Analisi Portafoglio e Controlli Anno Accademico 20182019 Bologna

Analisi Portafoglio e Controlli Anno Accademico 2018/2019 Bologna, Dicembre 2018 1

Incontro UNIBO | Agenda 1 Framework di Analisi 2 Analisi Preliminari 3 Campionamento e Controlli 4 Analisi Key Risk Indicators 5 Overview Risultati 2

Framework di Analisi | Overview NPL in Europa Non Performing Loans in Europa (Gross NPL Ratio, 2018, %) 1, 6% ≥ 25% <7% § In Europa il livello di crediti erogati si attesta a 14. 721 € mld, di cui circa un 10% (1. 633 € mld) presenti nei bilanci delle Banche Italiane 1, 9% 3, 4% 8, 7% 2, 1% 1, 7% § In Europa il livello di NPL si attesta a 655 € bln, di cui circa un quarto (158 € bln) presenti nei bilanci delle Banche Italiane 2, 5% 3, 2% 3, 0% § In Italia le Banche si attestano ad un NPL ratio medio pari al 9, 7% contro una media europea del 4, 5% 9, 7% 15, 3% 4, 2% 44, 8% Fonte: ECB Annual Report on supervisory activities 2018 29, 2% 3

Framework di Analisi | NPL principali Banche Italiane Banche Crediti deteriorati principali banche italiane (Dicembre 2017) € mln Media 12, 3% Media 40, 2% Dati al 31/06/2018 Crediti Lordi NPL € mln, % 438. 843 52. 073 458. 787 44. 966 100. 030 19. 789 117. 073 19. 438 94. 210 10. 492 51. 012 8. 866 32. 367 1. 281 11, 9% 9, 8% 12, 4% 11, 1% 17, 4% 4, 0% 4

Framework di Analisi | Overview Normativa Descrizione IFRS 9 ECB GUIDELINES AQR POLICY INTERNE § Principi contabili volti ad innovare la classificazione degli strumenti finanziari ai fini della corretta registrazione a bilancio § Linee guida sulla ricognizione e gestione del credito deteriorato rivolte alle Significant Entities europee con NPE ratio superiori alla media UE (4, 5% al 2018) § Controllo generale della Banca Centrale Europea (in coordinazione con le banche centrali nazionali) per che punta a verificare la solidità delle maggiori istituzioni bancarie d’Europa. § Metodologie – interne alla Banca – di monitoraggio di impairment triggers volti a rappresentare la situazione creditizia delle controparti 5

Framework di Analisi | Principio contabile IFRS 9 Fasi di analisi Descrizione Stage III IFRS 9 § Iniziale classificazione dei DEFINIZIONE nuovi strumenti finanziari in Stage I § La perdita di valore è valutata POLICY CALCOLO IMPAIRMENT STATO AMMINISTRATIVO § La perdita di valore è valutata sull’intera vita utile dello strumento PD a 12 mesi § Bonis fino a 30 gg di scaduto § Riclassificazione del credito a Stage III in presenza di obiettive evidenze di deterioramento Stage II a valle dei primi segnali di deterioramento nell’arco temporale dei 12 mesi ECB GUIDANCE AQR § Riclassificazione del credito a § La perdita di valore è valutata sull’intera vita utile dello strumento PD Lifetime § § Bonis oltre i 30 gg di scaduto Bonis con downgrade del rating Past Due Sotto-Soglia Forborne performing PD Lifetime § § Past Due Sopra-Soglia Inadempienze Probabili Sofferenze Forborne non performing 6

Framework di Analisi | ECB Guidelines sugli NPL Fasi di analisi Descrizione MONITORAGGIO § Linee guida per la gestione delle posizioni deteriorate IFRS 9 (NPL) al fine di identificare una ‘‘best practice’’ operativa per l’attività di monitoring e reporting GESTIONE NPL § L’obiettivo di fondo è l’identificazione di una ‘‘strategia ottimale’’ per la riduzione dello stock di NPL ed limitare / intercettare l’ingresso in default di nuove posizioni ECB GUIDANCE REPORTING PROCESSI GOVERNANCE BUSINESS AQR § Linee guida per la corretta gestione delle posizioni a EARLY WARNING POLICY rischio di deterioramento (e. g. bilancio, eventi pregiudizievoli, gruppo economico) al fine di intercettare eventuali segnali ‘‘premonitori’’ e procedere con le adeguate azioni gestionali 7

