29th Set 2022
16 minute read

Online: AI per la finanza agevolata

IAFSME – Intelligent ALgorithm for Finance of SME. Intervento cofinanziato dall’U.E. a valere
sul P.O. FESR 2014-2020 -Azioni 1.5 e 3.8- FONDO TECNONIDI

Accedi qui alla consulenza tramite piattaforma IAFSME – Intelligent ALgorithm for Finance of SME Accedi qui alla consulenza tramite piattaforma IAFSME – Intelligent ALgorithm for Finance of SME

Credits: https://unsplash.com/@pawel_czerwinski

.

Con il termine finanza agevolata si intende l’insieme degli strumenti finanziari utilizzati dal legislatore a livello comunitario, nazionale, regionale o locale per favorire la competitività e lo sviluppo delle imprese. Ciò aiuta le imprese a reperire risorse finanziarie a condizioni più vantaggiose. Un’azienda, infatti, può accedere a più bandi e, pianificando per tempo, può ottenere più agevolazioni per ogni tipo di investimento. I requisiti di accesso alle agevolazioni possono variare in base alla tipologia, alle finalità del bando, alle regole poste dall’Ente emanatore. Il Natural language processing per la finanza agevolata aiuta le aziende con il suggerimento automatico di strumenti di finanza agevolata tali da migliorare la performance reputazionale di persone fisiche o giuridiche potenzialmente beneficiarie degli stessi strumenti.

Viene definita performance reputazionale la misura quantitativa del totale delle aspettative, percezioni ed opinioni sviluppate nel tempo da clienti, impiegati, fornitori, investitori e vasto pubblico in relazione alle qualità della persona fisica o giuridica di interesse, riscontrabile da contenuti presenti in social media e mass media. L’idea che sta alla base della presente invenzione è stata quella di adottare un insieme combinato di strategie, pur utilizzando tecniche ed algoritmi di analisi dei dati, che possano fornire un modello generale per il suggerimento automatico di strumenti di finanza agevolata con miglioramento della performance reputazionale.

Tecnologie

In questo progetto vengono utilizzate tecniche quali: Named entity recognition (NER); Text categorization; Part of speech tagging.

Ner

Il NER (Named Entity Recognition), è un task di NLP che si colloca all’interno di un campo di studi denominato information extraction. Si occupa d’identificare e classificare le Named Entity presenti in un testo in categorie predefinite come persone, luoghi, oggetti, numeri, espressioni temporali ecc.

Text categorization

La text categorization o text classification, abbreviata come TC è sempre un task di NLP che si occupa di classificare testi digitali espressi in una lingua naturale assegnando in maniera automatica porzioni di documenti a una o più classi appartenenti a un “insieme di classi” predefinito. Per addestrare il modello possono essere utilizzati degli approcci di apprendimento automatico di tipo supervisionato, dove è necessario addestrare il sistema tramite auto-apprendimento per istanze da cui generare un modello generale per la classificazione automatica.

Part of speech tagging.

Il corpus linguistics part-of-speech tagging (POS tagging o PoS tagging or POST), anche chiamato tag grammaticale è un task di NLP che consiste nel riconoscere una parte di testo all’interno di un periodo associando un significato logico analogamente all’analisi logica della lingua italiana.

RISULTATI

Abbiamo ottenuto un sistema che effettua la ricerca dei bandi dai siti web di interesse grazie a un crawler e che riesce a reperire i dati di interesse quali per esempio la data di presentazione della domanda, la scadenza del bando, i requisiti di ammissione e la base documentale necessaria. Il sistema in questione effettua la ricezione e l’individuazione dei documenti presenti e si accerta che il documento non sia già presente nel database.

Successivamente procede al pretrattamento dei dati e all’estrazione dei metadati. Il natural language processing per la finanza agevolata permette un’individuazione efficace delle anomalie di sicurezza nell’utilizzo dei dati; nello specifico anomalie presenti nelle attività di front-office e back-office. Inoltre combina vantaggiosamente una classificazione dei tentativi di inferenza da parte dell’operatore, effettuata tramite rete neurale convoluzionale, in modo tale da proteggere il sistema da questo tipo di attacchi, difficilmente rilevabili attraverso altre metodologie nello stato dell’arte.

