К 2025 году глобальный объем данных превысит цифру в 175 зеттабайт (по данным исследования IDC), а наиболее перспективными отраслями для использования Big Data признаны промышленность и финансовый сектор. Растущий объем информации и внедрение новых технологий ее обработки сформируют принципиально новый подход к работе банковских учреждений.

Руководителям банков уже сегодня следует задуматься не только о сборе и анализе больших данных, но и о текущих и будущих возможностях их монетизации. Только те финансовые учреждения, которые будут грамотно использовать Big Data, смогут получить конкурентное преимущество в условиях четвертой промышленной революции.

О конкретных преимуществах внедрения новых технологий и практических кейсах в этой области сегодня расскажут представители ведущих российских банков: Открытие, ВТБ, Юнистрим и Газпромбанк.

Повышение уровня предоставляемых услуг с помощью Big Data

Инструменты Big Data могут использоваться на всех этапах взаимодействия банка с клиентом и при предоставлении практически любых услуг. Как считает директор по цифровой трансформации банка «ВТБ» Михаил Матвеев, эта технология должна применяться везде, где есть данные, а улучшение услуг достигается за счет оптимизации бизнес-процессов.

Основная трудность заключается в том, что большая часть собираемой информации может быть никогда не востребована. И ключевая задача специалистов заключается именно в том, чтобы выделить в огромном массиве данных тот самый «золотой Грааль», который выведет компанию на новый уровень в борьбе за клиента. Интересен пример «Газпромбанка», который использует Big Data преимущественно в розничном банковском бизнесе.

 «Big Data дает нам возможность повысить финансовую эффективность за счет привлечения наиболее интересных и платежеспособных клиентов на базе лучшей маркетинговой упаковки продукта, основанной на глубоком исследовании больших данных», – отметил Дмитрий Сергиенко, управляющий директор Департамента анализа данных и моделирования АО «Газпромбанк».

Похожим образом использует Big Data и банк «Открытие». Директор департамента банка CRM МСБ Антон Козлов выделяет следующие преимущества новых технологий: во-первых, банк избавляет клиента от необходимости заполнять множество сведений о себе или своей компании; во-вторых, банк предлагает клиенту только те продукты и услуги, которые могут быть интересны и востребованы конкретному клиенту в конкретный момент времени; в-третьих, банк может сам определить, когда у клиента возникают какие-либо сложности во взаимодействии с банковскими сервисами, и первым прийти на помощь.

Основные сложности использования Big Data в банковском секторе

Представители всех банков выделяют главную проблему в обработке Big Data – ограничения по использованию информации, содержащей персональные данные, банковскую и коммерческую тайны. Даже при максимальном внимании к вопросу хранения и обработки персональных данных у банка возникают сложности в применении норм законодательства, так как различные федеральные законы определяют свои требования к защите персональных данных. Это и 152-ФЗ «Закон о персональных данных», и 149-ФЗ «Об информации, информационных технологиях и о защите информации», и 218-ФЗ «О кредитных историях», и 115-ФЗ «О противодействии легализации (отмыванию) доходов, полученных преступным путем и финансированию терроризма», и 126-ФЗ «О связи», и 38-ФЗ «О рекламе» и ряд субнормативных актов. По мнению Дмитрия Сергиенко («Газпромбанк») решением проблемы может стать унификация законодательства, которая определит единые стандарты защиты персональных данных.

Антон Козлов («Открытие») отмечает и вторую важную проблему, которая заключается в эффективности обработки данных:  «Банки часто сталкиваются с завышенными ожиданиями быстрой монетизации проектов, связанных с Big Data. Кроме того, достаточно сложно определить место новых подразделений в организационной структуре банка и осуществить непосредственно расчет эффективности работы. Сюда добавим и классическую проблему, связанную с нехваткой квалифицированных кадров. Big Data – это очень широкое понятие, поэтому найти специалиста с необходимым опытом в России и странах СНГ бывает сложно».

Третья проблема связана с анализом данных, построенных на предыдущем потребительском опыте клиентов. По мнению Олега Скворцова (член совета директоров банка «Юнистрим», вице-президент АРБ), сегодня у потребителей наметились «протестные» настроения и нежелание «делиться» своими транзакциями, покупками и предпочтениями (например, в соцсетях), что в рамках изменения экономической ситуации, возможного цикла рецессии, может привести к тому, что реальное потребительское поведение будет отличаться от планируемого по анализу предыдущих массивов данных. Такие моменты, на фоне относительно недолгой истории формировании больших данных, необходимо учитывать при создании моделей и рекомендаций в банковском бизнесе.