Framework di Analisi | Asset Quality Review Fasi di analisi Descrizione § Revisione della metodologia di campionamento delle controparti da sottoporre a Credit File Review mediante combinazione dei parametri: Esposizione e Classe di Rischio IFRS 9 Campionamento Bonis ECB GUIDANCE Default AQR POLICY Credit File Review Projection of Findings § Introduzione, in linea con l’IFRS 9 e le ECB Guidelines, di nuovi KRI e parametri di valutazione da analizzare in sede di controllo delle controparti (Performing e Non Performing) § Attività di proiezione dei risultati ottenuti in sede di Credit File Review (in termini di maggior provisioning e/o classificazione) su tutto il portafoglio di riferimento non campionato 8

Framework di Analisi | Policy Interne Gli strumenti di Early Warning System permettono di intercettare eventuali segnali di deterioramento della posizione creditizia. Si prevede generalmente l’accensione di un semaforo sulla base della gravità dell’evento pregiudizievole IFRS 9 L’associazione di una posizione creditizia ad uno specifico colore rende immediata la classificazione della controparte tra quelli che possono essere ‘‘soggetti a maggior rischio’’ ECB GUIDANCE AQR Rischio crescente Moduli EWS Descrizione CENTRALE RISCHI § Flussi Banca d’Italia per individuare scaduti, sconfini o sofferenze DATI DI MERCATO § Dati Standard & Poor’s, Moody’s e altre principali agenzie di rating DATI COMMERCIALI SCONFINI POLICY Colore Semaforo § Presenza scaduti su prodotti erogati (e. g. anticipi fatture) § Giorni di sconfino, puntuale e storico, e intercettamento potenziale Past Due PREGIUDIZIEVOLI § Eventi pregiudizievoli in grado di compromettere il merito creditizio DATI AGGIUNTIVI § Ulteriori sintomi negativi con effetti potenzialmente dannosi 9

Framework di Analisi | Obiettivi Contestualizzare le analisi da effettuare alla situazione economico-finanziaria (e. g. livello NPL) dell’Area, Stato e Banca di riferimento Verificare l’adeguatezza della metodologia adottata / da adottare con quanto riportato all’interno della normativa vigente e/o policy interne Identificare, qualora possibile, margini di ‘‘manovra’’ nell’elaborazione / rappresentazione dei risultati ottenuti 10

Incontro UNIBO | Agenda 1 Framework di Analisi 2 Analisi Preliminari 3 Campionamento e Controlli 4 Analisi Key Risk Indicators 5 Overview Risultati 11

Analisi Preliminare | Overview principali step metodologici Descrizione ANALISI BASI DATI § Attività preliminare finalizzata ad (i) analizzare la composizione del Portafoglio (ii) identificare le principali variabili riportate (iii) valutare la completezza e coerenza della Base Dati DATA QUALITY § Attività finalizzata all’individuazione di eventuali anomalie relativamente a (i) specifiche COSTRUZIONE KRI § Fase di analisi finalizzata alla costruzione di indicatori di rischio (Key Risk Indicators) COSTRUZIONE LOAN TAPE controparti, (ii) specifiche variabili o (iii) Portafoglio nel suo complesso che possono essere considerati predittivi dello stato di salute della controparte § Costruzione del Loan Tape finale (seguendo un determinato tracciato predefinito) da utilizzare in fase di campionamento per l’estrazione delle controparti da sottoporre ad analisi 12

