Заготовка килобайтов банками

Как банки используют большие данные, стремясь к абсолютному пониманию своих клиентов

Банки часто в числе первых осваивают инновационные подходы и инструменты. Не случайно наиболее интересные проекты внедрения из сферы Big Data можно обнаружить в российских кредитных учреждениях.

Развитие отношений. Сбербанк строит централизованное хранилище данных о клиентах и их транзакциях

Фото: ТАСС

Текст: Светлана Рагимова

Главное предназначение технологий Big Data — исследование информации о клиентах, их поведении, предпочтениях. Специалисты по маркетингу могут использовать результаты анализа этих данных для улучшения отношений с потребителями, разработки специальных точно нацеленных предложений и в итоге для увеличения продаж.

По словам Александра Позднякова, генерального директора First Line Software, специализирующейся на разработке заказного ПО, техники Big Data позволяют формировать максимально детализированный портрет клиентов и создавать персональные и более востребованные продукты или принимать более взвешенные решения о выдаче кредитов. Банки помимо этого давно и успешно анализируют финансовые транзакции на предмет fraud detection — выявления мошенничества.

Сергей Усачев, руководитель группы отраслевых консультантов компании Teradata в России, добавляет: "Чем больше банк знает о своих клиентах, тем точнее он может оценить их кредитоспособность. Кроме того, понимание предпочтений и потребностей клиентов позволяет банку эффективным образом управлять их жизненным циклом. То есть продавать нужные им продукты и сервисы через подходящие каналы, тем самым повышая и клиентскую лояльность, и банковские доходы". По его мнению, во всех этих задачах работает правило: чем больше данных и больше источников информации, тем достовернее результат. Другими словами, при совместном использовании разных типов данных из различных источников профиль клиента дает более полную, адекватную и достоверную картину.

В центре циклона

Большинство банков в РФ сегодня заняты построением единых хранилищ данных и пока используют большие данные для решения самых очевидных задач из направлений, о которых было сказано выше.

Геннадий Шилов, руководитель программы ЦХД (центральное хранилище данных) в Сбербанке России, на конференции Teradata Partners в Нашвилле (США) в октябре этого года рассказал о первом этапе проекта по освоению больших данных в крупнейшем банке страны. Прежде чем получить пользу от Big Data, большие данные необходимо собрать и сохранить, подготовить для последующей обработки. Для этого в Сбербанке строится единое хранилище, где собирается информация обо всех транзакциях клиентов.

По словам Шилова, сегодня банк не анализирует поведение клиентов, их привычки. Пока большие данные используются для более точной сегментации клиентов, управления рисками, перекрестных продаж, транзакции отслеживаются для предотвращения и обнаружения мошеннических действий. Система используется при подсчете бонусов для менеджеров, отвечающих за массовый сегмент.

В ближайшем будущем по планам в единое хранилище станет дополнительно собираться информация новых типов из внутренних и внешних (в частности, из социальных сетей) источников. Данные будут чаще обновляться, их доступность будет также повышена. Банк планирует научиться анализировать сведения о тысячах клиентов в режиме реального времени. Эти инструменты будут тиражированы на региональные подразделения компании и даже на небанковские активы.

На следующем этапе Сбербанк планирует, по словам Шилова, "построить доверительные, глубокие отношения с клиентами, стать полезной, иногда невидимой, но частью их жизни". Это должно позитивно повлиять также и на корпоративную культуру компании. К 2018 году завершится второй этап проекта. Еще в банке пройдет полная технологическая модернизация, к этому моменту новейшие технологии будут встроены практически во все бизнес-процессы. Финансовая эффективность вырастет, благодаря повышению качества управления рисками и затратами. По словам Шилова, будет построена зрелая организация с навыками управления и бизнес-процессами, организованными на международном уровне, соответствующем амбициям группы компаний Сбербанка.

По данным CNews Analytics, крупные проекты в этой области реализуются также и в других банках. В банке "Тинькофф кредитные системы" большие данные используются для управления рисками, скоринга, повышения эффективности продаж и маркетинга, глубокого анализа потребностей потенциальных и существующих клиентов. В Альфа-банке анализируют информацию из соцсетей, обрабатывают онлайн-заявки на получение кредитов, используют эти данные в скоринге и анализируют поведение пользователей сайта. В банке "Открытие" Big Data задействована в составлении отчетности, управлении рисками, скоринге. В "Тройке Диалог" применяют прогнозную аналитику, составляют брокерские отчеты с помощью инструментов работы с большими данными. Один из крупных проектов в этой области ведет также ВТБ 24, он применяет инструменты для стандартных целей: скоринг, эффективный маркетинг и продажи, аналитика и отчетность, управление рисками.

В некоторых банках используются и более продвинутые подходы. Так, Всероссийский банк развития регионов анализирует поведение владельцев карт, места, которые они посещают, привычки расходования средств. Эта информация помогает предупредить воровство средств с карт. Система может обнаружить нетипичное поведение и просигнализировать об этом. Например, деньги с карты снимают в магазине в сотне километров от рабочего места клиента, где он находится в данное время (это можно понять, например, если он оплатил картой парковку или купил кофе в соседнем кафе).

По словам Александра Позднякова, крупнейшие мировые банки в настоящее время уже осваивают мультиканальную среду получения информации о действиях клиентов: при работе с интернет-банкингом и банкоматами, при обращении в контакт-центр, на сайт и т. д. "По мере увеличения ценности, объемов и скорости передачи информации банки будут все активнее применять новые источники данных о пользователях",— уверен эксперт. В социальных сетях и на крупных торговых онлайновых площадках потребители ежедневно раскрывают подробности своей жизни, генерируя массу информации о предпочтениях и привычках, которые можно использовать для формирования персонализированных продуктов и подробных пользовательских профайлов. В будущем источником такого рода данных могут также стать мобильные операторы, которые точно знают, где находится человек в конкретный момент.

Сергей Усачев добавляет, что сегодня наиболее популярные идеи на тему использования Big Data касаются как раз геолокации (то есть определения местонахождения клиентов), анализа информации из социальных сервисов, блогосферы и поведения потребителей на интернет-ресурсах. Геолокация позволяет применять событийный маркетинг (event-based). Если клиент находится в определенном месте, то в этот же момент можно выслать ему SMS с предложением зайти в расположенный рядом офис банка или партнерский магазин. "Однако это весьма похоже на слежку. Потому такая идея не получает широкого распространения (скорее из-за этических соображений), несмотря на возможность реализации",— говорит Усачев.

Если человек перемещается часто и на большие расстояния, то для него актуальны банковские продукты, связанные с путешествиями. Менее навязчивым будет предложение карт, выпущенных совместно с авиакомпаниями, тревел-карт, страховок путешественникам и т. п.

Анализ соцсетей позволит не только выявить предпочтения клиентов, но и обнаружить альфа-лидеров в сообществах, что помогает при организации вирусного маркетинга (например, программы типа "приведи друга"). Обратная связь в социальных медиа — это еще и отличный способ оценить уровень удовлетворенности клиентов.

Загрузка новости...
Загрузка новости...
Загрузка новости...
Загрузка новости...
Загрузка новости...
Загрузка новости...
Загрузка новости...
Загрузка новости...
Загрузка новости...
Загрузка новости...
Загрузка новости...