Il dato è tratto

 

La Data Driven Innovation può migliorare l’efficienza, la compliance, la produttività e la competitività della banca.

 

Sul valore del dato, su come estrarlo e su come analizzarlo si concentra questo percorso.

Struttura dell’offerta

e metodologia didattica

Articolata in 3 AREE, l’offerta approfondisce i capisaldi che consentono di introdurre e gestire la Data Driven Innovation nel contesto bancario e finanziario.

Ogni area è composta da moduli formativi autoconsistenti.

 

Grazie a un approccio pratico, un apprendimento basato sul “fare ha l’obiettivo di trasferire strumenti e soluzioni pratico-operative attraverso casi studio, team-working e momenti di hands- on. Una formula che, attraverso una contaminazione costante tra contenuti ed esperienza, attiva un apprendimento più solido e lo sviluppo di casi immediatamente implementabili nel proprio contesto professionale così da generare, da subito, valore aggiunto per i partecipanti e i loro interlocutori.

 

Gli incontri saranno guidati da manager bancari, professionisti, accademici e consulenti nazionali ed internazionali impegnati in prima linea nella Data Driven Innovation.

Destinatari

AREA 1: figure professionali del settore creditizio-finanziario che desiderano acquisire una visione integrata del processo di introduzione e gestione dei Dati e dei Big Data; responsabili di unità organizzative chiamati a implementare un progetto, capi progetto

AREA 2: data engineer, responsabili e specialisti delle aree ICT organizzazione e processi, sistemi informativi, delle aree impattate dalla trasformazione tecnologica

AREA 3: analisti che operano nelle aree tecnologiche e di business, data scientist

Obiettivi

Fornire le basi per comprendere e sfruttare il mondo dei Dati

Individuare i fattori abilitanti in termini economici, organizzativi sociali e normativi per il Data Driven Banking

Valutare le tecnologie da utilizzare come soluzione al proprio problema di business

Avere una panoramica dell’innovazione tecnologica

Comprendere in maniera operativa i principi e le tecniche di machine learning

Comprendere le potenzialità del Machine Learning e del Deep Learning, attraverso esempi pratici e utilizzo degli stessi

Programma

AREA 1

DATA-DRIVEN INNOVATION: TOO URGENT TO IGNORE

Come può oggi una banca capire, interpretare e utilizzare i dati, impiegare informazioni strutturate e non strutturate di cui è in possesso per incrementare il proprio vantaggio competitivo?
La Data Driven Innovation può migliorare l’efficienza, la compliance, la produttività e la competitività della banca. Ma il passaggio da una “tradizionale” Financial Institution a una Data Company richiede un cambio di paradigmi, competenze, visioni, processi, tecnologie. Si tratta di un cambiamento pervasivo, che investe persone e strutture e che richiede uno specifico approccio dall’alto verso il basso, con obiettivi, risorse e metodologie specifiche. Altrimenti il cambiamento sarà rallentato o non andrànella direzione voluta.

MODULO 1

DATA DRIVEN BANKING

Milano, 22-23-24 maggio

Il modulo ha lo scopo di definire lo scope di dati, attività e strumenti a servizio del data-driven banking

Giorno 1 - Business Data

10.00 – 10.20 APERTURA DEI LAVORI E PRESENTAZIONE DEL PERCORSO

  • Dati: ovunque, complessi, utili, finalizzati
  • Big Data e Small Data: questo è il dilemma?

Pietro Scabellone

Responsabile Ufficio Analisi Gestionali  ABI


10.20 – 10.45

  • Tra mito e realtà: sfide e ostacoli dei Big Data
  • L’approccio “data driven”: una bussola per crescere e innovarsi
  • Tecnologie per i Big Data: ammansire e valorizzare immensi volumi di informazioni? Si può

Riccardo Torlone

Professore Ordinario, Docente di Big Data Università degli Studi “Roma Tre”


10.45 – 11.15 DATA DRIVEN BANKING

  • Il contesto normativo di riferimento per un sistema datacentrico
  • Rischi e opportunità emergenti per il sistema bancario
  • Il dato come contenitore
  • I requisiti per sfruttare appieno i dati: la Data Strategy, l’integrazione di più fonti, i modelli di analisi
  • Approccio sistematico e metodologico per trasformare i dati in valore
  • I principali vantaggi derivanti dal governare, gestire organizzare il patrimonio informativo in modo efficace: in ambito commerciale e marketing e in ambito regolamentare, controlli e rischi