Analisi Preliminare | Analisi del Portafoglio Andamento portafoglio Composizione Portafoglio ctp Corporate 27. 500 SME Corporate 32. 436 Finanza Strutturata DATA QUALITY 207. 535 TOTALE ANALISI BASI DATI 31, 3 26, 1 30, 6 28, 1 27, 4 28, 4 134. 567 Totale Stage 1 Stage 2 Stage 3 18, 0 4, 0 6, 4 28, 4 100% 16, 6 59% 0, 1 11. 256 3, 1 Retail 1. 056 0, 3 Settore Pubblico 720 7, 9 134. 567 SME Retail 207. 535 ~0% 11% 28, 4 1% 207. 535 155. 121 28% 0, 3 1% ctp 207. 535 TOTALE KRI # COLONNE # RIGHE € ESPOSIZIONE LOAN TAPE € RETTIFICHE 17 2, 2 mln 28, 4 € mld 10, 2 € mld 87. 659 Costruzioni Metallurgica Servizi Alimentare 1. 456 ESEMPLIFICATIVO … Technology 100% 13 2, 3 25. 679 987 5, 1 0, 3 Energia … 28, 4 3, 2 91. 700 Totale 46% 8% 28, 4 Gar_IPO Gar_Pers Unsec 7, 5 15, 8 5, 1 Totale Nord Centro Sud 28, 4 20, 0 4, 4 207. 535 18% 1% 11% 4, 5 16% 13

Analisi Preliminare | Analisi di Data Quality Principali Anomalie ESEMPLIFICATIVO ANALISI BASI DATA QUALITY Anomalie gravi che inficiano l’andamento dell’attività di analisi del portafoglio e la successiva attività di campionamento TOTALE Anomalie rilevanti in grado di inficiare parte dell’analisi del portafoglio, ma non producono effetti negativi sull’attività di campionamento Anomali MIssing Altro 344 Anomalie lievi che non hanno nessun impatto ‘‘materiale’’ sulla analisi del portafoglio e sulla fase di campionamento Principali Anomalie KRI 388 Dati Missing Dati non coerenti Possibili azioni § Mancanza di informazioni relative ad una intera colonna e/o a 1§ Azioni di remediation mediante il coinvolgimenti di altri uffici § Dati non in linea con composizione del portafoglio, con la natura 2§ Utilizzo proxy ad hoc per ricreare i dati mancanti § Dati con formati non coerenti con la loro natura (e. g. date in 3§ Eliminazione dal portafoglio delle controparti che presentano l’anomalia specifiche controparti. L’assenza è più o meno grave in base all’importanza del campo in questione della controparte, con i dati presenti su altri sistemi. Anomalia più o meno grave in base all’importanza del campo in questione LOAN TAPE Formato Dati errato formato testo). Il formato dei dati non crea gravi problemi, ma devono essere tempestivamente intercettati al fine di evitare ritardi nelle analisi 14

Analisi Preliminare | Identificazione e costruzione KRI Stato Area KRI Principali KRI Evidenze Ctp ANALISI BASI DATA QUALITY KRI LOAN TAPE BONIS Stato Amministrativo § SAG Deteriorato § Settore economico rischioso Rating / PD § Anomalia Rating § Controparti soggette ad override Early Warning § Eventi pregiudizievoli § Segnalazioni Centrale Rischi Dati andamentali § Evoluzione Patrimonio netto § Movimentazione Conto Corrente Forborne § Rilevanza Forborne § Efficienza, Efficacia, Sostenibilità Piano di rientro § Incassi ultimi 12 mesi § Covenant Breach Garanzie § Garanzie Ipotecarie § Perdita, Escussione garanzie Procedure Giudiziali § Presenza procedura fallimentare § Andamento procedura concorsuale PROATTIVO UTP SOFFERENZE ESEMPLIFICATIVO Esposizione (3. 456 € mln) (456 € mln) 23. 456 12. 345 3. 467 110. 768 (1. 349 € mln) (2. 044 € mln) (788 € mln) (945 € mln) 22. 677 33. 998 9. 666 14. 687 (9. 734 € mln) (5. 056 € mln) 3. 078 11. 877 (332 € mln) (1. 345 € mln) 110. 567 7. 034 85. 463 1. 076 45. 678 53. 476 (7. 001 € mln) (104 € mln) (4. 221 € mln) (645 € mln) (755 € mln) (8. 605 € mln) 15

Analisi Preliminare | Costruzione Loan Tape Principali attività ANALISI BASI DATI LISTA CAMPI Loan Tape § Identificazione dei campi necessari alla costruzione del Loan Tape DATA QUALITY FORMATO § Identificazione del formato dei campi presenti all’interno del Loan Tape (effettuare azioni correttive qualora vi fossero riscontri negativi) FORMATO SPECIFICO § Identificare il formato specifico dei campi del Loan Tape (esposizione € ≠ € mln) KRI LOAN TAPE ESEMPLIFICATIVO 16

