В этом году термин «Big Data» отмечает свое 10-летие! За это время само понятие стало довольно распространенным, но далеко не все еще осознают, насколько быстро и глубоко технологии обработки больших массивов данных меняют самые различные аспекты жизни общества. Перемены происходят в различных сферах, порождая новые проблемы и вызовы, в том числе и в сфере информационной безопасности, где на первом плане должны находиться такие важнейшие ее аспекты, как конфиденциальность, целостность, доступность и т.д. С этого номера мы начинаем публикацию ряда статей, посвященных использованию больших данных в различных сферах экономики. И первый материал посвящен использованию Big Data в банковском секторе.
Банковская сфера — одна из самых клиентоориентированных и, следовательно, наиболее заинтересованных в применении подобных технологий. Каждый день банки получают колоссальный объем информации о клиентах. В этом их опережают, пожалуй, лишь операторы сотовой связи. Чаще всего эти данные неструктурированы. Их грамотная обработка и своевременная интерпретация необходимы для дальнейшего развития и получения конкурентного преимущества путем повышения удовлетворенности и лояльности клиентов, минимизации кредитных рисков и предотвращения случаев мошенничества. Технологии больших данных могут эффективно использоваться для управления рисками и борьбы с мошенничеством, а с помощью анализа транзакций клиента и геоаналитики можно своевременно обнаружить и предотвратить мошенничество по личным счетам. В ближайшие 2-3 года в банках будут активно внедряться технологии распознавания клиентов для получения доступа к банковским ячейкам и подтверждения крупных платежей, что значительно снизит риски.
По данным консалтинговой компании Alacer, крупнейшие банки США накопили уже 1 эксабайт (1018 байт) информации. Такой объем данных содержится, например, в 275 млрд. аудиозаписей песен в формате mp3. Поэтому именно Big Data сможет стать волшебной палочкой, которая радикально изменит отношения клиентов с банками. Рассмотрим 5 основных сфер банковской деятельности, которые меняются с наступлением эры больших данных.
Безопасность и противодействие отмыванию денег
С помощью систем обработки данных банк знает о потребительском поведении своих клиентов. Допустим, клиент N, женатый и с двумя детьми, имеет недвижимость в городе и автомобиль, стабильный личный доход 1500 манатов в месяц, держит накопительный счет и имеет кредитную линию. Банк из истории транзакций знает, сколько N тратит в месяц на еду и одежду, поездки, содержание автомобиля, оплату коммунальных счетов, на развлечения и прочее.
В один прекрасный день N снимает большую часть наличности, закрывает счета и покупает билет в один конец в европейскую страну. Или переводит деньги на другой счет, блокирует карты и перестает проводить привычные транзакции. Из такого поведения можно сделать два вывода: либо N бросил семью с двумя детьми и пустился в бега, либо доступ к его картам и мобильному банку получили злоумышленники. По статистике, более вероятно второе. Система безопасности банка, исходя из анализа поведения клиента, тут же подает сигнал тревоги. Специалисты могут принять меры — заморозить транзакции и связаться с N, чтобы выяснить, все ли в порядке.
Если система выявляет аномальное поведение, например, резкий рост покупательской активности, перевод непривычных сумм на другие счета, вывод средств, — это становится сигналом тревоги. Предупредительные меры можно принять еще до того, как клиент обнаружит кражу кредитной карты и взлом on-line банка. Банк также может сравнивать поведение одного клиента с поведением других, сопоставимых по уровню доходов. Искусственный интеллект со временем составит портрет типичного потребителя для каждой группы клиентов. Исходя из этого шаблона, система сможет предсказывать дальнейшее поведение потребителей и выявлять факторы риска.
В качестве примера реализации такого сценария, можно привести сотрудничество HSBC с облачным сервисом Google для развертывания интеллектуальной системы противодействия отмыванию денег. У банка порядка 37 млн. клиентов в 70 странах мира, и объем данных, которыми оперирует организация, уже превысил 93 петабайт. Представитель HSBC Дэвид Нотт назвал облачное решение Google для работы с большими данными «волшебной палочкой» для управления гигантским массивом информации.