Paolo Fabris
Partner

Sergio Gianni
Partner

Avantage Reply;


11.30 – 12.00 LA DATA DRIVEN BANKING – I DRIVER

  • Trasformazione digitale: una moda o una necessità?
  • Cosa rende la trasformazione digitale una necessità reale?
  • Quali strumenti e tecnologie abilitano la trasformazione digitale

Stefano Ferrari

Responsabile Sistemi di Sintesi, Governo, Rischi e Controlli

BPER Services


 12.00 – 13.30 LA DATA DRIVEN BANKING – LA ROADMAP

  • Il Modello di riferimento e i passi fondamentali
  • La visione strategica
  • La progressione e la gestione della complessità
  • Il patrimonio informativo aziendale
  • Introduzione alla Data Governance: struttura, modello organizzativo
  • Data Quality: i livelli di controllo, elementi del modello funzionale, logica di applicazione dei controlli

Stefano Ferrari


14.30 – 15.00 LA DATA DRIVEN BANKING – GESTIONE DELLA PRIVACY

  • La Data Privacy: punti di riferimento rispetto al nuovo quadro normativo nazionale ed europeo
  • Modello della Data Privacy e Modello della Data Security / Gli aspetti organizzativi e di processo
  • Un percorso per l’adeguamento dei Modelli al quadro normativo

Stefano Ferrari

Daniela Maragno

Servizio Compliance

BPER Banca


16.00 – 16.30 DATA MONETIZATION

  • La monetizzazione degli asset informativi
  • La traduzione di Data Monetization nel contesto bancario: la prudenza consolida il successo
  • L’offerta dei dati sul mercato
  • Il riconoscimento e lo sfruttamento del valore dei dati
  • La nascita e il successo dei Sistemi di Data Brokerage
  • Il valore economico dell’informazione

Paolo Fabris
Partner

Sergio Gianni
Partner

Avantage Reply;


16.30 – 17.30 VALORIZZARE I DATI PER IL BUSINESS

  • Il business Data Model
  • Aumento o diminuzione della complessità?

Matteo Pizzicoli

Responsabile Direzione Organizzazione e Progetti per l’Innovazione

Creval Sistemi e Servizi

Giorno 2 - Data Transformation

9.30 – 11.15  LESSON LEARNED
BIG DATA JOURNEY: PRESUPPOSTI E STEP PER L’INTRODUZIONE DEI BIG DATA IN BANCA

  • Lo scenario complessivo e degli impatti sulle banche
  • RoadMap: come affrontare il Journey in banca:
    – Data Governance
    – Data Quality
    – Data Architecture
    – Data Value
    – Change Management
  • Questions & Answers

Valerio Cencig

Responsabile Direzione Centrale

Data Office,

Chief Financial Officer

Intesa Sanpaolo


11.30 – 12.30 BIG DATA: UNA MINIERA DI CONOSCENZE

  • Il rapporto tra customer analytics, Big Data e real time marketing

Duccio Stefano Gazzei

Responsabile Customer Analytics

BNL Gruppo BNP Paribas

Davide Morgagni
Data Scientist

BNL Gruppo BNP Paribas


12.30 -13.30 NUOVE COMPETENZE PER IL BIG DATA JOURNEY: SI FA PRESTO A DIRE DATA SCIENTIST…

Alessandro Giaume

Director Innovation

Ars et Inventio


14.03 – 16.00 ANATOMIA DI UNA MODERNA DATA ARCHITECTURE

  • Dai Datawarehouse ai Data Lake
  • Le sfide e opportunità offerte dai Big Data
  • I nuovi paradigmi di analisi e trattamento dei dati
  • Qual’è il rapporto tra Big Data e Machine Learning?
  • Business Intelligence vs Predictive Analytics