Obiettivi | Analisi Preliminare Analizzare la composizione del portafoglio, valutandone la diversa clusterizzazione, e identificare le variabili fondamentali ai fini delle successive analisi Intercettare eventuali anomalie presenti all’interno della Base – Dati al fine di ottenere una analisi corretta e consistente Predisporre il Loan Tape da utilizzare in sede di campionamento per l’identificazione delle controparti da sottoporre a controllo 17

Incontro UNIBO | Agenda 1 Contesto e Obiettivo di analisi 2 Analisi Preliminari 3 Campionamento e Controlli 4 Analisi Key Risk Indicators 5 Overview Risultati 18

Campionamento e Controlli | Overview Fasi Descrizione § Estrazione, tramite metodologia Statistica o Risk Based, delle n controparti da sottoporre a controllo CAMPIONAMENTO § Il campionamento avviene tramite l’utilizzo di diversi modelli (interni o dettati dal regulator) al fine di identificare controparti che rispettino determinati parametri CONTROLLO POSIZIONI § Analisi delle controparti a 360°al fine di valutarne la correttezza di classificazione (coerenza con lo Stato Amministrativo) e l’adeguatezza del livello di provisioning (coerenza tra ipotesi di recupero ed accantonamenti) ASSEGNAZIONE ESITO § Elaborazione di un giudizio di sintesi che definisca l’adeguatezza o meno dei parametri oggetto di analisi e richiesta, laddove necessario, di add-on di provisioning o classificazione a diverso stato amministrativo 19

Campionamento e Controlli | Estrazione del Campione (1/3) Definizione numerosità campionaria Indagine sul valore effettivo del credito SAMPLING Legenda N = Z = σ2 = Numerosità Popolazione Valore normale standardizzato per il livello di confidenza desiderato Varianza della popolazione CONTROLLI Indagine sulla frequenza dell’errore Legenda N = δ = Numerosità Popolazione Valore normale standardizzato per il livello di confidenza desiderato Errore ammesso per la stima del parametro P = Incidenza attesa dei casi di errore Q = 1 -P Z = ESITO 20

Campionamento e Controlli | Estrazione del Campione (2/3) Definizione numerosità campionaria Griglia LGD SAMPLING CONTROLLI ESITO STATISTICO STEP 1 Definizione della numerosità campionaria 2 Clusterizzazione dei rapporti presenti in (popolazione all’interno di una determinata griglia (e. g. LGD) 3 Estrazione casuale sulla base della concentrazione delle controparti all’interno dei diversi cluster della griglia ESEMPLIFICATIVO • La metodologia di campionamento statistica permette di estrarre un campione che rispetta la distribuzione della popolazione 21

Campionamento e Controlli | Estrazione del Campione (3/3) Descrizione PERIMETRO CAMPIONAMENTO ESEMPL IFICATIV ione Popolaz SAMPLING STEP O KRI_1 1 Definizione della numerosità campionaria 2 Applicazione di n KRI sulla base del fenomeno economico che si intende approfondire 3 Estrazione casuale sulla base del perimetro identificato dall’applicazione dei KRI _2 KRI_1 CONTROLLI ESITO RISK BASED _2_ KRI_1 3 • La metodologia di campionamento Risk-Based consente di estrarre un campione composto da controparti che presentano determinate caratteristiche ‘‘di rischiosità’’ 22

Campionamento e Controlli | Analisi delle controparti campionate Descrizione SAMPLING ANAGRAFICI § Identificazione della controparte oggetto di controllo: (i) Natura giuridica, (ii) appartenenza a gruppo economico, (iii) Esposizione verso la Banca e verso il Sistema, … CONTROLLI BILANCIO ANDAMENTALI § Analisi dell’andamento economico della controparte mediante: (i) analisi dei documenti contabili, (ii) report economico-finanziari di settore, (iii) business plan periodici, … ESITO MERITO CREDITIZIO § Valutazione del merito creditizio della controparte al fine di identificare eventuali segnali di ‘‘pericolo’’: (i) rating della controparte, (ii) report agenzie di rating, (iii) eventi pregiudizievoli 23

