Как углубленная аналитика поможет опередить конкурентов в банковском секторе

Одним из главных конкурентных преимуществ в банковском секторе становится углубленная аналитика – экспертный машинный инструментарий для работы с большими массивами внутренних и внешних данных, увеличивающий возможности для лучшего понимания клиента и его потребностей.

Сегодня игроки финансового сектора пытаются переманивать представителей чужой клиентской базы либо увеличивать выручку от собственной. Конкуренция ужесточается, а финансовые риски в условиях стагнации в экономике возрастают. Рост или по крайней мере поддержание приемлемого уровня прибыльности возможны при лучшем понимании своего клиента и оптимизации клиентского предложения. Это и может в нынешней и завтрашней реальности обеспечить advanced analytics, т. е. правильное и наиболее полное использование бизнесом своего главного актива – данных.

Игры алгоритмов

За счет скорости работы тонких машинных инструментов у финансовой организации и ее партнеров открываются новые возможности. Например, оптимально таргетированное предложение с учетом индивидуальности клиента, прогнозирование будущих покупок с высокой степенью вероятности, формирование адресных продуктов на основе геоданных и многое другое. Американский банк Capital One уже сегодня классифицирует посетителей своего сайта с учетом истории их заходов и других данных, выводя клиентов на адаптированные под личное предложение версии сайта, причем оценка клиента занимает меньше секунды. Крупнейшая южноамериканская группа Banco Itau внедрила методы, увеличивающие коэффициент конверсии по предложениям в 10 раз. Интегрированное решение позволяет прогнозировать будущие покупки в реальном времени. В частности, когда клиент совершает за рубежом операции по кредитной карте, ему предлагаются варианты туристической страховки, которая активируется через sms. Благодаря партнерскому проекту Visa и Gap интеллектуальная система отслеживает покупки по карте, высылая клиентам купоны на скидки в ближайших магазинах бренда. В процессе углубленной аналитики каждая клиентская единица учитывается в максимальной степени индивидуально. В результате анализ ведется по узкой выборке, признаки которой позволяют делать точные выводы по широкому кругу характеристик, требующих немедленной реакции, – клиентских предпочтениях, склонности к мошенничеству, возможности банкротства.

Компьютер, анализируя информацию, создает алгоритмы, в соревновании между которыми возникает максимально точный ответ на бизнес-задачу, будь то ключевые признаки оттока клиентов за 3 и 6 месяцев или определение стоимости актива, передаваемого в залог. Вслед за победой компьютера Deep Blue над чемпионом мира по шахматам 20 лет назад и выигрышем машиной чемпионского матча по игре в го в 2016 г. алгоритмы начинают вытеснять человека из экспертной ниши: они точнее и быстрее отвечают на стоящие перед бизнесом вопросы, в том числе те, где необходима интуиция. Роль банковского специалиста меняется на глазах – в его функции переходит постановка задач, формулировка граничных условий решения, интерпретация ответа и его смыслов.

Выстраивается новая конфигурация банковской деятельности, в которой инструменты углубленной аналитики могут применяться с наибольшим эффектом. Он достигается технологичностью структуры типичного банка, в конечном счете являющегося сочетанием продуктов, рисков и интерфейса взаимодействия с клиентом, – для всех трех этих компонентов существуют решения для работы с большими данными. И, что не менее важно, углубленная аналитика позволяет значительно оптимизировать банковский бизнес по всей цепочке создания стоимости. В части доходности клиента и финансового эффекта появляется возможность предложений на основе сегментации покупателей, индивидуального ценообразования и анализа данных по транзакциям. На уровне убытков и рисков происходит усовершенствование системы раннего предупреждения, более чем наполовину снижается число выполняемых вручную операций андеррайтинга, а приток проблемных кредитов может быть уменьшен на четверть. Анализ геоданных дает возможность на 10-20% снизить операционные затраты на территориальные объекты и бэк-офис. Прогнозные методы в управлении персоналом дают примерно двукратное увеличение индекса мотивации.

Новые инструменты требуют новых профессиональных компетенций. На передний план выходят так называемые трансляторы и специалисты по интеллектуальной обработке данных (data science), которые знают инструментарий и умеют им пользоваться в работе с большими информационными массивами. Наиболее активно формируют компетенции на этом рынке такие лидеры, как Google и «Яндекс», а также стартапы, работающие в области высоких технологий.

Внутри и снаружи

Для прорывного развития углубленной аналитики сегодня в наличии все слагаемые – мотивация, набор инструментов и те, кто умеет их использовать. Есть и четвертый фактор – доступность внешних данных о клиентах, накапливающихся в социальных сетях, в различных государственных агентствах. На рынке начал появляться новый тип игроков – агрегаторы, которые консолидируют открытые данные и информацию, требующую верификации. Таким образом, у финансовых учреждений появляется возможность обогащать свои внутренние модели сведениями из внешней среды.

Правда, для российских компаний эта тенденция пока актуальна в меньшей степени. Прежде всего потому, что многие банки в полной мере еще не решили задачу предыдущего уровня – не научились использовать в бизнес-целях собственную информацию о клиентах. С этой целью еще предстоит выстроить структуры управления данными и регуляторные механизмы и требования, аналогичные документам Базельского комитета в отношении управления данными в финансовых институтах.

Мнения экспертов банков, финансовых и инвестиционных компаний, представленные в этой рубрике, могут не совпадать с мнением редакции и не являются офертой или рекомендацией к покупке или продаже каких-либо активов