Лариса малькова и ирина одинаева, accenture: «„аналитика как сервис” — эффективнее для среднего банка»

- kbrbank

Лариса малькова и ирина одинаева, accenture: «„аналитика как сервис” — эффективнее для среднего банка»

Специалисты русского офиса Accenture Лариса Малькова, начальник практики Digital, и Ирина Одинаева, управляющий директор практики одолжений для денежного рынка, поведали порталу Bankir.Ru о новом актуальном направлении «аналитика как сервис» (Analytic-as-a-Service), которое разрешает банкам как следует улучшить работу с данными, повысить скорость внедрения и избежать капитальных затрат.

— Мы встретились с вами, дабы поболтать о таком относительно новом для России предложении как «аналитика как сервис». Но давайте начнем с более неспециализированных вопросов. Что такое для вас дигитализация?

Чем это отличается от того, что IT компании делали уже в течение десятилетий?

— Сейчас мы меньше говорим об автоматизации процессов и информационных технологиях и все больше о Digital. Из-за чего? Не вследствие того что ИТ куда-то внезапно «провалилось сквозь землю».

Процессы не просто автоматизируются, они становятся интеллектуальными

Легко корпоративные информационные разработки весьма заметно эволюционировали. Раньше IT-подразделения занимались автоматизацией, другими словами внедрением разнообразных совокупностей, автоматизирующих те либо иные процессы. Сейчас же процессы не просто автоматизируются, они становятся интеллектуальными (Intelligent Processes).

Это указывает: практически везде в встроена некая аналитика, которая разрешает процессу приспособиться «по ходу событий», в зависимости от условий. К примеру, совершенно верно осознавать, какого именно типа клиент зашел на твой сайт, и предлагать то, что необходимо как раз ему и как раз сейчас и т. п.

Мы в Accenture структурируем Digital по четырем направлениям:

• Digital Analytics (цифровая аналитика),

• Digital Mobility (цифровые каналы и мобильные решения),

• Digital Interactive (цифровой маркетинг, пользовательский опыт и т. п.),

• Internet of Things (интернет вещей).

— Из-за чего как раз так?

— Analytics делает из легко автоматизированного процесса процесс интеллектуальный. Mobility разрешает трудиться с клиентом либо партнером по самым различным каналам. Interactive оказывает помощь сделать сверхсложный процесс интуитивно понятным, эргономичным и естественным для человека.

А при помощи интернета вещей во все это информационное поле (кроме людей и ИТ-совокупностей) включаются разные устройства, автомобили и пр., каковые генерируют собственные эти и взаимодействуют с нами и между собой как полноправные участники.

— Количество данных в мире растет в какой-то геометрической прогрессии. Как изменяется роль аналитики наряду с этим?

— Да, разнообразие и потоки данных растут быстро. По оценкам Гугл, к примеру, человечество произвело на свет уже около 300 экзабайт информации (это 300 с 18 нулями). А всего четыре-пять лет назад количество всей существующей информации оценивалось в 30 экзабайт.

Ответственной задачей делается отделение вправду значимой информации от информационного шума

Получается, что за последние годы мы произвели больше информации, чем за всю историю. Сейчас нам приходится ежедневно обрабатывать в пять раза больше данных, чем 25–30 лет назад.

И сейчас серьёзной задачей делается отделение вправду значимой информации от всего этого информационного шума. Другими словами выделение той информации, воздействующей на бизнес, которая обязана вызывать какое-то воздействие. Как раз исходя из этого возрастает роль аналитики.

Она делается критически серьёзной.

— Но компании постоянно анализировали эти. Что же изменилось сейчас?

— Во-первых, кроме необходимости анализа драматически выросшего разнообразия и объёма данных, изменился темперамент самой аналитики. Раньше компании разбирали данные постфактум.

Происходит переход от описательной аналитики к аналитике прогнозной

Это то, что именуется дескриптивной либо описательной аналитикой. Такая аналитика говорит нам о прошлом, о том, что уже случилось и на что мы не можем уже воздействовать. Сейчас же мы стараемся смоделировать будущее — как те либо иные действия, каковые мы еще не предприняли, смогут оказать влияние на отечественный бизнес. И выбрать из имеющихся вариантов наилучший сценарий.

Происходит переход от описательной аналитики к аналитике прогнозной (предиктивной). Во-вторых, изменились и сами эти. Ранее компания разбирала лишь внутренние эти. По некоторым оценкам, в будущем такая внутренняя информация будет составлять лишь 10% от того, что обязана будет разбирать и учитывать компании в цифровом мире.

