La spina dorsale invisibile del settore bancario: un approfondimento sull'abbinamento e la riconciliazione

Last year I celebrated two decades of immersion in IT, specifically within the Financial Services sector. During this period I have been a witness to remarkable transformations in banking and technology. The emergence of Fintech companies and their customer-centric
approach, along with significant advancements in software engineering like Agile methodologies, microservices, and cloud computing, have reshaped the landscape. Yet, intriguingly, the back-office operations of many financial service companies have remained
relatively static over these years, still grappling with codifica manuale, attività ripetitive e forte dipendenza da Excel.

Un processo particolarmente manuale e tuttavia automatizzabile nel settore dei servizi finanziari è corrispondenza e riconciliazione. This process arises in various forms, i.e. from identifying and addressing discrepancies (typically occurring due to issues
or gaps with the integrations) in master-slave integrations to correcting or removing duplicates and semi-automated updates of operational systems with data from external sources.

Nonostante la disponibilità di software sofisticato (e.g. FIS IntelliMatch, Calypso Confirmation Matching, Misys CMS, Temenos T24 Confirmation Matching…​) for specific reconciliation tasks, such as payment and trade confirmation matching
(often based on SWIFT messages), the la maggior parte delle attività di abbinamento spesso si basa su soluzioni personalizzate o manuali, including Excel or even paper-based methods. Very often automation is also not pertinent, as matching is often involved in one-time actions
like marketing campaigns, data clean-ups, alignment with partners…​

È necessario comprendere una migliore riconciliazione dissezionandone i componenti, Cioè

• Inizia con raccogliere e trasformare i diversi set di dati per la comparabilità. This consists of recuperating 2 data sets, which can be delivered in different formats, different structures, different scopes and with different names
  or enumerations. The data needs to be transformed to make them comparable and loaded into the same tool (e.g. a database or Excel), so that they can be easily compared.

• Il passo successivo è definire a algoritmo di corrispondenza preciso. This can be a simple unique key, but it can also a combination of multiple attributes (composite key), a hierarchical rule (i.e. match first on key 1, if no match try on key 2…​) or
  a fuzzy rule (if key of data set 1 resembles key of data set 2 it is a match). Defining this matching algorithm can be very complex, but it is crucial in the ability to automate the matching and reach a good output quality.

• Una volta definito l'algoritmo di corrispondenza, inseriamo il file fase di confronto. For small data sets, this can be done quite simple, but for very large data sets, it can necessitate all kinds of performance optimizations (like indices, segmentation,
  parallelism…​) in order to execute the comparison in a reasonable time.

• Infine, le discrepanze individuate devono essere tradotte in risultati attuabili, come report, comunicazioni a colleghi o terze parti o azioni correttive (es. generazione di file, messaggi o istruzioni SQL per correggere le differenze).

Le complessità dell’abbinamento nei servizi finanziari sono diverse. Esploriamo alcuni casi d'uso tipici nel panorama dei servizi finanziari:

• La maggior parte delle banche ha un Anagrafica Titoli, describing all securities which are in position or can be traded at the bank. This file needs to be integrated with a lot of applications, but also needs to be fed by multiple data sources, like
  Telekurs, Reuters, Bloomberg, Moody’s…​ This means a security needs to be uniquely matched. Unfortunately, there is not 1 unique identifier describing all securities. Publicly traded instruments have a commonly agreed ISIN code, but private and OTC products
  like e.g. most derivatives usually do not. Banks have therefore invented internal identifiers, use fake ISIN codes (typically starting with an “X”) or use composite keys to uniquely identify the instrument (e.g. for a derivative this can be combination of
  ticker of underlying security, strike price, option type and expiration date).

• Nel Retail banking è ovviamente essenziale identificare e abbinare in modo univoco una persona fisica specifica. However even in a developed country like Belgium, this is easier said than done. Every individual in Belgium has a National Register Number,
  so this seems the obvious choice for a matching key. Unfortunately, Belgian laws restrict the usage of this number to specific use cases. Additionally this identifier is not existing for foreigners and can change over time (e.g. foreign residents receive first
  a temporary National Register number which can change to a definitive, other one later or in case of gender change the National Register Number will change as well). Another option is to use the identity card number, but this is also different for foreigners
  and will change every 10 years. Many banks therefore use more complex rules, like a matching based on first name, last name and birth date, but obviously this comes also with all kinds of issues, like duplicates, spelling differences and errors in the names,
  use of special characters in the names…​

• Un problema molto simile è abbinare un'azienda o più specificamente un negozio. In Belgium, each company has a company number, which is similar to the VAT number (without the “BE” prefix), but this is again very national and 1 VAT number can
  have multiple locations (e.g. multiple stores). There exists a concept of a “branch number” (“vestigingsnummer” in Dutch), but this concept is not very well known and rarely used. Similar there exists the LEI code (Legal Entity Identifier) which is a code
  of a combination of 20 letters and codes, which uniquely identifies a company worldwide. Unfortunately, only large companies have requested a LEI code, so for smaller companies this is not really an option.
  Again more complex matchings are often done, like a combination of VAT number, postal code and house number, but obviously this is far from being ideal. In search for a unique and commonly known identifier, the Google ID becomes also more and more in use, but
  the dependency with a commercial company might also poses a big operational risk.

