Большие данные принесли «ВТБ 24» в прошлом году 19 млрд рублей дополнительно

Банк научился точнее работать с заемщиками
«ВТБ 24» идет в ногу со временем, используя для увеличения выручки новые технологии / Денис Абрамов/ Ведомости

Благодаря внедрению специальной системы анализа больших данных своих заемщиков «ВТБ 24» в прошлом году увеличил чистую процентную маржу от кредитных операций на 16%, и это принесло около 19 млрд руб. чистого процентного дохода. Об этом «Ведомостям» сообщил член правления «ВТБ 24» Александр Соколов. При этом розничный портфель (кредитование физических лиц и малого бизнеса) в рублях вырос на 12%.

Раньше «ВТБ 24» делил клиентов на девять маркетинговых групп, а теперь ввел для каждой семь профилей риска. Получилось 63 сегмента. Улучшив сегментирование, банк стал предлагать клиентам индивидуальные условия, зависящие от платежеспособности, объясняет Соколов. По его словам, менее рискованным заемщикам предлагаются продукты с пониженными ставками – и наоборот.

Затраты на систему за три года составили около $33 млн и она уже окупилась в 10 раз, радуется Соколов. «ВТБ 24» установил американскую систему Teradata, уточняет представитель банка. Статьи расходов – это железо, лицензии на софт, затраты на интеграцию и обслуживание, рассказывает Соколов. По его словам, сейчас в хранилище находится около 60% всей имеющейся в IT-системах «ВТБ 24» информации о клиентах, это около 130 Тб данных.

Другие крупные банки тоже стали анализировать клиентскую информацию для принятия решений. Но какой это произвело эффект на их финансовые показатели, они не раскрывают. У Альфа-банка система сегментирования заемщиков для целевого предложения продуктов и услуг внедрена несколько лет назад и она действительно позволяет повышать доход розничного бизнеса, отмечает представитель банка. «Тинькофф банк» обрабатывает информацию о поведении клиента: платежи и транзакции по кредитной карте, звонки и запросы клиента в банк помогают принимать решение о повышении кредитного лимита. Сбор информации из бюро кредитных историй и интернета помогает формировать условия кредитования и снижать собственные риски банка, объясняет представитель «Тинькофф банка». Райффайзенбанк же от технологии анализа больших данных ждет скорее роста качества и скорости принятия решений, чем прямого роста прибыли, говорит член правления банка Андрей Попов.

Сбербанк отказался раскрыть экономический эффект от внедрения больших данных и подтвердить их существование в банке. Хотя в годовом отчете банка за 2016 г. сказано, что новые подходы к построению работы с клиентскими данными, в том числе Big Data, обеспечат банку возможность «массовой персонализации» предложения для всех категорий клиентов.

Кто не платит по счетам

«ВТБ 24» сделал несколько интересных наблюдений при помощи системы больших данных, рассказывает Соколов. Если хотя бы однажды клиент не платил дольше 90 дней, то с вероятностью 70% это повторится. Если клиент обратился одновременно в несколько разных банков и указал разные домашние адреса, то с вероятностью 30–40% он допустит просрочку. Если этих банков больше трех, то с вероятностью 25% по этому клиенту будет дефолт (больше 90 дней просрочки).

Эффект от больших данных раньше других ощутили отрасли с самой острой борьбой за клиента – розничные банки и телекоммуникационные операторы, уверен директор департамента продуктов для платформ данных холдинга IBS Сергей Золотарёв. По его словам, за ними следует промышленный сектор и госорганы.

А вот структура «Яндекса» по анализу больших данных Yandex Data Factory (YDF) самый большой потенциал видит именно в промышленности и с начала 2017 г. решила сосредоточиться именно на проектах этой отрасли, говорит представитель компании. По его словам, спрос идет от множества отраслей, но одновременное присутствие всюду означает, что YDF превратится в универсальную аутсорсинговую компанию вроде индийских «фабрик кода», только в области искусственного интеллекта. Плюсом промышленных предприятий представитель «Яндекса» называет большой объем накопленных ими данных и инженерную культуру предприятий, позволяющую внедрять новое и экспериментировать. В пример «Яндекс» приводит проект с Магнитогорским металлургическим комбинатом, которому YDF помогла снизить расход ферросплавов на 5%, что оборачивается экономией в 275 млн руб. ежегодно.

Процессы производственных предприятий практически не оцифрованы и на накопление данных в этой области потребуется минимум десятилетие, возражает руководитель лаборатории больших данных Фонда развития интернет-инициатив Анатолий Орлов. По его мнению, банки и интернет-индустрия первыми накопили большое количество данных, они же и начали их коммерциализировать. За долгое время 90% банковских операций копились в цифровом виде, и исходя из них можно строить, допустим, точные страховые модели для дочерних банковских структур или прогнозы ипотечного кредитования, зависящие от волатильных цен на недвижимость. Но наиболее крупными бенефициарами больших данных Орлов называет гигантов интернет-индустрии – «Яндекс», Mail.ru Group, Google. У них петабайты информации и они учитывают тысячи факторов поведения интернет-пользователей, тогда как банковские модели строятся из сотен факторов, рассказывает Орлов.