Остальные 90% — это внешняя информация о том, что происходит с ее партнёрами и клиентами вне точек сотрудничества с компанией.

— А где возможно забрать такую данные?

— Уже на данный момент имеется большое количество агрегаторов данных, бирж данных, на которых продаются эти разного рода.

— Для чего это необходимо как раз банкам? Где в банке это может употребляться?

— По сути, это нужно для любого функционального подразделения банка. В первую очередь это реализовывающие подразделения и подразделения, управляющие отношениями с клиентами, CRM.

Такая информация нужна, к примеру, для департамента управления рисками — для улучшения скоринга

В инновационных лабораториях Accenture сейчас кроме того показался особый термин «цифровой геном клиента». Данный «геном» (как и ДНК) обрисовывает, полную картину (как это в принципе вероятно) а также, где клиент не редкость в сети, чем он интересуется, что и как он берёт, но не просто как комплект фактов, но еще и производную данные — кое-какие выводы, «флажки», к примеру, а что воздействует на его выбор, на что клиент более отзывчив, а на что менее.

Такая информация нужна, к примеру, для департамента управления рисками — для улучшения скоринга. Она разрешает создать фактически полный портрет клиента. Сейчас хороший банк довольно часто знает о собственном клиенте только то, как он пользуется теми либо иными банковскими продуктами.

Но это не дает настоящего знания о клиенте, о его потребностях, поведении и т. п. Дабы определить это, нужно собирать самые различные эти и создавать тот самый «цифровой геном» клиента.

Сейчас взглянуть на тех, кто формирует банковские продукты. Все банки сейчас так или иначе занимаются сегментацией собственной клиентской базы и пробуют создавать продукты для отдельных сегментов. Но на деле это не всегда прекрасно трудится. К примеру, все банки заинтересованы в развитии премиального клиентского сегмента, которому возможно предлагать премиальные продукты. Но как сейчас выделить как раз премиального клиента?

До тех пор пока довольно часто пробуют выделить таких клиентов чисто по денежным показателям. Хорошим показателем кроме этого являются траты клиента за рубежом. Но аналогичных показателей довольно часто совсем не хватает для понимания, кто сейчас может являться премиальным клиентом.

Из глубокого же анализа разрешённых можно вывести такие закономерности, каковые не лежат на поверхности. К примеру, премиальные клиенты не совершают нередких приобретений в супермаркетах на маленькие суммы, они не оплачивают услуги ЖКХ в банкоматах. Эти и другие тонкости становятся понятны, в то время, когда имеется не просто комплект фактов, а возможность эти факты разбирать и осознавать, что такие клиенты делают и чего не делают.

Мы создали для банка новую совокупность оценки поведения клиентов на базе «серьёзных событий судьбы» (life events)

Все это — не теория: мы знаем об этом по опыту многих отечественных проектов развития аналитической функции у клиентов в самых различных индустриях (в том числе и в России). Недавний пример: новая совокупность аналитики для одного из отечественных клиентов. По окончании нескольких поглощений и слияний клиенту было нужно улучшить эффективность собственных кампаний и расширить лояльность розничных клиентов по всей совокупной клиентской базе.

Клиенту было разумеется: потому, что поведение его клиентов сейчас заметно изменилось, нужен совсем новый уровень знания о них. Раньше банк собирал только информацию о типовом «банковском» поведении клиента — транзакции, запросы и т. п. Но с целью достижения новых целей этого было совсем не хватает.

И мы создали для банка новую совокупность оценки поведения клиентов на базе «ответственных событий судьбы» (life events), к примеру рождение ребенка, свадьба, приобретение автомобиля и т. п. Стало известно, что эти «события судьбы» без шуток коррелируют с банковским поведением клиента. Мы создали нужные метрики, предиктивные методы анализа и создали совокупность, каждый день разбирающую около 200 вероятных «событий судьбы» у каждого клиента. На базе результатов совокупности было внедрено новое сегментирование клиентов банка и создана новая стратегия работы с клиентами продаж и маркетинга.

— У русских компаний кроме того во внутренних данных изрядный беспорядок, как мне думается. Им бы с этим разобраться

— Мы знаем обстановку не понаслышке, потому, что оказываем большим русским компаниям услуги по внедрению корпоративных хранилищ данных. Вправду, по отечественному опыту, около 80% упрочнений тратятся не на исследование данных, а на их подготовку. Работа с данными требует громадных упрочнений, инвестиций и очень разноплановых компетенций.