Fulvio D’Antonio,
Chief Scientific
Officer di LiveTech


16.00 – 17.30 IL VALORE ECONOMICO DELLA DATA QUALITY

  • L’enterpise Data Quality
  • La Data Quality ai tempi dei Big Data

Renato Valera

Head of Consulting & Solution Services

Irion

Giorno 3 - Data Protection

10.00 – 11.30 DATA SECURITY: SCENARI DI RISCHIO INFORMATICO E FRAMEWORK DI GESTIONE DELL’INFORMATION SECURITY NEL MONDO DEI BIG DATA

  • Data Security Regulation
  • Data Security e nuove tecnologie
  • Il sistema di Information Security Governance
  • Privacy e gestione della sicurezza: differenze e sinergie
  • Modello di sicurezza basata sul dato
  • Analisi dei rischi IT e Rischio Cyber
  • Security by Design
  • L’evoluzione delle minacce della cybersecurity

Maria Bonzano

Spike Reply


11.45 13.00 DATA SECURITY: IL MODELLO DI SICUREZZA BASATO SUL DATO.
L’ESPERIENZA DI INTESA SANPAOLO 

Carlo Maria Brezigia
Responsabile Servizio Information Security e Business Continuity
INTESA SANPAOLO GROUP SERVICES


14.00 – DATA PROTECTION

  • Le principali problematiche legate alla privacy nella gestione di Big Data
  • Come il nuovo regolamento europeo in materia di trattamento dati personali impatterà sui Big Data?
  • Il giusto equilibrio tra opportunità e protezione dei dati personali: privacy-by-design, privacy by default e valutazione d’impatto sulla protezione dei dati

Laura Liguori e Marco Bellezza

Portolano Cavallo


15.30 – DATA SECURITY E CLOUD

  • Scenario (dati e statistiche), tipologie di servizi cloud, vantaggi vs rischi
  • La compliance per le banche: panoramica delle normative vigenti in relazione alla gestione dei fornitori, le esternalizzazioni ed il Cloud
  • Integrazione con il ciclo di vita: gestire la sicurezza di una esternalizzazione o della realizzazione di un nuovo servizio Cloud
  • Il Cloud alla luce del nuovo Regolamento Europeo in materia di trattamento dati personali
  • Data protection e Cloud nella politica di sviluppo del cloud computing della Commissione Europea

Gabriele Faggioli
CEO

Partners4innovation

AREA 2

DATA TECHNOLOGIES

Quali sono le principali tecnologie per la memorizzazione, elaborazione e gestione dei Big Data? L’area fornisce una panoramica sullo stato di sviluppo delle soluzioni tecnologiche e dei processi per la gestione di Big Data e fa il punto sulle principali linee evolutive delle architetture e delle tecnologie per essere una banca Data Driven.

Giorno 1

10.00 I MUTAMENTI NEL MERCATO TECNOLOGICO CORRELATI AI BIG DATA

  • L’inquadramento di Gartner: Magic Quadrant for Data Management Solutions for Analytics
  • Il concetto di scale-out ed elaborazione distribuita
  • Google come antesignano
  • Il data warehouse e il database relazionale in questo contesto
  • Le differenze fra schema-on-read e schema-on-write

Monica Franceschini

Solution Architecture Manager
Big Data Competence Center Engineering


11.00 IL QUADRO COMPETITIVO E LE STRATEGIE DI OFFERTA DEI FORNITORI A LIVELLO NAZIONALE E INTERNAZIONALE

  • La “Coopetition” e il ruolo dell’open source
  • Soluzioni proprietarie e distribuzioni

Monica Franceschini


11.30 LE ARCHITETTURE INFRASTRUTTURALI E LE FASI DEL PROGETTO INFRASTRUTTURALE

  • Cluster-based architectures & cluster computing
  • Il cloud come volano per i Big Data
  • La legge di Moore
  • Il capacity plan e il dimensionamento del cluster

Monica Franceschini


12.00 BIG DATA IN BANCA SELLA: LE FASI DEL PROGETTO INFRASTRUTTURALE

Stefano Priola

CTO Banca Sella


14.30 ACQUISIZIONE, IMMAGAZZINAMENTO, ORGANIZZAZIONE, TRASFORMAZIONE E ANALISI

Architettura logica e finalità

Il ruolo di Hadoop come Data Reservoir

Big Data orientati alle Analytics: Architecture Concept & Practices

Governare i dati in un ambiente di Data Science

Tools di Data Wrangling per Hadoop

TECNOLOGIE BIG DATA: PANORAMICA (parte 1)

  • Introduzione ai database non relazionali
  • Panoramica su key-value, document oriented, column-family stores e graph databases

Monica Franceschini


16.30 POLYGLOT PERSISTENCE E BIG DATA: TRA INNOVAZIONE E DIFFICOLTÀ SU CASI REALI

Antonio Mantuano

Area IT -Responsabile Ingegneria del Software Cerved Group S.p.A.