Борьба с мошенничеством с помощью Big Data

Использование Big Data актуально и при осуществлении контроля над соблюдением законов и требований регуляторов, а также для предотвращения мошеннических действий. С помощью больших данных производится поиск аномалий и выявление нетипичных паттернов поведения клиентов. В банке «Открытие» используется ряд современных технологий, который позволяет снижать кредитные и регуляторные риски. Среди этих технологий – внедрение различных видов машинного обучения, технологий NLP и сбора данных из внешних источников. Все это позволяет банку своевременно классифицировать действия клиента как мошеннические, заранее прогнозировать применение незаконных схем работы и отличать реальный бизнес клиента от номинального.

В «Газпромбанке» для работы с Big Data внедрена отдельная информационная платформа, основанная на Hadoop с обвязкой в виде графовой СУБД, геоплатформы (система, хранящая агрегированную информацию в географическом разрезе), платформой текстовой аналитики (система, позволяющая распознавать текст) и аналитическими инструментами, основанными на современных языках программирования.

Дмитрий Сергиенко («Газпромбанк») отмечает следующие премущества платформы: «Графовая СУБД позволяет хранить большие объемы информации и выявлять различные сущностные связи между объектами, что используется для выявления и расследования мошеннических схем. Созданная инфраструктура также позволяет решать и ряд задач по соблюдению требований регуляторов, например, исследовать неструктурируемые массивы текстовой информации и выявлять взаимосвязи между юридическими лицами для корректного принятия решений по кредитным сделкам с учетом экономических отношений внутри финансовых групп».

Разработка точечных предложений с помощью Big Data

Большие данные позволяют точно выстраивать профиль каждого клиента, анализировать его потребности и оценивать риски при взаимодействии с каждым конкретным клиентом. Антон Козлов («Открытие») подчеркивает, что  при наличии большой совокупности собранных данных, модели машинного обучения позволяют с достаточно высокой точностью сделать вывод о том, что конкретный клиент с высокой вероятностью согласится на предложение определенного продукта.

Раньше для подобных целей использовалась сегментация клиентской базы, предполагалось, что клиенты внутри каждого сегмента однородны и для них можно формировать одинаковые предложения. При этом, чтобы ситуация была управляемой, количество сегментов обычно искусственно ограничивалось. Современные инструменты работы с Big Data позволяют реализовать подход «один клиент – один сегмент», что можно рассматривать как сегментацию, при которой количество сегментов равно количеству клиентов. То есть, потребности каждого клиента рассматриваются индивидуально.

Повышение лояльности клиентов с помощью Big Data

В банке «ВТБ» большинство кампаний по лояльности строится на анализе больших данных. Как отметил директор по цифровой трансформации банка Михаил Матвеев, по итогам анализа и построения соответствующих моделей удается реализовать эффективную программу лояльности, направленную на индивидуальную работу с каждым клиентом банка.

Антон Козлов (банк «Открытие») выделяет 2  модели использования Big Data для повышения лояльности:

1. Подбор индивидуальных предложений (вместо классического «спама»).
2. Удержание клиентов за счет предиктивной аналитики. К примеру, если банк понимает, что клиент, ведущий реальный и законный бизнес, может по незнанию нарушить законодательство (требования ЦБ), банк может своевременно предложить клиенту скорректировать свои действия. Также, с помощью инструментов Big Data можно с определенной вероятностью спрогнозировать желание клиента закрыть счет, перестать обслуживаться. Проработав эту ситуацию индивидуально, можно вернуть лояльность клиента и сохранить его в банке.

Время серьезных результатов еще впереди

Представители ведущих банков России видят серьезные перспективы в использовании технологии Big Data в своей деятельности. Однако, по мнению Олега Скворцова («Юнистрим»), текущие достижения в этой сфере пока далеки от идеала: «Технологии Big Data безусловно имеют огромный потенциал для банковской сферы в различных направлениях, прежде всего, при продажах и клиентском сервисе, операционной эффективности и при управлении рисками. При этом, я не уверен, что текущие достижения в этой области в нашей стране в финансовой отрасли можно считать значительными. Проводятся множество проектов, но время серьезных практических результатов еще впереди».

Узнать больше про цифровизацию финансовой отрасли вы можете на Саммите по интернету вещей и искусственному интеллекту IoT&AI World Summit Russia 2019, который пройдет в Казани 1-2 октября.

Полностью этот материал будет опубликован в сентябрьском номере Национального Банковского Журнала.