Jeden z klientów postanowił wycofać swoją zgodę na działania marketingowe banku. "Jestem od dobrych kilku lat klientem. Wielokrotnie w tym czasie byłem bombardowany telefonami z infolinii, których przedstawiciele oferowali mi produkty kompletnie niepotrzebne" - żalił się internauta, rozważając przy tym możliwość rezygnacji z usług nękającej go instytucji. A do takiej sytuacji mogłoby nie dojść, gdyby bank analizował informacje dochodzące do niego od klientów. Oczywiście niezbędne byłoby wdrożenie tzw. wielokanałowości, a także rozwiązań z zakresu Big Data.
Wiedza o klientach
- Big Data, to prawdziwy fenomen naszych czasów. Ogromne ilości informacji kryjące się pod tą nazwą mogą być bardzo użyteczne dla każdego rodzaju przedsiębiorstw czy urzędów. Big Data powinno się traktować jako możliwość zdobycia takich informacji, których nie da się znaleźć w klasycznych zbiorach danych - informuje Tomasz Żegleń, Master Principal Consultant, Oracle Polska.
Zdobycie wartościowej wiedzy o klientach uwarunkowane jest analizą nie tyle wielkich, co zróżnicowanych zbiorów danych, które pochodzą zarówno z systemów źródłowych banku, jak i z innych, zewnętrznych źródeł np. portali społecznościowych, gdzie klienci otwarcie komunikują o swoich aktywnościach i planach.
- Big Data to źródło informacji, których analiza umożliwia podejmowanie mądrzejszych decyzji, efektywniejsze zarządzanie tak na poziomie strategicznym, jak i operacyjnym, a w konsekwencji wypracowanie przez bank wyższych zysków - przekonuje Dariusz Brankowski, dyrektor ds. Database & Technology, SAP Polska.
Monitorowanie i analizowanie rozproszonych informacji w czasie zbliżonym do rzeczywistego pozwala podjąć właściwą decyzję szybciej niż konkurencja. Przykładem może być proces przygotowywania spersonalizowanej oferty dla klienta, który poinformował o zmianie swojego stanu cywilnego na Facebooku. Zamiast przedstawiać ogólną ofertę kredytu komercyjnego lub hipotetycznego, bank profiluje swój produkt pod kątem jego prawdopodobnych celów zakupowych.
Im więcej różnorodnych danych można poddać analizie, tym łatwiej nie tylko sprofilować ofertę, ale też określić wysokość ryzyka kredytowania. Przecież z wewnętrznych i zewnętrznych źródeł może wynikać, że kredytobiorca generuje coraz większe miesięczne przychody, jego oszczędności również rosną, do tego zdecydował się na ubezpieczenie na wypadek choroby, ale przestał regularnie spłacać inne zobowiązania. Pogłębiona analiza tego typu danych pozwala odkryć zależności i podjąć najlepszą decyzję.
Umiejętne zarządzanie
Banki i inne instytucje finansowe mogą używać analiz Big Data w wielu obszarach swojej działalności, takich, jak: wykrywanie prób oszustwa w obszarach bankowości hipotecznej, płatności i operacji kartowych, wykrywanie nadużyć popełnianych przez pracowników, badanie wiarygodności klientów, sprzedaż produktów bankowych na podstawie analizy behawioralnej profili klientów czy analizy ich upodobań. Według ekspertów zawsze jednak warto pamiętać o kilku zasadach zarządzania wielkimi zbiorami danych. Po pierwsze, kluczem do sukcesu są dobre dane, gdyż błędne informacje prowadzą do błędnych wniosków. Priorytetem banków powinna być więc inwestycja w takie rozwiązania IT, które zagwarantują dostarczanie i przetwarzanie wiarygodnych informacji o ryzyku, zabezpieczeniach i klientach. Po drugie, im szybciej analizowane są dane, tym większą wartość one zyskują. Bank może przygotować ofertę szybko i dokładnie odpowiadającą aktualnym potrzebom klienta. Jednocześnie efektywniej zarządza ryzykiem - wszelkie zagrożenia w otoczeniu banku są natychmiast wychwytywane dzięki analizie danych w czasie rzeczywistym. Po trzecie, zamiast wielu rozsądniej jest trzymać jedną kopię danych. Dzięki temu bank ma pewność, że dane są wiarygodne, a koszty utrzymania infrastruktury są zoptymalizowane. Po czwarte, analizy wielkich zbiorów są tym bardziej wartościowe, jeśli dane pochodzą z wielu źródeł, nie tylko z systemów transakcyjnych, z których na co dzień korzysta instytucja bankowa. Po piąte, właściwie analizowane wielkie zbiory danych pozwalają dostrzec nowe możliwości. Przykładem na to może być analiza danych o ruchu w płatnościach. Zagregowane wyniki będą ilustracją tego, jaka jest aktualna kondycja gospodarki i jej poszczególnych sektorów. Podobne wnioski można wyciągnąć, analizując ruch w płatnościach na poziomie każdego klienta i na tej podstawie podjąć decyzję o przygotowaniu nowej interesującej oferty Warto też pamiętać, że analiza danych i wyciąganie na ich podstawie wniosków jest nie tylko domeną ludzi o ścisłych umysłach. Dzięki dobrym wizualizacjom i prostym w użyciu narzędziom analitycznym menedżerowie i pracownicy spoza działów IT potrafią formułować ciekawie spostrzeżenia, prowadzące do trafnych decyzji.