Giorno 2

9.30 TECNOLOGIE BIG DATA: PANORAMICA (parte 2)

  • Hadoop: concetti di base
  • Hadoop Ecosystem – focus on: HDFS, Yarn
  • Hive il DWH di Hadoop
  • Apache Spark come successore del MapReduce

POSIZIONAMENTO TECNOLOGIE BIG DATA RISPETTO AGLI STRUMENTI TRADIZIONALI

  • Le principali tecnologie di SQL-on-Hadoop
  • Come si integra la Business Intelligence con Hadoop?
  • Data Warehouse offload: Hadoop come staging area e data refinery

Monica Franceschini


12.00 TECNOLOGIE BIG DATA: EVOLUZIONE E CASI DI UTILIZZO IN AMBITO FINANCE

Fabrizio Napolitano

Analytics Platform Architect IBM Software Sales


14.00 BIG DATA E MACHINE LEARNING

  • Che rapporto c’è fra i Big Data e il Machine Learning?
  • Gli advanced analytics
  • Machine learning con Spark: MLLib e Apache Mahout

Monica Franceschini


15.00 INTELLIGENT, DATA-DRIVEN APPS THAT LEARN AND ADAPT

Domenico Irilli

DevOps and Cloud Application Development Lead Microsoft Italia

16.00 TECNOLOGIE PER LA DATA VISUALIZATION

  • Data discovery and data exploration
  • BI tools & analytics

Monica Franceschini


16.30 STRUMENTI DI DATA INGESTION

  • Apache Sqoop per ingestion da RDBMS
  • Event-driven ingestion mediante Apache Flume
  • Apache Nifi e Data-flow ingestion tools

Monica Franceschini

MODULO 2

LE TECNOLOGIE PER I BIG DATA

Milano, 5-6 giugno

Il modulo è finalizzato ad analizzare le implicazioni tecnologiche e gestionali derivanti dall’adozione delle varie piattaforme di gestione dei Big Data e a fare il punto sullo stato di sviluppo delle soluzioni e sui principali trend evolutivi delle architetture e delle tecnologie dei Big Data.

MODULO 2

LE TECNOLOGIE PER I BIG DATA

Milano, 5-6 giugno

Il modulo è finalizzato ad analizzare le implicazioni tecnologiche e gestionali derivanti dall’adozione delle varie piattaforme di gestione dei Big Data e a fare il punto sullo stato di sviluppo delle soluzioni e sui principali trend evolutivi delle architetture e delle tecnologie dei Big Data.

Giorno 1

10.00 I MUTAMENTI NEL MERCATO TECNOLOGICO CORRELATI AI BIG DATA

  • L’inquadramento di Gartner: Magic Quadrant for Data Management Solutions for Analytics
  • Il concetto di scale-out ed elaborazione distribuita
  • Google come antesignano
  • Il data warehouse e il database relazionale in questo contesto
  • Le differenze fra schema-on-read e schema-on-write

Monica Franceschini

Solution Architecture Manager
Big Data Competence Center Engineering


11.00 IL QUADRO COMPETITIVO E LE STRATEGIE DI OFFERTA DEI FORNITORI A LIVELLO NAZIONALE E INTERNAZIONALE

  • La “Coopetition” e il ruolo dell’open source
  • Soluzioni proprietarie e distribuzioni

Monica Franceschini


11.30 LE ARCHITETTURE INFRASTRUTTURALI E LE FASI DEL PROGETTO INFRASTRUTTURALE

  • Cluster-based architectures & cluster computing
  • Il cloud come volano per i Big Data
  • La legge di Moore
  • Il capacity plan e il dimensionamento del cluster