Campionamento e Controlli | Definizione esito Controlli Descrizione SAMPLING CONTROLLI ESITO CORRETTEZZA GESTIONALE CORRETTEZZA CLASSIFICAZIONE CORRETTEZZA PROVISIONING Descrizione § Analisi sulla corretta gestione della pratica da parte delle risorse del Workout ed evidenze di anomalie in sede di Controlli di I Livello: (i) Correttezza Delibere, (ii) Adeguatezza processo recuperatorio, … Totale Gravi Medie Nulla Totale Down Up Stabile § Valutazione della corretta classificazione della controparte all’interno di uno specifico Stato Amministrativo e proposta, laddove necessario, di una classificazione ‘‘Peggiorativa o Migliorativa’’ § Analisi del livello di copertura della controparte e valutazione in merito alla richiesta di add-on provisioning a fronte di una svalutazione della posizione creditizia Totale Errore>0 Errore<0 Errore=0 ESEMPLIFICATIVO 24

Campionamento e Controlli | Obiettivi Estrazione dalla popolazione di un campione significativo, statistico o risk-based, da sottoporre a fase di controllo Analisi delle controparti campionate, mediante un approccio consolidato, al fine di valutarne il merito creditizio Valutare gli impatti derivanti dal campione analizzato su tutto il portafoglio di riferimento attraverso tecniche di proiezione 25

Incontro UNIBO | Agenda 1 Contesto e Obiettivo di analisi 2 Analisi Preliminari 3 Campionamento e Controlli 4 Analisi Key Risk Indicators 5 Overview Risultati 26

Analisi Key Risk Indicators | Overview Analisi KRI STAND – ALONE Modelli deterministici Descrizione Tipologia KRI Analisi della relazione dei singoli indicatori di rischio con l’anomalia, ovvero della capacità degli stessi di ‘‘accendersi’’ in corrispondenza dell’anomalia Indicatori di riferimento § Numero ‘‘accensioni’’ del KRI § Positive predictive value Variabili dicotomiche Analisi dell’accuratezza e della capacità predittiva dell’anomalia rispetto all’accensione contemporanea di 2 o più indicatori di rischio § § Numero ‘‘accensioni’’ dei KRI Accuracy Gini impurity Positive predictive value LOGIT Applicazione del modello Logit Binario al fine di individuare combinazioni e segni degli indicatori di rischio che maggiormente spiegano l’anomalia secondo una regressione logistica § § Accuracy Log-verosimiglianza P-value variabili indipendenti Coefficienti variabili indipendenti Modelli statistici ALBERI DECISIONALI Variabili dicotomiche, discrete e continue • La variabile dipendente dei nostri modelli (la nostra ‘‘anomalia’’) è la richiesta di maggiori rettifiche e/o richiesta di classificazione della controparte in un altro Stato Amministrativo 27

Analisi Key Risk Indicators | KRI Stand Alone KRI Accensioni Anomalia No Anomalia PPV STEP LOGIT 24 58 6 188 19 40 235 15 33% 31% 25% 12% 10% 9% 7% 6% STAGNANTE SAG_DETE SCONF_SUP_12 M ST_AMM_SCAD SOPRA_SOGLIA GAR_IPO SOFF_SIST PERM_STATO (>3 anni) 508 34 1. 836 1. 494 2. 028 1. 813 637 347 262 15 772 619 815 699 209 104 246 19 1. 064 875 1. 213 1. 114 428 243 52% 44% 42% 41% 40% 39% 33% 30% RIL_INT_MORA PERM_RETT_SEC UTILIZZI (oltre 5 € mln) PERM_RETT_UNSEC CTP_CHIRO RETT_VAL_ATT RET_TOT (<50%) SOFF_SIST 3 10 126 98 163 66 204 292 2 5 28 21 32 12 36 49 1 5 98 77 131 54 168 243 67% 50% 22% 21% 20% 18% 17% BONIS 12 26 2 25 2 4 18 1 UTP ALBERI 36 84 8 213 21 44 253 16 SOFFERENZE KRI RTG_SCAD REV_SCAD_180 GG SAG_DETE EX_DET_O_PRO FIN_EST_SCAD FORBORNE SET_ECO_RISCHIO FPERFNOPERF 1 Clusterizzazione dei KRI per Stato Amministrativo 2 Calcolo del numero di accensioni dei KRI all’interno della popolazione oggetto di analisi 3 Calcolo del PPV (Positive Predicted Value) come rapporto tra numero di accensioni con anomalia su accensioni totali E’ possibile effettuare degli approfondimenti sull’andamento temporale di alcuni KRI e confrontarli con l’andamento di Bilancio, livello NPL, etc. 28