Кроме того у больших банков, каковые имеют возможность создать такую компетенцию в себя, появляется большое количество неприятностей с возможностью обеспечить стремительную доступность громадных количеств качественных данных. Эту функцию в банка нереально расширять до бесконечности действенным образом, имеется граница роста, по окончании которой она делается слабо управляемой.

— Кто на данный момент несёт ответственность за обработку данных? Блок IT? Раньше эти были «нелюбимым ребенком», никто ими не желал заниматься в банка.

— Такие центры компетенций прежде всего складываются в розничных подразделениях, в других функциональных блоках, частенько в финансах. IT, в большинстве случаев, несёт ответственность за инфраструктуру в широком смысле, другими словами за сбор, хранение и интеграцию данных. Анализ же данных в большинстве случав уже компетенция бизнес- и функциональных подразделений.

Банки дозрели до понимания того, что эти не смогут быть «ничьими»

на данный момент обстановка с данными изменяется. За последние несколько лет многие банки задумались об улучшении функции работы с данными. И о выделении позиции Сhief Data Officer (CDO) как отдельного начальника в банке. Банки дозрели до понимания того, что эти не смогут быть «ничьими». Это такой же актив, как и каждый, и ими необходимо руководить как активом, кто-то обязан за них отвечать.

В Соединенных Штатах, к примеру, эта тенденция проявилась еще в кризис 2008 года, нужно сообщить не без давления регуляторов.

— на данный момент показалось такое понятие как data scientist, «ученый согласно данным». Само наименование выделяет, что для работы с данными необходимы особенные, глубокие компетенции. Откуда отечественные банки смогут забрать таких экспертов?

Разве их у нас кто-то готовит?

— Работа с данными требует в первую очередь владения статистическим и математическим инструментарием. В Российской Федерации традиционно сильное математическое образование, большое количество экспертов, опытных и математику, и статистику. Команда, которая трудится с данными, обязана владеть совокупностью различных компетенций и знаний, они должны отлично осознавать бизнес компании, знать его драйверы.

И, само собой разумеется, у них должны быть глубокие технические навыки управления данными, их интеграции.

— анализ и Обработка данных требует и особенных компетенций, и особого дорогого ПО. Такое чувство, что все это на данный момент «не по карману» и небольшим, а также средним банкам. Как они смогут решить эту проблему?

— Вправду, это может стать значительной проблемой для средних банков. Кроме того задача сбора данных и подготовки их к анализу требует заметных ресурсов. Не говоря уже о глубоком анализе либо применении результатов анализа, к примеру в маркетинговых кампаниях. Наряду с этим собственных ресурсов у банков довольно часто не хватает. Как раз для них мы предлагаем новую для России услугу — «Аналитику как сервис» (Analytics-as-a-Service, AaaS).

Тут мы берем на себя всю работу с данными, а банки приобретают фактически готовый итог.

— Как это трудится?

— Мы приобретаем от клиента обезличенные эти, такие какие конкретно они имеется в исходных совокупностях, обрабатываем их на отечественной собственной платформе, в которую инвестировали в течении многих лет, которая объединяет самые серьёзные технологии и аналитические методологии (а также, отечественные личные, проприетарные). анализом и Обработкой этих данных занимаются отечественные квалифицированные аналитики.

По окончании чего клиент приобретает от нас тот либо другой фактически готовый итог: результаты анализа (инсайды, закономерности, советы, сами модели); эти, всецело подготовленные к проведению той либо другой кампании; либо же осуществление самих кампаний для клиента в разных каналах. Наряду с этим совсем не идет обращение о приобретении банком какого-либо аналитического программного продукта.

Для средних банков пользоваться аналитикой как сервисом значительно действеннее, нежели строить такую функцию в

Такая модель работы, в то время, когда что-либо предоставляется как сервис, уже взяла признание во многих областях на развитых рынках. Как нам думается, Российская Федерация также уже созревает для этого, не смотря на то, что исторически тут все привыкли вести «натуральное хозяйство», другими словами иметь все собственный и в себя. Но для средних банков пользоваться аналитикой как сервисом значительно действеннее, нежели строить такую функцию в.

Так как провайдер таких одолжений является еще и собственного рода shared service center, где затраты на платформу делятся между всеми участниками экосистемы, каковые ей пользуются. Это существенно дешевле, чем выращивать все это в.

— Что же мешает русским банкам переходить на AaaS-модель? С какими возражениями вы сталкиваетесь?

— В первую очередь банки опасаются по поводу конфиденциальности персональных данных: опасаются, что эта информация куда-то утечет. Но в действительности мы берем у банков деперсонифицированные, обезличенные эти. Для аналитики, для построения моделей нам совсем не необходимы персональные эти. Потом, многие банки уверены в том, что аналитика это их главная компетенция, конкурентное преимущество, которое необходимо иметь в банка.