Monica Franceschini


12.00 BIG DATA IN BANCA SELLA: LE FASI DEL PROGETTO INFRASTRUTTURALE

Stefano Priola

CTO Banca Sella


14.30 ACQUISIZIONE, IMMAGAZZINAMENTO, ORGANIZZAZIONE, TRASFORMAZIONE E ANALISI

Architettura logica e finalità

Il ruolo di Hadoop come Data Reservoir

Big Data orientati alle Analytics: Architecture Concept & Practices

Governare i dati in un ambiente di Data Science

Tools di Data Wrangling per Hadoop

TECNOLOGIE BIG DATA: PANORAMICA (parte 1)

  • Introduzione ai database non relazionali
  • Panoramica su key-value, document oriented, column-family stores e graph databases

Monica Franceschini


16.30 POLYGLOT PERSISTENCE E BIG DATA: TRA INNOVAZIONE E DIFFICOLTÀ SU CASI REALI

Antonio Mantuano

Area IT -Responsabile Ingegneria del Software Cerved Group S.p.A.

Giorno 2

9.30 TECNOLOGIE BIG DATA: PANORAMICA (parte 2)

  • Hadoop: concetti di base
  • Hadoop Ecosystem – focus on: HDFS, Yarn
  • Hive il DWH di Hadoop
  • Apache Spark come successore del MapReduce

POSIZIONAMENTO TECNOLOGIE BIG DATA RISPETTO AGLI STRUMENTI TRADIZIONALI

  • Le principali tecnologie di SQL-on-Hadoop
  • Come si integra la Business Intelligence con Hadoop?
  • Data Warehouse offload: Hadoop come staging area e data refinery

Monica Franceschini


12.00 TECNOLOGIE BIG DATA: EVOLUZIONE E CASI DI UTILIZZO IN AMBITO FINANCE

Fabrizio Napolitano

Analytics Platform Architect IBM Software Sales


14.00 BIG DATA E MACHINE LEARNING

  • Che rapporto c’è fra i Big Data e il Machine Learning?
  • Gli advanced analytics
  • Machine learning con Spark: MLLib e Apache Mahout

Monica Franceschini


15.00 INTELLIGENT, DATA-DRIVEN APPS THAT LEARN AND ADAPT

Domenico Irilli

DevOps and Cloud Application Development Lead Microsoft Italia

16.00 TECNOLOGIE PER LA DATA VISUALIZATION

  • Data discovery and data exploration
  • BI tools & analytics

Monica Franceschini


16.30 STRUMENTI DI DATA INGESTION

  • Apache Sqoop per ingestion da RDBMS
  • Event-driven ingestion mediante Apache Flume
  • Apache Nifi e Data-flow ingestion tools

Monica Franceschini

MODULO 3

DATA TECHNOLOGIES INNOVATION

Milano, 19-20-21 giugno

Il modulo è finalizzato fare il punto sullo stato di sviluppo delle soluzioni e sui principali trend evolutivi delle architetture e delle tecnologie dei Big

Giorno 1 - API Application Programming Interface, Open API: Rendere disponibili all'esterno i (nuovi) dati

API: COSA SONO E A COSA SERVONO

SCENARI DI ADOZIONE API NEI DIVERSI MERCATI E SUI DIVERSI SERVIZI

Marco Rotoloni Research

Analyst ABI Lab


I DRIVER DELLA DIFFUSIONE DELLE API IN BANCA

  • FinTech
  • Normative (PSD2)
  • Iniziative di sistema (UK Gov, BCE, EBA ecc.)

LE API ENTRANO IN BANCA: OPPORTUNITÀ E POSSIBILI RISCHI

CASE STUDY BANCARI E ANALISI DEI DIVERSI APPROCCI

IL PERCORSO VERSO L’API BANK:

  • Strategia business
    – Nuovi modelli di business e di servizio e possibili scenari di posizionamento strategico
  • Strategia IT
    – L’impatto sui sistemi ed architetture IT (architetture, SOA e Microservizi)
  • Strumenti di gestione
    – La gestione delle API: funzionalità, strumenti, processi, Governance, sicurezza, best practice
  • Compliance
    – Le normative (RTS EBA e altri framework di riferimento)

Barbara Uttini Senior Advisor PwC

 

Andrea Bedoni Senior Manager PwC

 

Gianmarco Zanetti Director PwC


API E OPEN BANK

Francesco Testa

Responsabile Architetture e Sicurezza CheBanca!

