to push process innovation beyond the simple automation of individual tasks, despite being characterized by complex challenges, can represent a great opportunity for the company that aims to remain competitive in the market and achieve strong results.

To fully understanding the real benefits of new technologies in terms of increases in productivity, efficiency, precision and quality, it is necessary to make structural changes both at an organizational and architectural level.

Beyond defining a long-term vision focused on the digital innovation shared with all the main stakeholders, it is necessary to rethink the processes and invest in employees and training to remain competitive on the market, especially in an unstable context like the current one stressed by the COVID-19 emergency.

There is no univocal and standard approach for all companies, as some are still in an early stage of adoption while others are proceeding to scale this type of technology.

It is crucial to understand that innovative solutions alone do not create competitive advantages but rather it is likely that a real sustainable competitive advantage will be obtained by investing in human resources in order to create synergies and efficiency across the whole company.

Authors:

Alessandra Ceriani – Partner Deloitte Consulting

Andrea Leuzzi – Director Deloitte Consulting

Alberto D’Elicio – Senior Manager Deloitte Consulting

Giuseppe Scotti – Senior Consultant Deloitte Consulting

Giuseppe Puma – Consultant Deloitte Consulting

[1] Deloitte Insights, Automation with intelligence. Reimagining the organization in the ‘Age of With’, 2019.

[2] Deloitte analysis, 2019.

[3] M. Tomasi, A. Ceriani, Verso la RPA transformation di successo. Sviluppo e governo RPA, 2019

[4] Deloitte, Understanding the challenge of implementing your virtual workforce. Robotic Process Automation as part of a new social-technological paradigm, 2018

[5] Deloitte Insights, Automation with intelligence. Reimagining the organization in the ‘Age of With’, 2019

[6] Deloitte, Le prospettive future dell’Intelligent Automation, secondo le aziende italiane. Un’indagine sulle sfide e sulle opportunità attese dalla convergenza tra automazione e intelligenza artificiale, 2019

Il termometro dei mercati finanziari (25 Settembre 2020)
a cura di Emilio Barucci e Daniele Marazzina

Termometro

Set 26 2020
Il termometro dei mercati finanziari (25 Settembre 2020) a cura di Emilio Barucci e Daniele Marazzina

L’iniziativa di Finriskalert.it “Il termometro dei mercati finanziari” vuole presentare un indicatore settimanale sul grado di turbolenza/tensione dei mercati finanziari, con particolare attenzione all’Italia.

Significato degli indicatori

  • Rendimento borsa italiana: rendimento settimanale dell’indice della borsa italiana FTSEMIB;
  • Volatilità implicita borsa italiana: volatilità implicita calcolata considerando le opzioni at-the-money sul FTSEMIB a 3 mesi;
  • Future borsa italiana: valore del future sul FTSEMIB;
  • CDS principali banche 10Ysub: CDS medio delle obbligazioni subordinate a 10 anni delle principali banche italiane (Unicredit, Intesa San Paolo, MPS, Banco BPM);
  • Tasso di interesse ITA 2Y: tasso di interesse costruito sulla curva dei BTP con scadenza a due anni;
  • Spread ITA 10Y/2Y : differenza del tasso di interesse dei BTP a 10 anni e a 2 anni;
  • Rendimento borsa europea: rendimento settimanale dell’indice delle borse europee Eurostoxx;
  • Volatilità implicita borsa europea: volatilità implicita calcolata sulle opzioni at-the-money sull’indice Eurostoxx a scadenza 3 mesi;
  • Rendimento borsa ITA/Europa: differenza tra il rendimento settimanale della borsa italiana e quello delle borse europee, calcolato sugli indici FTSEMIB e Eurostoxx;
  • Spread ITA/GER: differenza tra i tassi di interesse italiani e tedeschi a 10 anni;
  • Spread EU/GER: differenza media tra i tassi di interesse dei principali paesi europei (Francia, Belgio, Spagna, Italia, Olanda) e quelli tedeschi a 10 anni;
  • Euro/dollaro: tasso di cambio euro/dollaro;
  • Spread US/GER 10Y: spread tra i tassi di interesse degli Stati Uniti e quelli tedeschi con scadenza 10 anni;
  • Prezzo Oro: quotazione dell’oro (in USD)
  • Spread 10Y/2Y Euro Swap Curve: differenza del tasso della curva EURO ZONE IRS 3M a 10Y e 2Y;
  • Euribor 6M: tasso euribor a 6 mesi.

