Как аналитические подразделения могут в полной мере раскрыть потенциал банка?
Рассмотрим три недавних примера эффективности аналитики в банковском деле:
- Чтобы противостоять уменьшающейся клиентской базе, европейский банк попытался использовать несколько методов удержания, ориентируясь на неактивных клиентов, но без значительных результатов.
Результаты, подобные этим, являются хорошей новостью об эффективности банковской аналитики. Но это также и плохие новости.
Хотя многие из таких проектов приносят сногсшибательные доходы от инвестиций, банкам трудно масштабировать их. Финансовые последствия даже нескольких крупных аналитических усилий зачастую невелики для P machine vectors» (метод поддержки векторов), «random forest» (случайный лес), «gradient boosting» (повышение градиента) и многие другие удивительные алгоритмы. Способность любой компании получать аналитику значительно повысилась благодаря экспоненциальному увеличению вычислительной мощности (что позволяет в считанные секунды провести анализ, который в прошлом занимал недели) и новым технологиями хранения данных, такими как Hadoop.
Тестовое задание на позицию бизнес-аналитика с зарплатой 100 000 руб.
Во-вторых, банки во многих регионах находятся под огромным экономическим давлением. Последнее исследование McKinsey Будущее уже здесь. Оно просто не равномерно распределено». Банки (и компании в любой другой отрасли) уже внедряют передовую аналитику для продвижения своего бизнеса. Мы видим три способа, которые могут привести к существенному увеличению прибыли (Иллюстрация 1).
- Расширенная аналитика может помочь банкам отладить небольшие улучшения почти во всех повседневных действиях, усиливая традиционные рычаги P
- Не привлекают лидеров бизнеса на ранних этапах, чтобы разрабатывать модели, которые действительно решают их проблемы;
- Попадают в «пилотную ловушку»: постоянно экспериментируют, но не доводят эксперименты до конца и не принимают результаты на вооружение
- Слишком много инвестируют в инфраструктуру данных и качество данных, не имея четкого представления о планируемом использовании или ожидаемых доходах
- Не стремятся к сотрудничеству с компаниями ради обмена своими данными
- Недооценивают потенциал — некоторые банки просто установили техническую инфраструктуру и наняли нескольких ученых, занимающихся данными, а далее просто выполняют аналитику на основе каждого проекта
- Не задают правильные вопросы, поэтому алгоритмы не дают действенных результатов
Как развивать банковскую аналитику?
Чтобы избежать ловушек и получить доступ к широкому спектру возможностей, руководители должны руководствоваться тем, что банки развивают два актива: стратегию трансформации и надежную аналитическую организацию, чтобы расширять возможности бизнеса.
Ранее мы охарактеризовали аналитику как рефлекс. Если расширить метафору, аналитика должна напоминать человеческую нервную систему. Каждая часть тела знает, что делать, когда ей дают определенные стимулы. Отличия от банков, вероятно, будут в темпах, с которыми они могут строить и обучать свои системы.
Что-то еще отсутствует в нашем списке: дополнительные 100 миллионов долларов или около того. Многие руководители банков опасаются больших инвестиций. Это небезосновательно, поскольку в последние годы учреждениям приходится тратить миллиарды на то, чего они, возможно, не ожидали, а бюджеты очень тонкие.
Но аналитика — это не рискованные инвестиции без изящных выходов. Это короткий поток инвестиций с большим количеством вариантов, чтобы избавиться он неудачных пилотных проектов. Небольшие, но немедленные выплаты могут финансировать следующую волну проектов, которые, в свою очередь, финансируют все большие и большие усилия. Как только система будет построена, инвестиции закончатся, и маржа станет огромной — как у программных или технологических компаний.
Четкая стратегия, ориентированная на высокоприоритетные задачи
Для стратегии важны три элемента.
Во-первых, банкам нужен аналитический подход. Аналитика преображает повседневную работу удивительными способами, поэтому лидеры должны раскрывать свои мысли о своих возможностях.
- Хорошая аналитика начинается с ценных вопросов, а не данных. Чтобы руководить процессом, спросите, какую проблему вы хотите решить, и какую ценность принесёт вам решение. Не занимайтесь анализом ради анализа или изучением интеллектуально интересных проблем, решение которых не под силу.
- Наименьшее преимущество может иметь самое большое значение. Расширенная аналитика — это не решение самых больших проблем. Речь идет о решении сотен маленьких проблем, имеющих значение в совокупности.