Analisi Key Risk Indicators | Alberi Decisionali KRI ALBERI LOGIT Osservazioni Risultati EVENTI_ PREG PERM_ STATO SAG_DETE RTG_CHECK EVENTI_PREG 243 349 30 1498 379 72, 1% 83, 8% 7, 9% 22, 3% PERM_STATO 237 283 36 1564 319 75, 5% 86, 0% 11, 3% 22, 4% SAG_DETE 269 24 4 1823 28 86, 2% 92, 6% 14, 3% 22, 4% RTG_CHECK 268 129 5 1718 134 81, 3% 89, 7% 3, 7% 22, 3% EVENTI_PREG PERM_STATO 265 163 8 1684 171 79, 8% 88, 8% 4, 7% 22, 3% EVENTI_PREG SAG_DETE 272 7 1 1840 8 86, 8% 93, 0% 12, 5% 22, 4% EVENTI_PREG RTG_CHECK 272 6 1 1841 7 86, 9% 93, 0% 14, 3% 22, 4% PERM_STATO SAG_DETE 273 4 0 1843 4 86, 9% 93, 0% 0, 0% 22, 4% PERM_STATO RTG_CHECK 273 2 0 1845 2 87, 0% 93, 1% 0, 0% 22, 4% SAG_DETE RTG_CHECK 272 5 1 1842 6 86, 9% 93, 0% 16, 7% 22, 4% EVENTI_PREG PERM_STATO SAG_DETE 273 1 0 1846 1 87, 1% 93, 1% 0, 0% 22, 4% EVENTI_PREG PERM_STATO RTG_CHECK 273 2 0 1845 2 87, 0% 93, 1% 0, 0% 22, 4% EVENTI_PREG SAG_DETE RTG_CHECK 272 1 1 1846 2 87, 1% 93, 1% 50, 0% 22, 4% PERM_STATO SAG_DETE RTG_CHECK 273 0 0 1847 0 87, 1% 93, 1% 0, 0% 22, 4% EVENTI_PREG PERM_STATO SAG_DETE RTG_CHECK 273 0 0 1847 0 87, 1% 93, 1% 0, 0% 22, 4% FN FP TP TN # ON ACCURACY INCIDENZA PESI DOPPI (PPV) STEP GINI IMPURITY 1 Valutazione di tutte le combinazioni di KRI per il portafoglio oggetto di analisi 2 Calcolo del numero di accensioni dei KRI ‘‘combinati’’ definendo i TP, TN, FP, FN 3 Calcolo degli indicatori di rischio: Accuracy, Accuracy pesi doppi, PPV, Gini Impurity 29

Analisi Key Risk Indicators | Modello Logit Variabili Accuratezza P_Value / Coefficienti STEP Basis points Scenario 1 o SCONFINI_GG o LAG_TARGATURA_P o RETT_TOT_P Scenario 2 o o o SCONFINI_GG LAG_TARGATURA_P FORBORNE LOAN_VALUE_P RETT_TOT_P o o SCONFINI_GG LAG_TARGATURA_P ST_AMM_SCAD GAR_IPO o o o SCONFINI_GG LAG_TARGATURA_P ST_AMM_SCAD GAR_IPO LINEE_IRREV o o o SCONFINI_GG LAG_TARGATURA_P ST_AMM_SCAD GAR_IPO RETT_TOT_P KRI ALBERI Scenario 3 Scenario 4 LOGIT Scenario 5 68, 5% ~0 ~0 1 Individuazione dei KRI ‘‘High Performing’’ da applicare al modello Logit 2 Applicazione Logit combinato con gli n KRI individuati e salvataggio dei risultati 3 Individuazione degli n modelli maggiormente correlati con l’anomalia evidenziata ~0 ~0 68, 9% 2. 372 ~0 ~0 69, 5% ~0 ~0 ~0 69, 7% ~0 ~0 Legenda Coefficienti positivi Coefficienti negativi ~0 ~0 70, 2% ~0 ~0 30

