Big data для банкира
Что финансисты делают с данными о своих клиентахПотребитель больше не хочет быть одним из многих. От банка он ждет, что тот не только сам распознает подозрительную транзакцию по карте, но предугадает его траты и предложит удобную карту или кредит в самый нужный момент. Все это – результат анализа больших данных (big data).
76% крупнейших американских банков используют big data для привлечения клиентов, улучшения коммуникаций и повышения лояльности, свидетельствуют данные McKinsey за 2017 г. 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, оценивала McKinsey в 2013 г.
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 онлайн-режиме мошеннические операции по совокупности признаков и в результате предотвращает мошенничества на $2 млрд ежегодно.
Дмитрий Вакин,
стратегический партнер розничного бизнес-блока Альфа-Банка:
Раньше данные помогали выделять общие группы людей по схожим группам параметров в сегменты. Сегодня данные помогают нам понимать клиентский опыт, что происходит на каждом этапе воронки, как клиенту удобно/неудобно использовать наши продукты.
Теперь мы пользуемся динамической сегментацией: в зависимости от цели создается кластер по ряду конкретных параметров. Для внутренней оценки и персонализации предложений можно использовать объединение клиентов по признакам, на первый взгляд не связанным между собой. Например тех, кто пользуется картой и смартфоном для оплаты в магазине и раз в неделю покупает подгузники и грудное молоко – значит, у них есть маленький ребенок, которому родители также будут покупать одежду, водить к врачу, покупать игрушки, скорее всего, они делают ремонт в детской и им нужен кредит или бонусные программы на детские товары. Чтобы строить такие модели, нужно работать с данными и создавать систему, иметь аналитику по каждому клиенту в отдельности, понимать портрет пользователя и его жизненную модель, собирать информацию о его финансовом поведении в рамках канала, продукта, сервиса, как банковского, так и небанковского.
Предиктивная аналитика (Business Intelligence, BI) – будущее автоматизации управления. В каждом направлении BI как инструмент дает возможность сформировать ценность, например предложить продукт для клиентов и неклиентов банка 24 часа в сутки семь дней в неделю в подходящем месте и ситуации на персонализированных условиях, а банку – продавать продукты целевым потребителям, которые им действительно нужны. Таким образом, с помощью BI решения принимаются эффективнее, отчеты, аналитика и планы составляются быстрее и точнее, а в конечном счете – клиент становится довольнее.
Большинство розничных банков уже могут отслеживать и предотвращать нетипичные транзакции, отсеивая их при срабатывании определенных индикаторов – например, несвойственного для клиента IP или времени платежа, говорит ведущий аналитик «Эксперт РА» Алексей Сучков. При этом банк получает и хранит огромное количество информации о клиенте – от его дохода и среднего чека в магазине до времени совершения операций по карте и их локации. Из всех этих данных складывается поведенческая картина клиента, проанализировав которую банк может не только формировать индивидуальные предложения, но и снижать свои риски, продолжает аналитик.
По карточным транзакциям банки видят, где клиенты тратят свои деньги. По этим данным банки могут понимать, что происходит в жизни клиента, – они знают все, от незначительных вещей вроде любимых мест для завтрака до важных событий, например отпуска, ремонта, смены машины, рождения детей и т. п. Эти знания позволяют очень точечно таргетировать коммуникации с клиентами.
Новый тренд в использовании больших данных – это их анализ, с тем чтобы дать клиенту рекомендации или совет. Такая коммуникация может быть не связана с продажей банковского продукта, но за счет точечного таргетирования приносит клиенту дополнительную ценность (а банку позволяет снизить издержки на продажу конкретного продукта). Например, банк, зная, что клиент собирается в отпуск и что у него есть абонемент в фитнес-клуб, может посоветовать ему заморозить абонемент на время поездки, чтобы не терять деньги. «Советы от банка повышают лояльность клиента, его вовлеченность во взаимоотношения с банком – в результате клиенты гораздо реже меняют банк, воспринимая его как финансового помощника, а банку становится проще продать лояльному клиенту маржинальные продукты, – рассказывает основатель и СЕО компании Rubbles Никита Блинов. – В конечном счете эффект с точки зрения продажи продуктов может быть выше, чем при их прямом продвижении».
Прямыми кросс-продажами на основе данных бизнес-аналитики, по словам Блинова, занимаются банки во всем мире. А вот использование данных для создания рекомендаций – пока действительно инновационное направление. «В России этим сейчас занимаются 2–3 крупнейших банка, но мы видим, что уже в следующем году их будет в разы больше», – считает Блинов.
В России, правда, есть ряд юридических нюансов, связанных с использованием big data: в законодательстве нет определения «больших данных», а также правил распоряжения этими данными, их хранения и передачи. Поэтому банки пока ограничены в использовании этой клиентской информации. Не урегулирован и вопрос о том, кто является собственником таких данных.
38%
клиентов банков в России не возражают, чтобы банки передавали данные о финансовых операциях провайдерам финансовых услуг при условии получения надлежащих гарантий безопасности, по данным EY
«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 – от самых мелких до жизненно важных, – считает Блинов. – 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. И это будущее уже наступает».
Монетизация данных – один из восьми факторов, которые потенциально могут полностью изменить ландшафт финансового рынка, 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 г. (опрос 150 экспертов из крупнейших финансовых компаний и финтеха).
Авторы исследования выделили три главных направления, как финансовые организации будут развивать работу с 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. &
Текст: Фаина Филина