 

Mauro Martellenghi

Responsabile Architettura Applicativa CheBanca!

Giorno 2 - RPA - ROBOTIC PROCESS AUTOMATION: ALLEGGERIRE E VELOCIZZARE IL DELIVERY DI SOLUZIONI PER TASK OPERATIVI

INTRODUZIONE AL TEMA RPA: PRINCIPI GENERALI ED ELEMENTI DI BASE

ESEMPI DI IMPLEMENTAZIONE RPA

Marco Rotoloni ABI Lab


  • Caratteristiche di RPA
  • Tipologie di processi: automatizzabili e non
  • Framework per selezione dei primi processi
  • Gli ambiti di maggiore sviluppo in ambito finance
  • Implicazioni su ICT Governance, manutenzione, rischio
  • Implicazioni organizzative e operative su Funzioni ICT e su Funzioni Business della Banca
  • Integrazione fra RPA e processi esistenti
  • Come implementare l’RPA all’interno del Process Management: quali criteri, quali driver
  • Modalità e tempistiche di implementazione
  • Comparazione piattaforme RPA
  • Oltre l’RPA: Cognitive e Intelligenza Artificiale
  • “What’s next”? Lo sviluppo della componente cognitiva nell’RPA

Generoso Cogliano Senior Manager Accenture

Carnevale Mario Senior Manager Accenture


SMART(ER) PROCESSES, COME LA PROCESS AUTOMATION ABILITA LA DIGITAL TRASFORMATION – L’ESPERIENZA DI CREVAL

Luigi Crocco Responsabile Divisione Architetture Creval Sistemi e Servizi

Giorno 3 - Blockchain

INTRODUZIONE AL TEMA BLOCKCHAIN: PRINCIPI GENERALI ED ELEMENTI DI BASE POSSIBILI IMPIEGHI NEI FINANCIAL SERVICES

  • Gli approcci permissionless e permissioned: caratteristiche e vantaggi delle possibili soluzioni
  • Gli ambiti di maggiore sviluppo in ambito finance:
    – trasferimenti cross-boarder, intra/interbancari
    – pagamenti P2P
    – trading finanziario
    – trade finance
    – know your customer

LE BANCHE E LE BLOCKCHAIN: LO SCENARIO EVOLUTIVO IN ATTO

  • Le community di riferimento

PRINCIPALI SFIDE PER L’EVOLUZIONE FUTURA

Giulio Murri Senior Research Analyst ABI Lab


LE CARATTERISTICHE DELLE BLOCKCHAIN

  • La Distributed Ledger Technology (DLT) e i sistemi blockchain: l’evoluzione tecnologica in atto
  • I principi cardine di un sistema blockchain:
    – i nodi della rete P2P
    – la crittografia e la digital signature
    – i meccanismi di fiducia e consenso
  • Gli aspetti fondamentali della struttura e della tecnologia:
    – nodi full e light
    – ruoli wallet e miner
    – algoritmi di consenso
    – caratteristiche e implicazioni architetturali ICT

Maurizio Sironi Manager E-finance Reply


L’ESPERIENZA DI INTESA SANPAOLO SULLE BLOCKCHAIN

Testimonianza Intesa Sanpaolo (in attesa di conferma)


STATO DELLA REGOLAMENTAZIONE IN AMBITO DLT

  • L’approccio dei regulator e delle banche centrali all’evoluzione dei sistemi DLT

Giorgio Pavia Associate Partner Avantage Reply


PRESENTAZIONE DI ALCUNE REALIZZAZIONI IN AMBITO HYPERLEDGER FABRIC

  • Tecnologia Hyperledger Fabric Gen.3
  • IBM Blockchain offerings
  • Realizzazioni significative in ambito finance

Fabio Malosio Blockchain Solution Leader IBM Italia S.p.A.