I colori sono assegnati in un’ottica VaR: se il valore riportato è superiore (inferiore) al quantile al 15%, il colore utilizzato è l’arancione. Se il valore riportato è superiore (inferiore) al quantile al 5% il colore utilizzato è il rosso. La banda (verso l’alto o verso il basso) viene selezionata, a seconda dell’indicatore, nella direzione dell’instabilità del mercato. I quantili vengono ricostruiti prendendo la serie storica di un anno di osservazioni: ad esempio, un valore in una casella rossa significa che appartiene al 5% dei valori meno positivi riscontrati nell’ultimo anno. Per le prime tre voci della sezione “Politica Monetaria”, le bande per definire il colore sono simmetriche (valori in positivo e in negativo). I dati riportati provengono dal database Thomson Reuters. Infine, la tendenza mostra la dinamica in atto e viene rappresentata dalle frecce: ↑,↓, ↔  indicano rispettivamente miglioramento, peggioramento, stabilità rispetto alla rilevazione precedente.

Disclaimer: Le informazioni contenute in questa pagina sono esclusivamente a scopo informativo e per uso personale. Le informazioni possono essere modificate da finriskalert.it in qualsiasi momento e senza preavviso. Finriskalert.it non può fornire alcuna garanzia in merito all’affidabilità, completezza, esattezza ed attualità dei dati riportati e, pertanto, non assume alcuna responsabilità per qualsiasi danno legato all’uso, proprio o improprio delle informazioni contenute in questa pagina. I contenuti presenti in questa pagina non devono in alcun modo essere intesi come consigli finanziari, economici, giuridici, fiscali o di altra natura e nessuna decisione d’investimento o qualsiasi altra decisione deve essere presa unicamente sulla base di questi dati.

Roboadvisory: se non ora quando?
a cura di Raffaele Zenti

Articolo

Set 25 2020
Roboadvisory: se non ora quando?a cura di Raffaele Zenti

Con il lockdown si è definitivamente sdoganato il canale digitale come mezzo di lavoro, comunicazione e interazione. Si sa, le grandi disgrazie umane come questa pandemia portano con sé cambiamenti e questi a loro volta generano opportunità.

 

Il cambiamento portato dal virus

L’isolamento forzato durante il lockdown ha mutato il modo d’interagire con ciò che è esterno all’abitazione. Persino i più riluttanti tra i consumatori hanno dovuto addentrarsi nell’universo digitale – e hanno generalmente imparato a cavarsela. Anche per ciò che riguarda gli aspetti finanziari della vita: quasi tutto avviene digitalmente, operazioni bancarie, videochat sui mercati, investimenti, consultazione di portafogli, sottoscrizioni di nuovi contratti, e via dicendo. Il numero di accessi ai siti di banche e assicurazioni ha cambiato ordine di magnitudo, così come le richieste di supporto a call center e help desk. Non sempre – anzi quasi mai – la qualità del servizio digitale offerto dagli intermediari è stato all’altezza.

Se prima della crisi Covid-19 il tema della trasformazione digitale degli intermediari finanziari era caldo – seppur con un ritmo d’innovazione letargico  – ora è un’urgenza: per non perdere quote di mercato occorre stare al passo con i clienti del mondo post-virus, individui che hanno sperimentato l’efficacia e la comodità del “tutto online”. E che difficilmente torneranno sui loro passi.

Innanzitutto ai consumatori l’innovazione digitale piaceva ancor prima della pandemia – v. la figura seguente, con i dati tratti dal World Fintech Report 2020 di Efma/Capgemini. Lo studio evidenzia come a fine 2019 il 72% dei Millennials considerasse le mobile app un importante canale bancario, sebbene solo il 33% abbia avuto un’esperienza positiva con esse. Molti clienti sono in “area churn”, a rischio di abbandono: il 48% dei clienti Millennials e Tech-savy afferma che: “La mia banca ha una gamma prodotti/servizi insufficiente, che non mi soddisfa, non ben integrata con altre tecnologie”.

Se questo era vero a fine 2019, è logico aspettarsi che il bisogno di servizi innovativi, più vicini al consumatore, fruibili via canale digitale sia aumentato in questi mesi. E probabilmente non è un caso che Google abbia rinnovato il suo Google Finance. Che, nelle intenzioni del colosso di Mountain View, dovrebbe sostanzialmente fungere da consulente finanziario, semplificando l’accesso alle informazioni più importanti sulle quali basare e gestire gli investimenti dei suoi utenti.

Insomma, se si guarda la realtà senza avere occhi foderati di prosciutto, tra cambiamenti nelle abitudini dei consumatori, competizione pressante e margini in riduzione, l’urgenza di innovare il modo con cui si gestiscono i quattrini delle persone c’è.

Ma come fare? Magari si mette su un sito con alcuni portafogli modello e un ottimizzatore che frulla titoli, fondi, ETF utilizzando il modello di Markowitz? Oppure si compra un chatbot che chiacchera amabilmente con il cliente e poi prepara un frullato di titoli a base di Modern Portfolio Theory? Personalmente, credo che sarebbe come fornire una vecchia Fiat Duna a un consumatore che nel 2020 desidera noleggiare un’auto per effettuare un lungo viaggio. Nell’era dei dati e delal Data  Science si può e si dovrebbe agire diversamente.