Управление рисками
Управление любым видом рисков (операционных, рыночных, кредитных, правовых) зависит от полноты и объективности информации, которую получают риск-менеджеры. Инструменты Big Data помогут нарисовать всеобъемлющую картину на любом уровне, будь то благонадежность заемщика или экономическая ситуация в отдельном регионе страны. До сих пор банки оценивали риски, исходя из текущих данных. В случае анализа кредитных рисков, например, вовсе полагались на сведения, предоставленные заемщиком. Эти сведения не всегда правдивы и уж точно не объективны.
Система оценки рисков, основанная на больших данных, расскажет о потенциальном заемщике куда больше и объективнее. Она учитывает не только кредитную историю клиента, но и активность в социальных сетях, тональность его комментариев, предпочтения в покупках и, если надо, поведение в сетевых играх. Так что завсегдатаю on-line казино вряд ли одобрят необеспеченный заем, даже если его кредитная история до сих пор не вызывала нареканий.
Инвестиционная стратегия банка тоже зависит от оценки рисков в конкретной отрасли и регионе. Благо сегодня уже достаточно много эффективных инструментов, основанных на анализе Big Data, предназначенных для работы на рынке ценных бумаг. При этом рынки все активнее обмениваются информацией и становятся взаимозависимыми в своих движениях вверх-вниз. В периоды высокой волатильности банки теперь могут не только быстро подстраиваться под ситуацию, но и предвидеть ее.
Обслуживание клиентов
Для клиента важно, чтобы банк обслуживал его быстро, качественно и внимательно. При этом клиент не терпит никаких проблем и сбоев. Если они случаются, то должны решаться быстро и желательно без его участия. От этого напрямую зависит лояльность клиента к банку. Ведь если человеку для решения маленькой проблемы нужно потратить полдня и поговорить с тремя операторами call-центра, то банк лучше поменять.
Компания McKinsey провела опрос американских банков, согласно которому 76% из них используют Big Data для привлечения клиентов, построения лучшего взаимодействия и поддержки лояльности. В то же время, по данным Alacer, 50% клиентов традиционных банков регулярно подумывают о том, чтобы сменить банк. Анализ клиентских данных позволяет, во-первых, быстро находить и решать проблемы клиента, а во-вторых, предлагать продукты, разработанные «специально для вас».
Комплекс действий специалиста по работе с клиентами, называемый customer service, по сути сводится к выстраиванию эффективного диалога. А лучший собеседник, как известно, тот, кто умеет слушать. Банк, применяющий инструменты анализа клиентских данных, — это собеседник, который многое знает о человеке еще до начала разговора, понимает его проблемы и знает, как их решить. Идеальный собеседник, с которым хочется общаться больше.
Сегодня клиентские данные включают не только внутренние банковские сведения о состоянии счета и истории транзакций, но и внешнюю информацию. Как человек ведет себя в социальных сетях, что ищет в Google, что покупает в интернет-магазинах, с кем переписывается по электронной почте и какую рассылку получает, куда отправляется на праздники и в отпуск. Чем больше банк знает о своем клиенте, тем более персональным будет клиентское обслуживание.
Создание новых продуктов
При создании новых кредитных и инвестиционных продуктов банки все чаще опираются на анализ клиентских данных. Компания Forrester провела исследование, которое показало, что половина клиентов банков хотят видеть новые предложения и продукты. То есть 50% потребителей готовы брать новые кредиты, рассматривать новые виды вкладов, пользоваться персональными предложениями. Доля таких клиентов становится тем выше, чем они моложе и богаче. Многие «миллениалы» вообще не хотят иметь ничего общего с обычными стандартизированными предложениями банков. Их интересует индивидуальный подход, желательно оформленный в цифровой среде. 50% потребителей готовы брать новые кредиты, рассматривать новые виды вкладов, пользоваться персональными предложениями. Доля таких клиентов становится тем выше, чем они моложе и богаче.
Так называемый углубленный клиентский анализ позволяет банку формировать такие предложения для каждого клиента, угадывать его желания и возможности. Потребительские займы, ипотечные и автокредиты, срочные вклады — с приходом Big Data все обычные банковские продукты можно настроить под конкретного потребителя.