Le funzioni di questa piattaforma possono quindi essere riassunte come segue: – Fornire all’utente finale, una serie completa di tutte le strategie finanziarie e reputazionali confacenti alle caratteristiche specifiche dell’azienda cliente; – Fornire una diagnostica finanziaria completa dell’attività dell’azienda cliente permettendo di risalire, alle cause che determinano eventuali vulnerabilità di bilancio o rischi di insolvenza; – Permettere che il funzionamento degli algoritmi si adatti in modo intelligente alle specifiche esigenze imprenditoriali dell’utente finale; – Interfacciarsi con un sistema informativo interno di più alto livello da cui ricevere le informazioni riguardanti la percentuale di successo delle strategie finanziarie suggerite in casi analoghi in passato.

Metodi

Modulo di sourcing da banche dati (crawler) che permette aggiornamento giornaliero del database delle opportunità di finanza agevolata, con reperimento dati da tutti i siti indicati come fonti. Possono esserci dei casi in cui la sinergia tra i due task NER e Text categorization, non è risultata sufficiente per l’estrazione di alcuni dati, come ad esempio l’individuazione dei codici ATECO ammissibili per il bando; a questo fine è stato implementato all’interno del software un’ulteriore task di NLP, ovvero il Part of speech tagging. Una volta ottenuta la raccolta dei target NLP potrebbe risultare necessario uniformare le notazioni e selezionare tra diverse opzioni la più fattibile al fine di ottenere una base di dati coerente.

Il documento così pre-processato viene confrontato con quelli già presenti nel database, in modo da evitare l’archiviazione di doppioni. Il progetto è stato realizzato attraverso una piattaforma software online specifica che deve assolvere alla gestione completa del rapporto con l’utente. Inoltre, è presente un’interfaccia chat di assistenza virtuale al visitatore o utente: i visitatori del sito possono contattare il servizio clienti o il team di supporto in pochi minuti, fornire informazioni pertinenti e avviare una conversazione in tempo reale. Questo sistema fa spesso risparmiare interminabili botta e risposta via e-mail, aumenta la soddisfazione dei clienti e semplifica il lavoro dei team commerciali e di supporto.

LIMITAZIONI

Sono presenti delle difficoltà nell’accesso ai bandi e queste derivano da problemi di eterogeneità delle informazioni sottoposte ad analisi, richieste in funzione della valutazione completa dell’assetto aziendale e delle potenzialità di mercato; ciò obbliga a una fase laboriosa di raccolta dati manuale che allo stato attuale non permette l’adozione di processi lean e standardizzati. Ciò si traduce nell’impossibilità di offrire un servizio a prezzo vantaggioso per il cliente; il processo di analisi manuale richiede infatti un’elevata quota di risorse umane specializzate.

Ciò risulta un grosso inconveniente in caso di commesse concomitanti o laddove non vi siano ampie disponibilità temporali; l’aggiunta di altri servizi al processo, come ad esempio la valutazione di strategie finanziarie a medio termine accessorie al credito d’imposta per l’ottenimento di un ulteriore vantaggio competitivo, comporta l’ulteriore aumento delle risorse umane richieste.

Il natural language processing per la finanza agevolata è costituito da un metodo e sistema che suggerisce al Management Aziendale delle PMI strategie finanziarie e aziendali da applicare alla propria attività, con il risultato di un miglioramento diretto della performance reputazionale. Il sistema e metodo, in base ai dati aziendali ricevuti dal manger-utente e rilevati automaticamente da banche dati, con l’utilizzo della Business Intelligence, elabora una strategia aziendale innovativa e suggerisce le agevolazioni fiscali e finanziarie applicabili alla PMI, nonché strategie di miglioramento della reputazione aziendale.

NEXT STEP

Questa è la prima applicazione della nostra ricerca sul natural language processing per la finanza agevolata. I nostri risultati mostrano che queste tecniche sono efficaci nel migliorare significativamente la performance reputazionale di persone fisiche o giuridiche potenzialmente beneficiarie degli stessi strumenti. Tuttavia, questo è solo l’inizio: continueremo a spingere queste tecniche per rendere sempre più facile ai nostri clienti accedere a più bandi e, poter ottenere più agevolazioni in futuro.