• Un altro caso interessante è quello corrispondenza di un'autorizzazione e del messaggio di compensazione in un pagamento con carta VISA. Normally a unique identifier should match both messages, but due to all kinds of exception cases (e.g. offline authorizations or
  incremental authorizations), this will not always be correct. Therefore a more complex rule is required, looking at several identifiers, but also to other matching criteria like acquirer ID, merchant ID, terminal ID, PAN (card number), timestamp and/or amount.
  Questo tipo di abbinamento si applica anche ad altri casi di utilizzo del pagamento, come ad esempio abbinare il completamento di una pre-autorizzazione con la sua pre-autorizzazione precedente o un rimborso con un acquisto precedente.

• Un caso d'uso finanziario che riguarda quasi tutte le aziende è corrispondenza delle fatture e dei pagamenti. When a company issues an invoice, it needs to be able to see when the invoice can be considered as paid. This is important for the accounting, but also
  to see if reminders for unpaid invoices should be sent out.
  To uniquely match the payment with the invoice, in Belgium typically a structured comment is used in the payment instruction. This unique code with check digit provides a unique matching reference. Unfortunately, customers often forget to put the structured
  comment or use the wrong one (e.g. copy/paste of a previous invoice). This means a company needs to have a fallback matching rule in case the unstructured comment is missing or wrong. Typically a combination of payment amount, payment date, IBAN of counterparty
  and/or name of counterparty can give an alternative way to match those invoices.

Come puoi vedere, l'abbinamento è tutt'altro che facile, ma comprendere i passaggi di base può aiutare ad abbinamenti migliori. Nel frattempo, nonostante i suoi limiti, Excel rimane un potente strumento per la corrispondenza (manuale). Pertanto a quick reminder for everyone who wants
to do matching in Excel:

• Usa il  CERCA.VERT per eseguire la corrispondenza. CERCA.VERT ha tuttavia alcune limitazioni, come il fatto che dà un errore se non c'è corrispondenza e che puoi cercare solo nella prima colonna. Una potente alternativa è usare XLOOKUP, quale
  does not have these limitations.

• Se avete bisogno di un chiave di ricerca composita, aggiungi una colonna nel set di dati di ricerca, con la chiave di ricerca composita (ovvero concatena i diversi attributi, con ad esempio "#" come separatore) e quindi utilizza CERCA.VERT/CERCAX. per cercare in questa nuova colonna.

• Alcuni punti di attenzione quando si utilizza CERCA.VERT:

  • Non dimenticare di aggiungere "false" come ultimo argomento della funzione CERCA.VERT per garantire una corrispondenza esatta.

  • Ensure that data formats are the same. E.g. a number “123” and the text “123” will not match, so it is important to convert them to the same format first. Idem for identifiers starting with leading 0’s. Often Excel will convert those to numbers, thus removing
    the leading 0’s and not resulting in a match.

  • Non utilizzare set di dati contenenti più di 100.000 righe in Excel. Set di dati più grandi sono problematici per le prestazioni e la stabilità di Excel.
    Può anche essere interessante impostare la modalità di calcolo su "Manuale" se stai lavorando con CERCA.VERT su set di dati di grandi dimensioni, altrimenti Excel ricalcolerà tutti i CERCA.VERT ogni volta che apporti una piccola modifica ai dati.

  • CERCA.VERT ha il numero di colonna da restituire come terzo argomento. Questo numero non viene adattato dinamicamente quando si aggiungono o rimuovono colonne, quindi ricordarsi di adattarlo quando si aggiungono o rimuovono colonne.

  • Se desideri solo una corrispondenza, puoi utilizzare la formula "=IF(ISERROR(VLOOKUP( , ,1,false),”NESSUNA CORRISPONDENZA”,” CORRISPONDENZA”)”

Questi trucchi possono aiutare velocizza i tuoi abbinamenti manuali, ma ovviamente la vera automazione è sempre migliore.

Il matching nei servizi finanziari è a sfida multiforme, but understanding its fundamental steps is key to improving outcomes. While tools like Excel offer temporary solutions, the future lies in intelligent automation, which can significantly
streamline these processes. For those seeking to delve deeper into matching complexities or automation, leveraging advanced tools and platforms, including AI-driven solutions like ChatGPT, can provide both insights and practical solutions.

Dai un'occhiata a tutti i miei blog su https://bankloch.blogspot.com/

• Distribuzione di contenuti basati su SEO e PR. Ricevi amplificazione oggi.
• PlatoData.Network Generativo verticale Ai. Potenzia te stesso. Accedi qui.
• PlatoAiStream. Intelligenza Web3. Conoscenza amplificata. Accedi qui.
• PlatoneESG. Carbonio, Tecnologia pulita, Energia, Ambiente, Solare, Gestione dei rifiuti. Accedi qui.
• Platone Salute. Intelligence sulle biotecnologie e sulle sperimentazioni cliniche. Accedi qui.
• Fonte: https://www.finextra.com/blogposting/25297/the-unseen-backbone-of-banking-a-deep-dive-into-matching-and-reconciliation?utm_medium=rssfinextra&utm_source=finextrablogs