Инвестиционные консультации
Чтобы давать правильные советы, финансовый консультант должен знать о возможностях/потребностях своего клиента и хорошо разбираться в ситуации на рынках. С помощью инструментов Big Data банки могут и то и другое. Банк может быть в курсе таких событий в жизни клиента, как свадьба, рождение ребенка, поступление в вуз, переход на новую работу, новое увлечение или решение отправиться в кругосветное путешествие. Исходя из полученных сведений, для каждого человека формируется предложение. Например, клиенту предлагают начать откладывать на образование, когда его ребенку исполняется 10 лет. А если семья планирует купить дом, банк может заранее предложить им ипотеку для молодых.
С другой стороны, банки активно используют алгоритмы для интеллектуального анализа ситуации на фондовых рынках. Инструменты Big Data помогают извлекать выгоду как в краткосрочной перспективе, так и в долгосрочных вложениях. Для этого анализируют массивы самых разных неструктурированных данных — от погоды до тональности местных новостей в разных частях света, от уровня безработицы до настроений в социальных сетях.
В США крупнейшие инвестиционные банки одними из первых оценили пользу от анализа больших данных. Еще бы, ведь когда речь заходит о повышении прибыльности игры на рынке, алгоритмы Big Data просто незаменимы. Более того, банки сами стали триггером для роста индустрии анализа данных. Известен случай, когда уволившийся сотрудник одного инвестиционного банка меньше чем за полгода создал популярную программу на основе Big Data для торговли на бирже.
В заключение
76% крупнейших американских банков используют Big Data для привлечения клиентов, улучшения коммуникаций и повышения лояльности, свидетельствуют данные McKinsey за 2017 год. По оценкам Gartner, 34% банков в мире уже инвестировали в развитие этих технологий. При этом именно финансовая индустрия владеет четвертью всех пользовательских данных в мире. Финансовый сектор уже применяет анализ Big Data для самых разных задач — борьбы с мошенничествами, контроля за соблюдением законов и требований регуляторов, риск-менеджмента, оптимизации внутренних процессов и управления отношениями с клиентами. Например, система антифрода Visa вычисляет в on-line режиме мошеннические операции по совокупности признаков и в результате предотвращает мошенничества на 2 млрд. долларов ежегодно.
Но несмотря на явные преимущества, которые дает аналитика больших данных в банковском бизнесе, сегодня большинство азербайджанских финансовых организаций используют лишь ничтожную долю хранящейся у них информации. При этом речь идет не столько о больших массивах неструктурированных данных, сколько об «умных» данных — тех сведениях, которые потенциально монетизируемы. Их использование станет таким же обязательным условием выживания банка, как достаточность капитала и сбалансированная кредитная политика.
Кстати, именно монетизация данных — один из восьми факторов, которые потенциально могут полностью изменить ландшафт финансового рынка. Об этом говорится в исследовании Всемирного экономического форума Beyond fintech: How the successes and failures of new entrants are reshaping the financial system, опубликованном в августе 2017 года на основе опроса 150 экспертов из крупнейших финансовых компаний и финтеха. Авторы исследования выделили три главных направления, как финансовые организации будут развивать работу с большими данными. Во-первых, они будут анализировать не статичные наборы данных, а потоки данных в реальном времени. Во-вторых, чтобы получить больше наборов данных, финансовые организации будут создавать для своих клиентов дополнительный цифровой опыт, такой, который позволит взаимодействовать с ними чаще. Наконец, финансовые организации будут создавать партнерства с другими компаниями, чтобы обмениваться взаимодополняющими наборами данных.
Банк будущего за счет анализа данных будет понимать весь контекст жизни клиента, связанный с финансами, и приходить к нему с лучшими конкретно для него решениями финансовых задач. Клиент будет избавлен от необходимости думать о своих финансах, ему будет достаточно просто согласиться с предложением банка, потому что алгоритмы, основанные на анализе данных, гарантированно предложат решение эффективнее любого человека.
При подготовке статьи были использованы материалы сайтов vc.ru, vedomosti.ru и banki.ru.
