# Patologi contro economisti > Der Beitrag von SwissGRC® beschreibt am Vergleich von Ökonomen und Pathologen, warum Datenanalyse in Compliance, Risk und Performance Management zu stark rückwärtsgewandt ist. Er stellt den zukunftsorientierten Ansatz «Understand Your Counterpart (UYC)» vor. - URL: https://swissgrc.com/it/patologi-contro-economisti/ - Editore: SwissGRC® - Pubblicato: 2024-06-06 - Ultimo aggiornamento: 2024-06-06 ## Punti chiave - Ein Professor für Verhaltensökonomie verglich in seiner Abschiedsrede Ökonomen mit Pathologen, die alles erklären können, aber erst, wenn der Patient bereits tot ist. - Datenanalyse, Machine Learning und KI werden in Compliance, Risk und Performance Management eingesetzt, stützen sich aber meist auf Daten aus der Vergangenheit. - Als typische Vergangenheitsdaten nennt der Beitrag Vorfälle und Verluste, Kennzahlen aus früheren Jahresabschlüssen, ausgeführte Finanztransaktionen sowie Fragebögen und Bewertungen. - Ein Kunde kommentierte ein Modell zur Abwanderung von Kunden (Customer Attrition) mit dem Satz, das hätte er auch mit gesundem Menschenverstand erkennen können. - Der Ansatz «Understand Your Counterpart (UYC)» deckt mehrere Dimensionen der Gegenparteien ab, misst deren Gegenwart und wendet ein ganzheitliches 360-Grad-Konzept an. - Nach Angaben des Autors reduziert die Analyse von Echtzeitdaten die Zahl der Fehlalarme gegenüber der herkömmlichen eindimensionalen Analyse deutlich und liefert zuverlässige Frühwarnsignale. **«*Sapete cosa hanno in comune gli economisti e i patologi*?» Questa fu la domanda che il nostro professore di finanza comportamentale ci pose nel suo discorso di commiato durante la cerimonia di laurea, molti anni fa. Senza attendere risposte, aggiunse: *«Gli economisti sanno sempre spiegare tutto. Cosa è successo, perché è successo e quali sono state le cause e le ragioni esatte? Vi mostreranno grafici molto sofisticati e convincenti, analizzeranno i dati in ogni dettaglio, vi forniranno una mole di prove a conferma delle loro spiegazioni… proprio come farebbe un patologo… ma purtroppo, quando il paziente è già morto.»*** ##### L’evoluzione e le insidie della data analytics Negli ultimi decenni abbiamo imparato a utilizzare e sfruttare l’analisi dei dati avanzata, il machine learning e l’intelligenza artificiale in ambiti quali compliance, risk e performance management. Modelliamo il comportamento dei nostri partner commerciali, controparti e clienti sulla base delle loro azioni passate, nel tentativo di prevedere come interagiranno e si comporteranno in futuro. L’uso di approcci probabilistici per identificare rischi, minacce e opportunità è diventato la nuova normalità nell’ambito GRC. Tuttavia, se si osserva più da vicino come questo avvenga, ci si accorge che la fonte principale, e in molti casi l’unica, di dati è il passato. Un passato rappresentato principalmente da incidenti e perdite, dati di performance tratti da bilanci precedenti, transazioni finanziarie eseguite, questionari e valutazioni, in rari casi combinati con dati puramente statici che descrivono nel dettaglio le circostanze rilevanti. Rafforzati dalla nostra cecità operativa (esiste un’espressione tedesca molto efficace per questo fenomeno, «Betriebsblindheit»), abbiamo speso enormi sforzi per cercare, trovare e promuovere tecniche di quantificazione e algoritmi sempre più sofisticati, inventati e utilizzati da NASA, Google & Co., che promettono di migliorare le prestazioni analitiche, come l’accuratezza e la stabilità delle previsioni e delle quantificazioni, di pochi punti percentuali marginali. Negli ultimi anni sono stato spesso risucchiato e assorbito da questo tipo di esercizi egocentrici, e ho assistito fin troppo spesso a discussioni di questo genere, guidate dall’ego. ##### Un campanello d’allarme: il feedback del cliente Ricordo molto bene il feedback ricevuto da un cliente dopo uno di questi esercizi, alcuni anni fa. Mi pare si trattasse della modellizzazione e previsione del rischio e della probabilità di abbandono da parte dei clienti (customer attrition). Una dichiarazione piuttosto deludente e scoraggiante che, a mio modesto parere, riassume bene la situazione e spiega molto. Il cliente disse: «Non è nulla che non avrei potuto vedere, spiegare e concludere semplicemente con il buon senso». Sebbene fossimo animati, motivati e spinti dallo spirito innovativo del nostro lavoro, con la ferma convinzione di rappresentare un’avanguardia nel settore del risk management, in quel momento mi sono tornate in mente le parole del nostro professore… e mi sono sentito