- Аналитические решения живут на границах между наборами данных. Помните банк, который объединил шесть или семь дискретных наборов данных, чтобы создать инструмент, предсказывающий появление следующего продукта? В банке поняли, что многие отношения становятся очевидными только при сравнении широко варьируемых параметров.
Слишком часто лучшие в своем классе алгоритмы лежат без дела в компьютерах, потому что пользователи не доверяют тому, что они считают черным ящиком, боятся влияния, которое оно может оказать на их роли, или просто не хотят испытывать дискомфорт от изменений.
Второй элемент стратегии — набор приоритетных прецедентов и механизм для создания конвейера из них. Возможности для аналитики огромны. В тех случаях, когда банк использует эмпирические правила или что-то делается «так, как мы всегда это делали», аналитики, вероятно, могут внести улучшения.
Генеральный директор должен возглавить поиск этих проблем и помочь расставить приоритеты. Критически, в начале выбранные варианты использования не должны ограничиваться приложениями, в которых аналитика могла бы дать существенный всплеск результатов. Они должны также включать области, в которых масштаб может быть увеличен быстро, чтобы избежать «пилотной ловушки».
Большинство потенциальных вариантов использования имеют отношение к каждому банковскому бизнесу. Они включают коммерческие приложения: кросс-продажи и апсэллинг, приобретение клиентов, снижение оттока и привлечение клиентов. Рычаги улучшения бизнеса (такие как динамическое ценообразование, андеррайтинг кредитования, планирование сбытовой площади, управление доходностью и претензиями, обнаружение мошенничества, маршрутизация call-центров и планирование рабочей силы) также актуальны для большинства банков.
В то время как первые несколько вариантов использования могут быть внедрены сверху вниз, не менее важно поощрять каждого сотрудника банка становиться творческим и вносить предложения по созданию ценности. Инновационные лаборатории могут помочь ускорить этот процесс.
Наконец, стратегия должна изложить видение того, как банк будет использовать аналитику. Для каждого варианта использования аналитики, банк должен начать с выяснения того, какая проблема более всего воздействует на бизнес. Затем он может пройти путь из пяти шагов: определение источника ценности, идентификация метода аналитики, который будет реагировать на проблему, интеграция аналитики в рабочие процессы банка и прогнозирование будущих проблем (Иллюстрация 2).
Используют ли отделы продаж банков эти инструменты? Если нет, то почему? Каковы их потребности и как вы можете заставить аналитические инструменты реагировать на них? Иногда ответ включает в себя объединение идей из алгоритмов с полезными данными для менеджеров по продажам в приложении, к которому они могут подключаться в любое время.
В других случаях банку придется изменить способ развития кампаний. Наконец, во многих других случаях банку придется создать группу высокопроизводительных сотрудников-лидеров, которые будут использовать эту дисциплину и выступать в качестве образцов для подражания.
Встраивание аналитики в организацию — это не просто вопрос о том, чтобы конкретные команды использовали определенные инструменты. Исполнительный директор и ведущая команда должны сделать гораздо больше, чтобы четко дать понять остальным, что аналитика важна для банка.
Будут важны классические шаги по успешному управлению изменениями: роль моделирования нового поведения, ясно объясняющего, почему необходимы изменения, наращивание навыков бизнеса и укрепление приверженности банка с помощью формальных механизмов (таких как стимулы).
Мощная аналитическая сеть
Предприятиям понадобится помощь в разработке аналитических систем, создании приложений, эксплуатирующих их, а также в содействии внедрению. Банки хотят создать центральную команду, которая поддерживает эти потребности. Но последнее, что они должны сделать, это построить еще один закрытый «бункер».
Аналитика требуют сетевой структуры, своего рода нервной системы. Более того, банки должны иметь открытые каналы и обеспечить доступностью, чтобы свободно анализировать информацию на всех предприятиях. Аналитическому центру передового опыта, позвоночнику такой системы, вероятно, понадобятся некоторые или все из следующих компонентов:
- Новые роли и обязанности в управлении данными и расширенной аналитикой. Возможно, наиболее важная роль принадлежит руководителю отдела данных, ответственному не только за стратегию аналитики и ее интеграцию в бизнес-единицы, но также за определение ролей и обязанностей управления данными, контроль качества данных и обеспечение соответствия нормативным требованиям.
- Имитационные каналы, такие как инновационные лаборатории, приближают аналитику к пользователям.
