X.RF: Repository Fiscale

Il progetto X.RF si pone come obiettivo la realizzazione di un Repository Fiscale in grado di gestire in maniera unica e centralizzata le informazioni eterogenee facente parti dei differenti sezionali di un istituto di credito. Il progetto non si limita alla rappresentazione di una base di conoscenza condivisa ed integrata, ma offre funzionalità estremamente innovative, basate su approcci di apprendimento automatico e reti neurali, in grado di rispondere alla necessità rilevata nel settore, toccando i temi di:

  • Predizione e controllo.
  • Affidabilità e tutela del rischio reputazionale e sanzionatorio.
  • Sicurezza.
  • Ottimizzazione

Il progetto è costruito per rispondere alle esigenze di un istituto di credito non soltanto relativamente alla gestione interna delle pratiche e delle comunicazioni ma anche per operare in maniera sicura e predittiva in funzione di accertamenti, segnalazioni e interazioni con organi inquirenti a cui l’istituto di credito è in relazione (agenzia entrate, guardia di finanza, magistratura…).

Allo stato attuale la gestione delle comunicazioni in risposta a organi inquirenti avviene attraverso il recupero di informazioni direttamente dai sezionali (conti correnti, assegni, pagamenti…) gestiti all’interno degli istituti di credito. L’attingere a differenti fonti di informazione eterogenee e non organizzate ed i processi di risposta ad una segnalazione dove all’utente è richiesto l’inserimento di informazioni direttamente nel sistema, possono generare incongruenze e disallineamenti sulla correttezza del dato stesso. L’inesistenza di forme di controllo efficaci ed il reperimento di informazioni non attraverso un’unica fonte di conoscenza condivisa, comporta un aumento del rischio sanzionatorio e reputazionale dell’istituto di credito stesso che si trova a rispondere a problemi sia di natura SW che legati all’intervento umano. Xeos con X. RF risolve questa necessità con la creazione di un algoritmo proprietario innovativo in grado da un lato di efficientare il recupero di informazioni, anche attraverso la realizzazione di un’unica base di conoscenza condivisa, dall’altro nella realizzazione di funzionalità di quadratura e normalizzazione, attraverso la quale algoritmi intelligenti prevedano ed intercettino potenziali errori.

Inoltre, il sistema X. RF sfrutta moderne e nuove forme di paradigmi di apprendimento adattivo per ricavare feature dalle informazioni archiviate nello stesso repository allo scopo di migliorare la conoscenza dei propri correntisti sia ai fini della prevenzione dell’istituto sia informativo verso il cliente. L’estrazione di feature a seguito di una potenziale segnalazione e l’adattamento continuo, consente di individuare cluster classificati rispetto ad un grado di criticità. Questi classificheranno conseguentemente gli utenti caratterizzando il loro livello di rischio.

X.RF armonizza in maniera strutturata i flussi di dati e ne analizza le informazioni in maniera automatica al fine di evidenziare anomalie, warning e comportamenti che necessitano di un attento follow up, sfruttando l’idea di predizione e analisi dei comportamenti generalizzati.

L’innovazione parte dai sistemi di analisi dei big data per la rappresentazione di conoscenza condivisa, all’applicazione di tecniche di data-mining e datawarehouse per la ricerca ottimizzata efficace e la rilevazione di errori nella gestione dei flussi di comunicazione intra/interaziendali, nella gestione di analisi predittive allo scopo di migliorare l’acquisizione di conoscenza sugli stessi clienti afferenti.