BigData и банки

Концепцией развития финансового сектора Республики Казахстан до 2030 года принятой в августе 2014 года поставлена задача создания среды для формирования эффективной модели «банка будущего». Долгосрочное преобразование модели ведения банковского бизнеса будет базироваться на основе новых технологий. Благодаря «цифровой» революции изменяется парадигма предоставления финансовых услуг. Массовое распространение получат различные системы дистанционного обслуживания (включая «онлайн») потребителей финансовых услуг посредством развития электронных финансовых услуг, создания сетей электронных каналов обслуживания, в том числе обеспечения безопасности и продвижения электронных финансовых услуг, совмещения финансового посредничества с услугами электронной коммерции с предоставлением прочих услуг для личного и коммерческого использования, консалтинг, порталы и так далее. Это позволит банкам предоставлять «мгновенные» услуги по микрокредитованию, в оперативном режиме принимать решения по предоставлению широкого спектра базовых банковских услуг.

.

Важным направлением развития является интеграция в цифровую экосистему и обеспечение доступа к банковским услугам через единую электронную учетную запись путем использования мобильных технологий. Результатом станет конкурентоспособное, полностью прозрачное и защищенное от влияния экономических циклов банковское обслуживание для среднего класса с возможностями пользоваться различными кредитными продуктами на справедливых условиях, управления персональным «балансом», включая имущество. В условиях быстроменяющейся среды акценты Национального Банка Республики Казахстан будут сделаны на создание и поддержание оптимального баланса между развитием новых банковских технологий и установлением требований по управлению возникающими и быстро трансформирующимися рисками. Ожидается, что анализ банком рисков заемщика будет базироваться не только на тех сведениях, которые предоставляет сам заемщик, но и на основе «Больших Данных» (Big Data). Это и потребует максимальной автоматизации осуществляемых банками бизнес-процессов, а также расширение государством возможностей для финансовых организаций к широкому получению доступной информации электронного правительства.

Большие Данные (Big Data, BD) — общий термин, используемый для описания огромного количества неструктурированных и частично структурированных данных, которые создает компания. Это данные, хранение которых в реляционной базе данных для анализа заняло бы слишком много времени и стоило бы слишком много денег. Хотя Большие Данные не относятся к какой-либо конкретной величине, когда о них говорят, часто используют термины «петабайты» и «экзабайты данных. Этот вид данных, обладает следующими свойствами: — Big Data слишком велики для ручного просмотра и позволяют делать выводы только на основании всей их совокупности, а не на отдельной выборке; — Большие Данные в основном касаются людей и собраны из разнородных источников (интернет-трафик, электронная почта, мобильный телефон, видеопоток и др); — природа этих данных может быть совершенно различной — фото, видео, звук, электроный файл и т. д.; — Большие Данные имеют временную компоненту, то есть зависят от времени, могут рассматриваться ретроспективно либо для прогнозирования возможных событий в будущем.

.

Ключевые преимущества технологии Big Data заключаются в получении качественно новых знаний за счет комплексного анализа всей информации в едином аналитическом хранилище, расширении функциональности существующих информационных систем поддержки бизнеса и повышении эффективности использования аппаратных ресурсов серверов. При этом Большие Данные обеспечивают минимальную стоимость владения всеми видами информации при сохранении требуемой производительности за счет возможности использования программного обеспечения с открытым исходным кодом и облачных технологий хранения информации.

.

Технология Big Data отличается особой гибкостью, высокой степенью масштабируемости и применением облачных технологий. Критичная роль в обработке и хранении большого объема данных отводится аналитическим средствам и методикам, таким как мониторинг в реальном времени, прогнозирующее моделирование, применение визуальных информационных панелей. Основной особенностью используемых подходов является возможность обработки информационного массива целиком для получения более достоверных результатов анализа. В результате использования технологий Big Data банк имеет возможность получать важную информацию за несколько секунд, что позволяет повышать эффективность экономических решений, быстрее реагировать на изменения в поведении клиентов, в режиме реального времени выявить рыночные тренды на самых ранних этапах.

Массовое внедрение технологий анализа Больших Данных осложнено тем, что банки зачастую используют разрозненные или просто устаревшие платформы. Тем не менее, уже есть примеры того, как сотрудники, отвечающие за информационную безопасность, предотвращали мошеннические операции. Большие Данные сегодня анализируются с различными целями в области маркетинга, в розничной торговле, интернет-рекламе, поисковых системах, социальных сетях, мобильной связи, так и в сфере корпоративной безопасности. Это не удивительно, поскольку компания имеет существенно лучшие условия для сбора и анализа Больших Данных, чем, например, социальные сети. Ведь в компании можно отследить всю переписку сотрудников, все выходы в Интернет, вся информация на компьютерах пользователей корпоративной сети принадлежит организации, на сотрудников собраны кадровые данные, известны используемые персоналом мобильные устройства и т. д.

Помимо технологии Big Data эксперты также считают, что бороться с мошенниками позволяет внедрение современных систем идентификации пользователей. Одним из примеров является так называемая непрерывная поведенческая идентификация, анализирующая поведение клиентов на протяжении длительного времени. Это делается при помощи привязки счета к мобильному телефону. Основные задачи, для которых банки используют технологии анализа Больших Данных, — это оперативное получение отчетности, скоринг, противодействие сомнительным операциям, мошенничеству и действиям злоумышленников, а также персонализация продуктов. Банки имеют большие перспективы при применении технологий Big Data в продажах, управлении рисками, маркетинге, управлении взаимоотношениями с клиентами, борьбе с мошенничеством и других направлениях своей деятельности. Технологии Больших Данных применяются и для анализа клиентской среды. Здесь уместно привести несколько примеров. Так, Американский банк PNC данные о поведении своих клиентов на сайтах, информацию о покупках и образе жизни конвертирует в политику гибкого начисления процентных ставок, которая в итоге выражается в цифрах роста капитализации. Commonwealth Bank of Australia (CBA) анализирует все транзакции своих вкладчиков, дополняя этот анализ сбором данных о них в социальных сетях. Связав эти потоки данных, банк добился значительного снижения процента неуплаты по кредитам. А в России интересен опыт Уральского банка реконструкции и развития — они стали работать с информацией по клиентской базе для создания кредитных предложений, вкладов и других услуг, которые могут максимально заинтересовать конкретного клиента. Примерно за год применения ИТ- решений розничный кредитный портфель банка вырос примерно на 55%. На сегодняшний день казахстанские банки обладают колоссальным объемом структурированной клиентской информации, которая может быть успешно обработана с применением технологий Больших Данных. Это позволяет на основании анализа клиентского поведения, клиентской активности и клиентских операций быстро принимать решения и делать высоко релевантные предложения банковских продуктов.

ОСТАВИТЬ КОММЕНТАРИЙ

Лимит времени истёк. Пожалуйста, перезагрузите CAPTCHA.