- Глубокий конвейер талантливых аналитиков в ходе нашего недавнего опроса был назван одним из главных приоритетов 60% банков. Банки обычно должны начинать с небольших групп ученых, которые могут работать с внешними партнерами, чтобы поглотить необходимые компетенции и навыки, а затем постепенно наращивать их.
- Четкий план управления с сильным центром передового опыта (возглавляемый главным специалистом по данным) и четко определенные обязанности по управлению и качеству данных.
- «Золотой стандарт» процессов управления данными, который определяет четкую отчетность, поддерживает качество данных и управляет метаданными, жизненным циклом данных и элементами управления.
- Пуленепробиваемые элементы управления качеством данных, начиная с самого начала жизненного цикла данных. Они должны быть автоматизированы там, где это возможно, и контролироваться набором ключевых показателей качества, чтобы предприятия отвечали за сбор необходимых данных.
Более 90% из 50 крупнейших банков мира используют расширенную аналитику. Большинство из них имеют одноразовые успехи, которые не масштабируются. Тем не менее, появляются лидеры. Такие банки инвестируют в таланты через выпускные программы.
Они сотрудничают с фирмами, которые специализируются на аналитике делают стратегические инвестиции в поддержку своих аналитических возможностей. Через пару лет эти лидеры могут получить критическое преимущество. Куда бы они не направились, другие должны следовать за ними — и чем быстрее, тем лучше, потому что успех, как ничто другое, приходит благодаря практическому опыту.
Источник: fin-accounting.ru
Все публикации
Серей Рязанцев: Банковская информатизация всегда отличалась достаточно высоким уровнем развития. При этом развитие информатизации идет по разным направлениям, но цели едины: повысить эффективность бизнеса. Внедряя различные технологии, направленные на привлечение и удержание клиентов, на расширение сервисов и продуктовой линейки, на повышение качества обслуживания, банки одновременно задумываются и об анализе эффективности своих шагов. Соизмеримо финансовым вливаниям в развитие бизнеса увеличивается и финансирование на внедрение промышленных аналитических систем.
На примере нашей компании по итогам прошлого года мы видим рост продаж как основных систем банковской автоматизации, так и систем бизнес-аналитики, причем примерно в одинаковых долях. Таким образом, в целом расходы на аналитические проекты растут, но их доля в общем объеме российского рынка банковской информатизации существенно не меняется.
CNews: Как меняются требования банков к аналитическим системам?
Серей Рязанцев: Банки имеют разный уровень развития аналитики. От этого зависят и те требования, которые предъявляются к аналитическим системам.
Поэтому, отвечая на вопрос об изменениях требований, я бы говорил о тех банках, которые уже имеет базовую аналитику, в которых эффективно функционирует система бюджетирования и управленческого контроля. Эти банки, во-первых, хотят расширить круг задач, которые решаются на единой аналитической платформе и, соответственно, аналитическая система должна обеспечивать такую возможность. Во-вторых, к средствам анализа начинают обращаться топ-менеджеры. В этом случае особое внимание уделяется наглядности информационных панелей, чтобы руководитель имел возможность одним взглядом оценить текущую ситуацию.
Кроме этого мы наблюдаем увеличение интереса к использованию инструментов бизнес-аналитики для оценки рисков, в частности при кредитовании. В связи с ростом мошенничества спектр требований существенно расширился. Это применение логических правил оценки информации анкет заявителей, современные методы очистки данных, использование технологий Data Mining при скоринге, поиск заявителя в черных списках, организация нечеткого поиска с целью исключения нежелательных для банка клиентов и мошенничества.
И наконец, расширяются требования к решениям, обеспечивающим работу с клиентской базой. Ранее стояла задача просто внедрить CRM-систему для обеспечения контроля взаимодействия с клиентами. При этом система, как правило, обеспечивала подготовку минимального набора аналитических отчетов.
Однако при отсутствии полноценной аналитики вся собранная информация лежит мертвым грузом и не позволяет обратить данные о клиентах в знания о них, способные принести дополнительные доходы. Работа с клиентами – комплексная задача. В ее рамках необходимо вести учет истории взаимоотношений, оптимизировать работу персонала, обработывать рекламации, проводить маркетинговые кампании и оценивать их эффективность. Соответственно, расширяются требования к аналитике.
CNews: Каковы сферы применения аналитических решений банками ниже топ-200? Какие решения они предпочитают использовать – собственной разработки или вендорские?