Roboadvisory del terzo millennio

Innanzitutto, la distinzione tra roboadvisory e robo-for-advisory non deve essere necessariamente netta: se c’è chi se la sente di fare da sé, c’è chi preferisce essere aiutato da un umano. I consulenti finanziari ed assicurativi hanno il loro ruolo, e l’uso di un canale piuttosto che un altro dipende in larga parte da fattori culturali, sociali in buona parte assai soggettivi (e che vanno misurati a partire dai dati, e non ipotizzati a tavolino come funzione del reddito o del patrimonio).

L’importante è personalizzare il servizio, che deve rispondere a reali bisogni dei clienti, mettendo in condizione i consulenti finanziari, quando ci sono, di aumentare di ordini di magnitudo la loro produttività. Per far ciò occorre combinare dati, data analytics, tecniche robuste di asset liability management/portfolio construction e conoscenza del processo di consulenza finanziaria.

Tre passi per un servizio di roboadvisory evoluto

1. Individuare il “life-cycle point” del cliente

Nel mondo reale i consumatori sono interessati ai servizi finanziari che li aiutano con i loro specifici problemi ed esigenze, come accumulare un capitale per far studiare i figli, ottenere un reddito integrativo, proteggere la propria salute e quella della famiglia, ottenere un mutuo per mettere su casa, proteggere l’abitazione. Cose così. Sono poco interessati ai prodotti finanziari e alla loro terminologia astrusa.

Occorre dunque identificare in quale punto della vita è il cliente e, di riflesso comprendere i suoi bisogni, obiettivi, rischi. Siamo in pieno “Know Your Client”: se vuoi creare un servizio su misura per qualcuno, devi prima prendergli le misure. Cioè profilare il cliente. Ma non alla Cambridge Analytica per manipolarlo, bensì per capire che problemi della vita deve risolvere.

Per far ciò, ad esempio, noi in Virtual B adottiamo una visione “romantica” del cliente: lo consideriamo un vettore aleatorio descritto da una distribuzione di probabilità multivariata, i cui elementi sono le sue caratteristiche distintive (bisogni, preferenze, abitudini, tratti comportamentali) che consentono di confezionare una soluzione specifica con i prodotti a disposizione. Il processo di KYC non è dunque frutto di una rivelazione mistica, ma nasce dalla masticazione continua dei dati con strumenti di data analytics, Machine Learning in testa.

E se i dati sono pochi, si può usare il data enrichment: mi dai una manciata di dati base, come domicilio, età, genere, professione e stato civile e ti restituisco i bisogni e gli obiettivi più probabili dei clienti, mettendo a frutto algoritmi di clustering e “look-alike modeling”.

2. Mappatura bisogni: prodotti

Come quando si cucina, occorre preparare la linea. Ossia individuare prodotti finanziari e assicurativi consoni ai particolari bisogni di quel particolare cliente. Fondi, unit-linked, GP, polizze salute, polizze casa, polizze di long term care, mutui, temporanee caso morte, prestiti personali. Di tutto. Ogni prodotto ha le sue specificità, da considerare insieme ai vincoli di compliance legati al target di mercato e al profilo regolamentare del cliente: serve un algoritmo che scovi il “best fit” tra i prodotti e il cliente, ottenendo la lista d’ingredienti per l’ultimo passaggio.

3. Assemblare la soluzione

Qui serve un motore di costruzione di portafoglio che combini prodotti (ndr: prodotti del mondo reale, non astratte asset class) d’investimento, assicurativi e di finanziamento, bilanciando opportunità e rischi, considerando sia gli attivi che le passività potenziali del singolo cliente. Si tratta di Asset Liability Management applicata individualmente, identificando il portafoglio corrispondente al bilanciamento ottimale dei rischi, quello che massimizza il benessere finanziario del cliente.

La strategia segue poi il life-cycle del cliente, con ribilanciamenti quando, a causa di qualche evento della vita, di mercato, o per il semplice trascorrere del tempo qualcosa cambierà sensibilmente: allora i dati rileveranno una variazione di bisogni e condizioni ambientali, e il portafoglio prodotti muterà. È una “soluzione standard su misura”: una consulenza personalizzata relativa a tutta la sfera patrimoniale del cliente, ma attuata con prodotti finanziari e assicurativi standard e con un processo industriale, scalabile. Questo, oltre essere ciò che serve alle persone, incidentalmente ne aumenterà il grado di affezione e, di conseguenza, anche il loro “life-time value”.

Per un intermediario, avere un sistema di roboadvisory evoluto che renda unica l’esperienza del cliente, ritagliandola sulle sue specifiche esigenze in ogni momento della sua vita, può davvero fare la differenza. Mai come ora le aziende che si occupano di gestione dei risparmi dovrebbero pensare ad aprire con intelligenza un loro canale digitale, centrato sulla personalizzazione attuata sfruttando i dati: se non ora, quando?