Analisi Key Risk Indicators | Obiettivi Individuare KRI ‘‘High Performing’’ (stand-alone o modelli) correlati con la richiesta di maggior provisioning e/o richiesta di classificazione a diverso Stato Amministrativo Rivedere la metodologia di campionamento (Statistico e Risk-Based) sulla base delle evidenze emerse in sede di analisi dei KRI Valutare l’efficientamento del processo di controllo mediante la valutazione ex-ante dei KRI precedentemente individuati ed analizzati 31

Incontro UNIBO | Agenda 1 Contesto e Obiettivo di analisi 2 Analisi Preliminari 3 Campionamento e Controlli 4 Analisi Key Risk Indicators 5 Overview Risultati 32

Overview Risultati | Costruzione Report Descrizione RISULTATI DELLE ANALISI § Identificazione delle principali analisi e risultati ottenuti da riportare nel report finale Le analisi riportate devono essere in linea con le richieste progettuali e devono essere coerenti le une con le altre § Costruzione di un messaggio chiaro, sintetico ed ‘‘economicamente valido’’ MESSAGGIO DA COMUNICARE Ogni messaggio deve essere: 1. immediatamente comprensibile da parte dell’interlocutore 2. corroborato con i risultati dell’analisi svolta 3. accompagnato da un possibile ‘‘spunto evolutivo’’ 33

Overview Risultati | Risultati delle analisi Descrizione Consigli ORDINAMENTO § Definizione dell’ordine con cui presentare le analisi svolte impostando, ex ante, una ‘‘scaletta’’ da seguire e da cui partire per la strutturazione delle successive slide Un report correttamente strutturato risulta più efficace Disegnare su carta la struttura di tutta la presentazione identificando gli argomenti di ogni sezione OVERVIEW § Inserimento di una slide di Overview contenente la sintesi di dei risultati ottenuti su cui poter costruire le slide di dettaglio Le slide di Overview permettono di introdurre il discorso in modo generico e di poter decidere successivamente se scendere in dettaglio o meno Analizzare gli obiettivi dell’analisi ed individuare i principali risultati ottenuti DETTAGLIO § Costruzione di slide di dettaglio sulle specifiche analisi svolte Le slide di dettaglio devono essere coerenti con l’oggetto della discussione e con i risultati riportati nella slide di Overview (check dei numeri riportati) Identificare le principali analisi effettuate / step procedurali seguiti per il raggiungimento del risultato finale § Raccolta di tutte le considerazioni, assunzioni e ipotesi effettuate nel corso delle analisi che possono aiutare l’interlocutore a comprendere i risultati delle analisi L’annex, riportato in fondo ad ogni analisi, permette di avere a portata di mano una serie di concetti utili e/o risultati svolti durante le precedenti analisi Raccogliere tutte le informazioni e considerazioni che possono essere a supporto durante l’esposizione al referente RISULTATI DELLE ANALISI MESSAGGIO ANNEX 34

Overview Risultati | Costruzione messaggio Analisi numerica Messaggi Esposizione € mln 1 Messaggio generico su quanto riportato all’interno del grafico (il messaggio riprende i numeri riportati nei grafici) 2 Considerazioni in merito a % e/o somme parziali di non immediata percezione (questo/i messaggi danno valore aggiunto evidenziando relazioni interne ai dati) 3 Messaggi specifici ad alto valore aggiunto riferiti al senso statistico ed economico di quanto emerso e possibile impatto sulle successive attività e/o sul business aziendale RISULTATI DELLE ANALISI MESSAGGIO Ctp Rapporti 22. 214 1. 501 5. 362 1. 754 13. 597 85. 925 3. 106 23. 272 11. 707 47. 840 35

Overview Risultati | Obiettivi Valutare la significatività delle analisi effettuate e scegliere quelle da inserire nel report finale da condividere con il proprio referente Definire la struttura del report identificando l’ordine con cui presentare le diverse analisi (sulla base di cui poter costruire slide di overview e di dettaglio) Costruire un messaggio sintetico, statistico ed economico, sui risultati ottenuti conseguente spunto evolutivo 36

DOMANDE ? 37