Log In
Non hai un account? Registrati
I dati inseriti non sono corretti.
Usa un account esistente:
Silvia Ronchiadin è candidata all’edizione 2017 del premio Giovani Innovatori
Ronchiadin ha sviluppato un progetto di ricerca finanziaria sulla rete, analizzando i dati di oltre 320 milioni di transazioni monetarie e oltre 900 milioni di pagamenti con carta di credito/debito, per oltre 10 milioni di clienti bancari.
Di MIT Technology Review Italia il 30-05-17
La candidata

Silvia Ronchiadin, 33 anni, è nata a Milano e si è poi trasferita a Torino.

Laurea Magistrale in Ingegneria Informatica e Master in Informatica e Ingegneria presso il Politecnico di Milano.

Formazione continua dopo la laurea in data mining e analisi dei dati.

Dal 2009 lavora in Intesa Sanpaolo, attualmente presso l’ufficio Big Data & Internet of Things, Intesa Sanpaolo Innovation Center.

In qualità di capoprogetto di Intesa Sanpaolo per "Anagraph", coordina un gruppo di interni, dottorandi e master. collaborando con università di tutto il mondo, con particolare attenzione alla Intelligenza Artificiale e alle reti complesse.

Negli ultimi mesi ha lavorato su una piattaforma basata sull’algoritmo AI predittivo, che mira a anticipare le tendenze future e le tecnologie esponenziali per l’ambiente bancario.

Il progetto

In collaborazione con l’Università di Torino, il progetto di Ronchiadin analizza i dati di oltre 320 milioni di transazioni monetarie e oltre 900 milioni di pagamenti con carta di credito/debito, per oltre 10 milioni di clienti bancari, che consentono il trattamento dei dati.

Con la tecnica tradizionale può risultare computazionalmente pesante prevedere alcuni fenomeni di money-laundry con riferimento alla clientela commerciale.
Perciò sono in corso di sviluppo diversi algoritmi proprietari, utilizzando anche la rete multilivello, per individuare rapidamente modelli specifici in una enorme massa di dati, su cui non esiste quasi letteratura.

Questo progetto può portare ad implementazioni diverse, come AML, arricchimento CRM, rilevazione di frodi o assistenza clienti. Può quindi offrire un modo più veloce per individuare i modelli noti.

Può anche essere utile sia alla banca, sia ai clienti per migliorare la proposta di prodotti finanziari specifici, consentendo un prezzo migliore.

Nel gennaio di quest’anno ha avuto inizio la fase di pulizia dei dati nel set completo. È stato realizzato un grafico in cui i nodi corrispondono ai conti bancari dei clienti e ai bordi delle transazioni, ponderati con i loro importi. Inoltre, vengono considerate la data, le informazioni geografiche fornite dal codice IBAN e alcune informazioni anagrafiche relative ai clienti, che rendono possibile la individuazione degli eventi di vita dei clienti stessi o la identificazione di alcune problematiche , per esempio, quelle istituzionali.

I prossimi passi prevedono la rilevazione delle frodi, confrontando gli strumenti esistenti con un approccio basato sulla rete, e la rappresentazione mediante una rete multilivello delle relazioni tra i singoli individui e le loro informazioni congiunte sul conto bancario.

Questo progetto può ridurre la incidenza del riciclaggio di denaro e in futuro potrebbe aiutare le Autorità centrali a individuare situazioni sospette, come quelle connesse al finanziamento del terrorismo.

Può anche aiutare a sviluppare nuovi modelli di credito\rischio per la popolazione non bancaria.
  • Silvia Ronchiadin
Advertisement