Но тут вероятны варианты косорсинга (co-sourcing), в то время, когда создается совместная команда, которая участвует в анализе данных. Это разрешает намного повысить и скорость работы, и пропускную свойство (capacity).

Не хватает проанализировать те эти, каковые имеется в организации, для построения действенных моделей они должны быть «обогащены» внешними данными

Другими словами возможно иметь главную компетенцию в банка. Но в случае если у вас этим занимаются «полтора человека», это не будет трудящимся ответом. В нашем случае клиент начинает приобретать результаты уже через пара недель, а по прошествии времени, в случае если банк желает, мы неспешно передаем ему эту компетенцию. Более того, сначала это не «тёмный ящик»: банк имеет доступ к нашей среде, может видеть как сами модели, так и результаты конкретно по ходу их создания.

А при жажде и деятельно принимать участие в рамках единой команды во всех этапах.

Хотелось бы еще раз возвратиться к серьёзному тезису: сейчас довольно часто не хватает проанализировать те эти, каковые имеется в организации, для построения действенных моделей они должны быть «обогащены» внешними данными. Для этого мы можем применять эти последовательности партнеров, с которыми сотрудничаем. Это смогут быть и интернет-компании, и телекомы, и всевозможные маркетплейсы, и площадки частных объявлений либо поиска работы.

на данный момент имеется и некоммерческие организации, каковые собирают разную статистику, и они также готовы поделиться собственными данными. Они смогут кроме того собирать данные под отечественные задачи.

— Как «аналитика как сервис» дешева по цене для средних банков?

— Цена разработки одной модели не так уж и высока. У нас имеется бизнес-кейсы, имеется уже выполненные настоящие проекты, каковые подтверждают тот факт, что в случае если у банка клиентская база более 300 тысяч людей, то он в течение года сможет гарантированно «отбить» эти инвестиции. В то время, когда банк пробует выстроить эту компетенцию внутри, он несет важные капитальные затраты. В отечественном же случае капитальных затрат нет, все затраты операционные.

И возможно строго регулировать собственные затраты по принципу pay as you drink — платишь лишь за то, чем пользуешься. С нынешним понижением маржи в банкинге перед банками поднимается задача значительно более важного подхода к эффективности затрат.

Помимо этого, стоит не забывать и о таком крайне важном факторе, как скорость запуска аналитической функции. В случае если банк примет решение создавать такую компетенцию внутри, на это уйдет минимум год. У нас же первые маркетинговые кампании возможно будет запускать уже через пара недель.

Другими словами в случае если на данный момент с этим дела обстоят не имеет значение, то вы уже безнадежно отстали от соперников, и эволюционным методом преодолеть данный разрыв будет весьма сложно, нужен партнер, что скачкообразно сможет эту обстановку поменять, а это лишь готовый сервис.

— Имеется уже кейсы применения «аналитики как сервиса» в Российской Федерации?

— В Российской Федерации имеется пара региональных банков, с которыми мы трудимся по данной модели.

— Банки везде в мире вынуждены все больше тратить на комплаенс. Эти планируют не столько в целях бизнеса, в целях маркетинга, сколько в целях отчетности перед регулятором. Может тут быть нужна модель «аналитики как сервиса»?

— Да, регуляторы сейчас требуют от банков все большего раскрытия информации. На Западе «аналитика как сервис» обширно употребляется средними банками и в данной области.

Предложение «комплаенс как сервис» имело возможность бы стать логичным шагом развития данной бизнес-модели в Российской Федерации в недалеком будущем

Европейские регуляторы сейчас также думают о таковой модели, потому, что знают, что регуляторные требования создают все громадную нагрузку для средних банков. Исходя из этого в том месте создание для того чтобы shared service center есть частью стратегии регулятора. Отечественный регулятор на данный момент также повышает требования согласно данным.

К примеру, вводится новая «датацентричная» форма по портфелю кредитов корпоративных клиентов (ф.303), в соответствии с которой банки должны собирать еще больше данных по клиентам. Кроме того большие банки испытывают с этим трудности, не говоря уже о средних. Исходя из этого мы полагаем, что предложение «комплаенс как сервис» имело возможность бы стать логичным шагом развития данной бизнес-модели в Российской Федерации в недалеком будущем, в особенности в случае если таковой подход будет поддержан самим регулятором.

Моя концепция счастливой жизни — Сэм Бёрнз на TEDxMidAtlantic

Интересные записи

Похожие статьи, которые вам, наверника будут интересны: