Come il gigante indonesiano BNPL sfrutta la scienza dei dati per guidare l'innovazione

La scienza dei dati e l'apprendimento automatico sono oggi alcuni dei concetti di business più complessi ma importanti. E molte aziende, indipendentemente dalla loro nicchia, si affidano a loro per offrire una migliore esperienza utente ai propri clienti.

Ma che ruolo giocano la scienza dei dati e il machine learning nello sviluppo di sistemi finanziari innovativi, soprattutto in paesi come l'Indonesia?

La mancanza di dati sulla storia creditizia combinata con l'uso sostanziale dei telefoni cellulari in Indonesia rappresenta un punto debole per le aziende fintech per fornire soluzioni finanziarie avanzate di facile utilizzo per i consumatori.

In questa episodio di Data Point of View, Laurie Hood, Chief Marketing Officer di Mobilewalla, ha parlato con Joel Samuel, VP, Head of Machine Learning Engineer, di FinAccel, la società madre della piattaforma indonesiana Buy Now, Pay Later (BNPL) Kredivo.

Hanno discusso dell'importanza dell'apprendimento automatico e della scienza dei dati nel raggiungimento degli obiettivi aziendali e nell'offrire una migliore esperienza utente, le sfide nel trovare specialisti di scienza dei dati, fintech e lo sviluppo dell'e-commerce nel sud-est asiatico e l'essenza di iniziare in piccolo.

Approfondimenti chiave dal podcast

Ci sono due motivi principali per fornire soluzioni migliori in Indonesia

Gioele e FinAccel mirano a fornire migliori soluzioni fintech al mercato indonesiano per due motivi.

“Il primo è la scarsa penetrazione delle carte di credito in Indonesia. Ci sono solo 17 milioni di carte di credito rispetto alla nostra popolazione, che oggi è di circa 250 milioni. Quindi, ci sono solo 0.07 carte di credito pro capite. È davvero basso. Il secondo è l'elevata penetrazione dei telefoni cellulari.

Attualmente, l'Indonesia ha più di 119 milioni di telefoni cellulari. Sono quasi 0.8 telefoni cellulari pro capite. Quindi, è un punto debole. Hai un cellulare, ma non hai una carta di credito”.

Crediamo in "fallisci velocemente e impara velocemente".

Joel e il suo team credono fermamente che i progetti debbano essere realizzati poco a poco. In questo modo, anche se fallisci, avrai l'opportunità di imparare rapidamente dal tuo errore.

“Possiamo individuare se c'è qualcosa che non va nel modello che abbiamo messo in produzione. Crediamo anche molto in "fallisci velocemente e impara velocemente".

Spingiamo sempre la produzione poco a poco per vedere l'effetto e l'impatto del modello. Quindi, iniziamo con le cose semplici e le piccole cose.

Secondo Gioele,

“L'e-commerce è in forte espansione in Indonesia, e il paese ha tre o quattro “unicorni” che sono partiti dall'e-commerce. Una delle sfide dell'e-commerce, non solo in Indonesia, ma in tutto il mondo, è l'abbandono del carrello.

E quel problema riguarda più le opzioni di pagamento o i canali di pagamento. La maggior parte delle persone abbandona il carrello perché ha problemi con il pagamento: questo è il punto debole di FinAccel.

Per quanto riguarda la visione della scienza dei dati da parte della dirigenza senior, Joel ha condiviso che "sin dall'inizio, abbiamo avuto il consenso dal livello più alto, con il pensiero che se vogliamo interrompere il miglior attore del mercato, come la banca o l'azienda multifinanziaria che esiste già, l'unica cosa che possiamo fare è introdurre la metodologia della scienza dei dati.

Ha spiegato che risolvono il problema in un modo migliore perché il management di alto livello dell'azienda ritiene che la scienza dei dati sia una grande opportunità.

"Ma anche se abbiamo già definito il nostro obiettivo o l'iniziativa che è venuta dal top management, dobbiamo dimostrare di poter realizzare quell'iniziativa o il buy-in alla primissima unità".

Una sfida per i team di data science è costruire la fiducia organizzativa. In FinAccel il team ha avuto incontri regolari con il COO e il CEO nei primi due anni in cui il team è stato presente per presentare i risultati.

Hanno anche un buon flusso di lavoro e un framework di monitoraggio in modo che possano individuare rapidamente se c'è qualcosa che non va in un modello che è stato inviato alla produzione.

Joel e il suo team hanno acquisito fiducia partendo da un piccolo problema, passando rapidamente alla produzione e vedendo rapidamente i risultati.

In questo modo la direzione può vedere immediatamente l'impatto del proprio approccio alla scienza dei dati.

Guarda il podcast Data Point of View di Mobilewalla con Laurie Hood e Joel Samuel qui.