NON SOLO BITCOIN

  • Ethereum: potenzialità e impieghi degli Smart contract
  • Ripple: lo sviluppo di una rete finanziaria decentralizzata
  • BlockAnalytics: il legame tra blockchain e big data

Giorgio Pavia
Maurizio Sironi


USE CASE
LA TECNOLOGIA BLOCKCHAIN FA EVOLVERE LA BANCA NEI PAGAMENTI P2P, P2B E APRE LA STRADA A NUOVE OPPORTUNITÀ

Michele Dotti Responsabile Direzione Architettura R&D Cedacri
Federico Folloni Direzione Architettura R&D Cedacri

AREA 3

DATA SCIENCE IN BANKING

Raccogliere i dati serve a poco se poi non si è capaci di utilizzarli al meglio.
Gli algoritmi di Advanced Analytics e di Machine Learning promettono di estrarre valore in modo nuovo e amplificato dai dati.

Giorno 1 - R e RStudio

  • La filosofia del software R
  • Sintassi generale del linguaggio
  • Quando si utilizza R

Paola Cerchiello

Ricercatrice di Statistica, Laboratorio di Data Science

Università degli Studi di Pavia

Giorno 2 - Python

  • La filosofia di Python
  • Sintassi generale del linguaggio
  • Quando si utilizza Python

Paola Cerchiello

MODULO 4

INTRO TO SCRIPTING

Milano, 26-27 giugno

L’approccio open-source trova sempre più diffusione in ambito aziendale in combinazione con software proprietari. Per poter accedere ai laboratori e imparare direttamente su casi studio è utile conoscere i fondamenti di R e Python due tra i linguaggi più diffusi in ambito data science.

MODULO 4

INTRO TO SCRIPTING

Milano, 26-27 giugno

L’approccio open-source trova sempre più diffusione in ambito aziendale in combinazione con software proprietari. Per poter accedere ai laboratori e imparare direttamente su casi studio è utile conoscere i fondamenti di R e Python due tra i linguaggi più diffusi in ambito data science.

Giorno 1 - R e RStudio

  • La filosofia del software R
  • Sintassi generale del linguaggio
  • Quando si utilizza R

Paola Cerchiello

Ricercatrice di Statistica, Laboratorio di Data Science

Università degli Studi di Pavia

Giorno 2 - Python

  • La filosofia di Python
  • Sintassi generale del linguaggio
  • Quando si utilizza Python

Paola Cerchiello

MODULO 5

DATA INTO ACTION

Milano, 3-4-5 luglio

Il modulo fornisce una conoscenza di base per l’applicazione delle tecniche di advanced analytics e machine learning attraverso casi reali per evidenziare l’efficacia
e i vantaggi che questi strumenti permettono di ottenere. Erogato con una modalità hands-on basata su casi che provengono da diversi ambiti della banca.

Giorno 1 - INTRODUZIONE E ANALISI SUPERVISIONATA

  • Statistica, Machine Learning, Data Mining, Data Science
  • Modelli descrittivi, non supervisionati
  • Modelli predittivi, supervisionati
  • Esempi di analisi descrittiva
  • Esempi di analisi predittiva

Paolo Giudici

Professore Ordinario di Statistica e Direttore Laboratorio di Data Science

Università degli Studi di Pavia


  • Modelli predittivi: di regressione e di classificazione
  • Hands-on: casi e applicazioni in ambito credit scoring

Intervento a cura di Mode Finance

Giorno 2 - ANALISI NON SUPERVISIONATA

  • Net promoter scores
  • Hands on: casi e applicazioni in ambito commerciale e marketing
    • Preparazione risposte dei clienti (verbatim) con le tecniche tipiche del text mining;
    • Clustering di verbatim e visualizzazione risultati (clouding);
    • Collegamento con dati di profilazione del cliente per mettere a punto piano di azione

Duccio Stefano Gazzei

Responsabile Customer Analytics

BNL Gruppo BNP Paribas


  • Recommender systems: Content Based, Collaborative Filtering, Metodi Ibridi e altri metodi. Il ruolo del contesto nei RS.
  • Hands on: RS basati sulla similarità, Collaborative filtering, Asset embedding in Python

Andrea Gigli

Responsabile Interest Rates, Inflation and XVA  MPS Capital Services

Professore a contratto in Management Data Science – Università di Firenze

Giorno 3 - ANALISI DATI NON STRUTTURATI

  • Introduzione all’analisi dei dati testuali
  • Dalla bag-of-words all’individuazione dei “topics”.
  • Classificazione supervisionata dei testi (deep learning)
  • “Latent Dirichlet Allocation” per topic modeling (statistical approach)
  • Sentiment Analysis, score function e classificatori
  • Hands-on: content e sentiment analysis, dei tweet e delle news