davvero come un patologo, o comunque non come qualcuno che sta per «salvare la vita a qualcuno» grazie alle proprie scoperte e intuizioni. ##### Un cambio di prospettiva: l’approccio orientato al futuro Questo episodio ha confermato un sospetto che avevo precedentemente represso: ci stavamo concentrando nel posto sbagliato. Non perché analizzare incidenti e perdite passate, bilanci, transazioni o questionari e valutazioni non sia importante o utile, anzi, rappresentano una fonte di dati molto rilevante… né perché non sia importante applicare le tecniche di quantificazione e gli algoritmi più recenti e potenti, che naturalmente lo sono… ma perché la nostra analisi è stata quasi interamente rivolta al passato (backward looking), unidimensionale e focalizzata esclusivamente su ciò che è già accaduto. Mi sono posto alcune domande: come possiamo cambiare questo approccio? Come possiamo rendere la nostra quantificazione, modellizzazione e analisi più orientate al futuro (forward looking)? Io e il mio team eravamo convinti che, per rendere la nostra analisi e modellizzazione (di qualsiasi tipo) più orientata al futuro, fosse necessario: 1) uscire dall’unidimensionalità e coprire più dimensioni delle nostre controparti, 2) iniziare a rilevare, misurare e analizzare il «presente» delle azioni e interazioni delle nostre controparti, invece del solo «passato», e 3) applicare un concetto olistico a 360°, che abbiamo chiamato l’approccio «Understand Your Counterpart – UYC». Così, oltre a tutti i dati storici disponibili, abbiamo iniziato ad analizzare come le nostre controparti si comportano in tempo reale, cosa scrivono i media su di loro, che aspetto hanno le loro impronte digitali, cyber, sociali, di integrità aziendale e ambientali, come ci parlano, che tipo di parole ed espressioni utilizzano, come suonano le loro voci, come si comportano su tutti i canali digitali a cui diamo loro accesso, come utilizzano i propri dispositivi durante queste interazioni, cosa leggono e su cosa si concentrano quando visitano le nostre piattaforme, cosa li preoccupa, a cosa sono interessati, cosa e come ci scrivono quando chattano o comunicano via e-mail con noi, come sono collegati al loro ambiente, qual è il loro rischio di contagio (spillover risk), e così via. Analizzando in modo proattivo tutti questi dati del «presente», del «qui e ora», in un’ottica orientata al futuro, non solo trattiamo dimensioni di dati molto più ampie, diversificate e ricche di significato, ma siamo anche riusciti a ridurre in modo significativo il numero di falsi positivi (rispetto all’analisi tradizionale unidimensionale) e a generare una serie di segnali di allerta precoce immediati e altamente affidabili per un’ampia gamma di temi e problematiche di compliance, risk e performance management. ##### Il futuro: un percorso entusiasmante Verso dove ci stiamo dirigendo? Dove sono i limiti? Non lo so con esattezza, ma di una cosa sono certo: dato che il mondo in cui viviamo e il comportamento umano sono così diversificati, dinamici e sfaccettati, questo non potrà che essere un percorso entusiasmante! Alla fine del suo discorso, il nostro professore disse: «Cercate di essere degli economisti intelligenti, non dei patologi!» ## Domande frequenti ### Was haben Ökonomen und Pathologen gemeinsam? Laut dem Professor im Beitrag können beide alles genau erklären, mit überzeugenden Grafiken und vielen Belegen. Die Erklärung kommt jedoch erst, wenn der Patient bereits tot ist. ### Was ist das Problem der heutigen Datenanalyse im GRC? Die Analyse stützt sich meist ausschließlich auf die Vergangenheit, etwa auf Vorfälle, Verluste, Bilanzdaten, Transaktionen, Fragebögen und Bewertungen. Sie ist rückwärtsgewandt und eindimensional. ### Was bedeutet der Ansatz Understand Your Counterpart (UYC)? UYC ist ein ganzheitlicher 360-Grad-Ansatz. Er deckt mehrere Dimensionen der Gegenparteien ab und analysiert zusätzlich zur Vergangenheit auch deren aktuelles Verhalten und ihre Interaktionen. ### Welche Daten analysiert der zukunftsorientierte Ansatz zusätzlich? Dazu zählen unter anderem das Verhalten in Echtzeit, Medienberichte, digitale, Cyber-, soziale, Integritäts- und Umwelt-Fußabdrücke sowie Sprache, Stimme und Nutzung digitaler Kanäle. Auch das Ansteckungsrisiko (Spillover Risk) wird betrachtet. ### Welchen Nutzen bringt die Analyse von Gegenwartsdaten? Laut dem Autor sinkt die Zahl der Fehlalarme deutlich im Vergleich zur eindimensionalen Analyse. Zudem entstehen unmittelbare und sehr zuverlässige Frühwarnsignale für Themen in Compliance, Risk und Performance Management.