Пенсионеров будут ловить в соцсетях
НПФ Сбербанка обновляет методы привлечения клиентов
Негосударственный пенсионный фонд (НПФ) Сбербанка запускает программу индивидуальных пенсионных программ с использованием аналитики "больших данных" — Big Data. Анализировать данные потенциальных клиентов НПФ с учетом множества параметров будет агент фонда — Сбербанк. По оценке участников рынка и экспертов, в текущих условиях на взрывное развитие негосударственного пенсионного обеспечения (НПО) рассчитывать не приходится, однако с учетом масштабов Сбербанка и диверсификации его бизнеса ставка на Big Data может быть оправданна.
Фото: Сафрон Голиков, Коммерсантъ
О запуске продаж НПО с использованием технологии Big Data сообщила вчера гендиректор НПФ Сбербанка Галина Морозова. Как она отметила, пилотный алгоритм Big Data учитывает не только традиционные параметры — пол, возраст, доход, регион проживания, но и более индивидуальные факторы: семейное положение, склонность к накоплениям или тратам, частота путешествий, увлечения.
Big Data — аналитика неструктурированных данных больших объемов. К "большим данным" относят информацию, которая генерируется как человеком, так и техникой (число и объем транзакций, показатели счетчиков, данные видеонаблюдения или станций сотовых сетей). Российский сегмент рынка продуктов и услуг для работы с Big Data Московская биржа оценивала в 2015 году в $500 млн, ожидая роста до $1,7 млрд к 2018 году.
Агентом привлечения клиентов в НПФ выступает Сбербанк, он же проводит анализ ключевых параметров: от кредитной истории и характера трат до профиля в соцсетях. "НПФ не получает от Сбербанка данные клиентов, вся работа с использованием модели продаж Big Data ведется в соответствии с законодательством о персональных данных",— подчеркнула госпожа Морозова. Однако после определения предпочтений и потребностей уже НПФ формирует для каждой группы клиентов свой пенсионный план. Как она отмечает, развитие НПО — одно из приоритетных направлений в стратегии фонда. "В пилотном проекте около 30% клиентов НПФ Сбербанка, у которых есть договор ОПС, приняли участие в программах НПО и формировали индивидуальный пенсионный план",— говорит госпожа Морозова.
Отметим, что на текущий момент масштабы бизнеса по НПО НПФ Сбербанка (по данным ЦБ по итогам первого квартала, 314 тыс. клиентов) несопоставимы с ОПС (4,2 млн клиентов). Однако в масштабах рынка это один из крупнейших показателей — большее число клиентов лишь в фондах "Благосостояние", "Телеком-Союз" и "НПФ электроэнергетики". Совокупные затраты на внедрение проекта Big Data в НПФ Сбербанка не раскрывают. Как отметила госпожа Морозова, анализ и привлечение с использованием Big Data пока дороже традиционных методов, "однако все затраты идут в соответствии с утвержденным бизнес- планом и бюджетом". В Сбербанке на запрос "Ъ" вчера не ответили, переадресовав в НПФ.
Опрошенные "Ъ" крупнейшие участники рынка собственных программ с использованием Big Data пока не реализуют. "Время работает на нас — технология становится более отработанной и менее затратной при внедрении",— отмечает руководитель НПФ из топ-10 по активам. В настоящее время НПФ "Будущее" (группа O1) консолидирует данные четырех фондов, в каждом из которых была своя система сбора данных о клиентах. "Сейчас перед нами стоит задача с помощью CRM (система управления отношениями с клиентами.— "Ъ") сформировать структурированную актуальную базу и разработать единый стандарт хранения данных о клиентах, учитывающий как социально-демографические параметры, так и потребительские предпочтения,— говорит гендиректор фонда Николай Сидоров.— В будущем эти данные смогут стать основой для внедрения технологии Big Data при разработке и продажах индивидуальных пенсионных программ".
Как отмечает директор группы рейтингов финансовых институтов АКРА Юрий Ногин, вводные для Big Data есть далеко не у всех игроков. "В группе Сбербанка, обладающего самой большой сетью и, как следствие, базой данных, Big Data логично внедрять по нескольким ключевым направлениям его бизнеса — банковскому, пенсионному или страховому. Сама технология будет работать тем лучше и эффективней, чем большим будет масштаб обрабатываемых данных",— говорит Юрий Ногин.