- I wreszcie ostatnia, ale nie mniej ważna zasada. Banki, chcąc efektywniej zarządzać wielkimi zbiorami danych, powinny określić obszary, których analiza w czasie rzeczywistym pozwoli wypracować większe zyski. Przykładem na to może być zarządzanie ryzykiem i działaniami typu cross-selling. Dzięki pogłębionemu i natychmiastowemu wglądowi w realizowane transakcje, mogą wypracować większy zwrot z inwestycji na wybranych projektach - przekonuje Dariusz Brankowski.
Jeśli bank będzie potrafił odpowiednio zgromadzić dane Big Data i umiejętnie je przeanalizować, to może osiągnąć wiele korzyści. - Najważniejsze to lepsza ocena wiarygodności klienta i tym samym zmniejszenie ryzyka udzielenia złego kredytu, większa dokładność w kierowaniu ofert, w efekcie zwiększenie liczby depozytów i kredytów, sprawniejsze wykrywanie nadużyć, co prowadzi do zmniejszenia ryzyka operacyjnego banku oraz możliwość budowy modeli oceniających i rekomendujących operacje na rynku instrumentów finansowych, a w efekcie lepsze decyzje inwestycyjne - wylicza Tomasz Żegleń.
System obsługujący Big Data przetwarza i przechowuje ogromne ilości danych niestrukturalnych. Wynikiem działania takiego rozwiązania są informacje już uporządkowane, które zwykle umieszczane są w hurtowni danych tak, aby mogły z nich korzystać inne systemy banku
Zakurzone dane
Inicjatywy Big Data skupiają się na cyfrowych źródłach informacji. A przecież w ostatnich latach dane były gromadzone głównie w tradycyjnej formie - na kartkach papieru. Żeby mówić o wielowymiarowej analizie nie można udawać, że one nie istnieją, musi pojawić się świadomość, że znacząca wartość leży bezczynnie w dokumentach papierowych. Badanie, przeprowadzone przez Coleman Parkes Research na zlecenie Ricoh Europe, ukazuje korzyści, jakie niesie wykorzystywanie możliwości Big Data - cyfryzacji kluczowych dokumentów biznesowych w wersji papierowej w celu usprawnienia procesów decyzyjnych. Respondenci, menedżerowie dużych firm doskonale rozumieją, że istotna wartość firmy jest zawarta w papierowych dokumentach, a 88 proc. z nich zgadza się, że cyfryzacja i uwolnienie danych z tych dokumentów znacznie usprawniłyby procesy decyzyjne. Ponadto 70 proc. europejskich liderów biznesowych uważa, że cyfryzacja dokumentów papierowych może przynieść oszczędności rzędu 5-20 proc. rocznego przychodu, z czego połowa z tych respondentów mogłaby osiągnąć zwrot rzędu 5-10 proc., a druga połowa 11-20 proc. Badanie ujawnia, że ponad 50 proc. organizacji wciąż przechowuje informacje z ostatnich 5-10 lat tylko w wersji papierowej. To ma wpływ nie tylko na podejmowanie decyzji, ale również na produktywność i wyniki. Większość liderów (63 proc.) zgadza się, że znalezienie potrzebnej informacji w dokumentach papierowych trwa zbyt długo. Przechowywanie danych w szafkach, magazynach, piwnicach i w plikach należących do pracowników, pochłania też zazwyczaj znaczące koszty. Jednakże, cyfryzacja dokumentów papierowych dla wielu organizacji staje się teraz priorytetem. 6 na 10 respondentów (57 proc.) chce przeprowadzić pełną cyfryzację w ciągu najbliższych 3 lat.
Dlatego dla wielu ekspertów istotne jest to, aby mówiąc o Big Data, wykraczać poza informację cyfrową. Znaczące tendencje i wnioski z danych archiwalnych pozwolą na uzyskanie pełnego obrazu organizacji i są istotne dla działania firmy w przyszłości.
Analityka i mobilność
W 2008 r. Gartner przeprowadził wśród CIO badania, by dowiedzieć się, jakim technologiom przypisano najwyższy priorytet inwestycyjny. Na czele listy znalazły się rozwiązania Business Intelligence, a w drugiej dziesiątce rozwiązania mobilne. Kiedy 5 lat później powtórzono badania, okazało się, że inwestycje w analitykę biznesową i mobilność sklasyfikowano odpowiednio na pierwszym i drugim miejscu. Ten stan prawdopodobnie nie zmieni się w najbliższej przyszłości.
Marcin Złoch