Pietro Scabellone

Responsabile Ufficio Analisi Gestionali –  ABI

Paola Cerchiello

Ricercatrice di Statistica, Laboratorio di Data Science Università degli Studi di Pavia

Giorno 1 - Robo Advisory

  • Introduzione al tema Robo Adivsor: principi generali ed elementi di base
  • Come evolvere l’Advisory con il Machine Learning

Lorenzo Mastrolilli

Manager Be Consulting


  • Robo-Advice: profili normativi e prospettive future
  • Il quadro regolamentare alla luce del dibattito internazionale

Maria Teresa Paracampo

Professore associato Diritto Mercato Finanziario Università degli Studi di Bari


Robo Advisor e Robo 4 Advisor: esperienze a confronto

Mario Bortoli

Founder and CEO Euclidea

Paolo Galvano

Co-Founder and Chairman Money Farm


Engine di Advisor: come funzionano? Quali input? Quali regole?

Vittorio Carlei

Docente di Advanced Analytics per il Business Luiss Guido Carli


Architetture: la performance come fattore chiave

Vittorio Carlei


Hands on: algoritmi di Robo Advisor in action

Paolo Giudici

Professore Ordinario di Statistica e Direttore Laboratorio di Data Science Università degli Studi di Pavia

Paola Cerchiello

Ricercatrice di Statistica, Laboratorio di Data Science Università degli Studi di Pavia

MODULO 6

IL ROBO ADVISORY

Milano, 21 settembre

Il modulo fornisce una conoscenza di base per l’applicazione delle tecniche di advanced analytics e machine learning attraverso casi reali per evidenziare l’efficacia e i vantaggi che questi strumenti permettono di ottenere. Erogato con una modalità hands-on basata su casi che provengono da diversi ambiti della banca.

MODULO 6

IL ROBO ADVISORY

Milano, 21 settembre

Il modulo fornisce una conoscenza di base per l’applicazione delle tecniche di advanced analytics e machine learning attraverso casi reali per evidenziare l’efficacia e i vantaggi che questi strumenti permettono di ottenere. Erogato con una modalità hands-on basata su casi che provengono da diversi ambiti della banca.

Giorno 1 - Robo Advisory

  • Introduzione al tema Robo Adivsor: principi generali ed elementi di base
  • Come evolvere l’Advisory con il Machine Learning

Lorenzo Mastrolilli

Manager Be Consulting


  • Robo-Advice: profili normativi e prospettive future
  • Il quadro regolamentare alla luce del dibattito internazionale

Maria Teresa Paracampo

Professore associato Diritto Mercato Finanziario Università degli Studi di Bari


Robo Advisor e Robo 4 Advisor: esperienze a confronto

Mario Bortoli

Founder and CEO Euclidea

Paolo Galvano

Co-Founder and Chairman Money Farm


Engine di Advisor: come funzionano? Quali input? Quali regole?

Vittorio Carlei

Docente di Advanced Analytics per il Business Luiss Guido Carli


Architetture: la performance come fattore chiave

Vittorio Carlei


Hands on: algoritmi di Robo Advisor in action

Paolo Giudici

Professore Ordinario di Statistica e Direttore Laboratorio di Data Science Università degli Studi di Pavia

Paola Cerchiello

Ricercatrice di Statistica, Laboratorio di Data Science Università degli Studi di Pavia

Informazioni

Ti invitiamo a contattarci per richiedere

tutte le ulteriori informazioni di cui hai bisogno

  • La tua banca
  • La tua email
  • Il tuo messaggio

Per informazioni contattare ABIFormazione:

 

BARBARA FILIPPELLA
b.filippella@abiformazione.it – 06.6767.277

 

ELISA ISACCO
e.isacco@abiservizi.it – 06.6767.517

Divisione di ABIServizi S.p.A.
Via delle Botteghe Oscure, 4
00186 Roma
Via Olona, 2
20123 Milano
www.abiformazione.it