Журнал ПЛАС » Архив » 2020 » Журнал ПЛАС №3 » 213 просмотров

ПСБ: Big Data – кейсы на перспективу

ПСБ активно использует технологии работы с Big Data, планируя применять их в различных направлениях: персональные предложения для клиентов, умные алгоритмы по оптимизации расходов на маркетинг, оптимизация сети банкоматов и офисов через геолокацию, привлечение новых клиентов в цифровом канале продаж и т. д. Насколько результативен такой подход? Эти и другие вопросы мы обсуждаем с Еленой Гоголевой – начальником управления аналитических исследований и инновационных технологий ПСБ.
ПЛАС: Для решения каких задач банковского сектора сегодня наиболее востребованы технологии Big Data? Каковы самые перспективные направления их использования?Е. Гоголева: Задач много. Всегда пытаемся экспериментировать и искать новые направления применения технологий Big Data. Стараемся накапливать всевозможные данные по нашим действующим и потенциальным клиентам, как внутренние, так и внешние, и использовать их для решения множества задач, таких как более эффективная коммуникационная политика, антифрод-сис­темы, работа с клиентским оттоком, снижение затрат в маркетинге. Видим перспективы в использовании сложных алгоритмов в направлении оптимизации внутренних бизнес-процессов, в том числе оптимизации остатков в банкоматной сети.ПЛАС: Вендоры решений и эксперты в сфере Big Data говорят о том, что сталкиваются с ситуациями, когда заказчики, внедряя данную технологию в свой процесс, зачастую не могут извлечь выгоду из-за того, что просто до конца не понимают, для чего им это надо.Е. Гоголева: Действительно, такие ситуации на рынке нередки. Важно всегда идти от задачи, понимать, что конкретно необходимо решать. Мы изначально закладываем в проект некоторые гипотезы, и прогнозируем те эффекты, которые ожидаем получить от его реализации. По итогам оцениваем, что получилось на выходе – удовлетворяет это нашим ожиданиям или нет.Сама по себе работа с Big Data – история очень затратная. Поэтому здесь необходимо вначале определить готовность бизнес-процессов и инфраструктуры, которые позволят получить какой-либо эффект с точки зрения использования технологий Big Data. Прогнозирование, которое с большим временным лагом учитывается в бизнес-процессах, не всегда дает хороший эффект, но иногда такое допустимо. В любом случае всегда необходимо тщательно подходить к постановке задачи, которую планируется решать.ПЛАС: Научились ли банки сегодня эффективно использовать Big Data?Е. Гоголева: Думаю, да. В риск-менеджменте применение этой технологии находится уже на достаточно высоком уровне. Теперь все «побежали» в сторону продаж — персональные предложения для клиентов. С одной стороны – это снижение издержек на телефонные звонки, SMS-рассылку, тогда банк взаимодействует только с теми клиентами, кто склонен к покупке того или иного продукта, с другой – возрастает количество продаж за счет персонализированной коммуникации, поскольку предлагаются только те продукты, которые реально востребованы, повышается лояльность клиентской базы к банку.При этом важно понимать, что для реализации проекта с использованием Big Data недостаточно просто привлечь хороших математиков, которые построят правильную модель, важно успешно внедрить ее в бизнес-процесс. Банку нужно не только предложить клиенту необходимый именно ему продукт, но еще и сделать это в подходящее для клиента время.

Мы всегда пытаемся экспериментировать и искать новые направления применения технологий Big Data

Нашим первым направлением по работе с Big Data была рекомендательная система для клиентов на основе моделей машинного обучения. В рамках первых пилотных проектов мы пытались выяснить, насколько качественно работает наша модель. Мы сравнивали эффект от взаимодействия банка с лояльной базой клиентов, которые склонны к какому-либо продукту, через различные каналы продаж – телефонный звонок и онлайн-каналы. Пилоты показали хороший эффект, значительно выросла конверсия в сделки. Решили продолжать в том же направлении. В декабре 2019 года в личном кабинете появились баннеры с рекламой продуктов и услуг банка. С помощью модели мы выявляем сегменты, склонные к определенному продукту, и начинаем им транслировать соответствующий баннер. В настоящий момент мы собираем обратную связь по результатам, чтобы проанализировать и в случае необходимости скорректировать этот процесс.Еще одно направление, в которое мы верим, – использование больших данных в событийных триггерах. Это коммуникации по клиентскому пути, когда банк предлагает клиенту необходимый продукт сразу после совершения им некого действия. Пилотирование было признано успешным, планируем внедрять функционал в интернет-банке в 2020 году.Кроме того, в рамках контекстной рекламы на основе больших данных мы помогаем коллегам из маркетинга снижать расходы на рекламу. Выстраиваем цепочку клиента от покупки до его появления в банке, далее строим прогнозы по доходности, тем самым определяя, какие лиды более интересны и прибыльны с точки зрения конечного дохода от клиентов.ПЛАС: Какое количество триггеров банки уже научились задействовать в своих моделях? Существует ли какой-то предел?Е. Гоголева: Если раньше таких триггеров было немного, максимум один-два, то сейчас их количество выросло до семи-восьми. Думаю, предел зависит от нашей изобретательности и целесообразности использования. Любой триггер мы сначала тестируем на эффективность (делаем пилоты) и только потом предлагаем коллегам внедрять. Стараемся, чтобы смежные подразделения «верили» нашим моделям и алгоритмам, поэтому тесно с ними взаимодействуем как на этапе разработки, так и в тестировании.

Для реализации проекта с использованием Big Data недостаточно просто привлечь хороших математиков, которые построят правильную модель, важно успешно внедрить ее в бизнес-процесс

В CRM-системе ПСБ для менеджеров уже работают триггеры, связанные с поведением клиентов. Например, если оборот денежных средств у клиента снижается или он переводит деньги в другой банк, менеджеру в автоматическом режиме приходит сообщение в CRM-системе о том, чтобы он обратил на этого клиента внимание. Они вполне эффективны.При этом мы постоянно работаем над обновлением моделей прогнозирования. Как следствие, их качество сильно возрастает, в том числе за счет
Если у вас есть подписка, нажмите
Подписывайтесь на наши группы, чтобы быть в курсе событий отрасли.

Читайте в этом номере:


Перейти к началу страницы

Подпишитесь на новости индустрии

Нажимая на кнопку "подписаться", вы соглашаетесь с


политикой обработки персональных данных