Серей Рязанцев: Многие банки ниже топ-200 предпринимают активные шаги по развитию своего бизнеса, по расширению розничного направления. В определенный момент они начинают ощущать необходимость в использовании более современных систем аналитики, нежели обычные офисные приложения.
С увеличением объемов бизнеса, с появлением потребности оперативно контролировать развитие бизнеса, проводить анализ по различным срезам банки пытаются соответствующим образом выстроить свою аналитику. В этом случае встает вопрос: делать собственную разработку или использовать промышленное решение от вендора. Каждый банк отвечает на этот вопрос по-своему. Однако я бы отметил следующее. Среди них все больше тех, кто подошел к порогу, когда использование офисных приложений более не удовлетворяет их потребности в аналитике, и они, как правило, выбирают промышленные решения от вендора.
Мы всегда готовы предоставить интересный материал для публикаций
и интересных людей для интервью!
Расписание мероприятий
Источник: www.programbank.ru
Продвинутая бизнес-аналитика в банке. Выступление Виктории Кулешовой на Loginom Day 2018
Существующая клиентская база данных МОЖЕТ и ДОЛЖНА приносить прибыль. В рамках конференции Виктория Кулешова представила кейс анализа данных банка ДельтаКредит и рассказала, как без привлечения отдела IT повысить доходность базы методами интеллектуального анализа.
Коллеги начнём. Я сразу хочу сказать спасибо предыдущему спикеру Владимиру Гридчину, очень здорово рассказал о бизнесовой части внедрения Loginom в банке ДельтаКредит. Мы сотрудничаем с банком уже около 10 лет и сейчас расскажем вам о практической части.
Меня зовут Алексей Кудашев. Я — руководитель отдела маркетинга компании ЦМД-Софт. Моя коллега Виктория Кулешова — руководитель отдела BI нашей компании расскажет вам о практической части.
Сначала немножко расскажу о самой компании. Мы оказываем услуги IT-консалтинга, фактически являемся системным интегратором. На рынке более 20 лет. Работаем не только в финансах, хотя в финансах у нас очень много проектов. Работаем с большими компаниями, холдингами, компаниями, оказывающими профессиональные услуги.
У нас около 200 проектов, 80 сотрудников, офис в Москве. Являемся золотым партнером компании Microsoft, компании ELMA BPM, серебряным партнером компании SAP и бизнес-партнером компании Loginom.
Наши многочисленные клиенты не рождаются с Loginom, как с решением, но они к нему приходят. Они приходят к нему по объективным причинам. Наши продвинутые клиенты ставят перед собой очень амбициозный бизнес-цели. Например, они хотят повысить скорость принятия решений, они хотят получать более маржинальных, более качественных клиентов, они хотят быстрее реагировать на изменения на рынке. Но, делая всё это, они хотят снизить расходы на операционную деятельность.
Когда они начинают это делать, когда мы начинаем им помогать, мы сталкиваемся с большими проблемами. Одна из них, это то, что модель принятия решений для осуществления этих задач очень сложная, и мы ее пытаемся перевести в код. Для этого нам нужны программисты. Это долго и дорого.
К сожалению, информация, которая нужна для работы этой моделью, не лежит в одном месте, она разрознена, её нужно как-то подключать. Поэтому чтобы не стопарить, чтобы не тратить лишние деньги, мы должны иметь инструмент, который поможет нам все эти проблемы решить и достигнуть наших бизнес-целей.
Этот инструмент должен:
- уметь быстро настраивать бизнес-логику без ТЗ, преимущественно без программистов, то есть, силами аналитиков;
- он должен уметь брать данные из разных источников;
- он должен выдавать результат в режиме онлайн;
- его можно было бы быстро изменять.
Таким инструментом служит Loginom. Вот поэтому его убирают наши клиенты.
Сейчас я передам слово Виктории Кулешовой, она расскажет вам, как мы практически построили один из сценариев, работая с банком ДельтаКредит.
Клиенты могут приходить в банк по разным каналам. Это может быть мобильное приложение, личный кабинет на сайте, либо непосредственно приход в офис банка. Соответственно, сотрудники банка вносят всю информацию о клиентах в CRM-систему. CRM-система позволяет выстраивать клиентоориентированный подход и грамотно использовать полученную информацию. Для быстрого рассмотрения заявок на кредит используется кредитный конвейер.
Кредитный конвейер – это ряд автоматизированных процессов, которые позволяют быстро понять, стоит ли выдавать кредит этому клиенту или нет.
На слайде представлены этапы кредитного конвейера. Некоторые из них очень сложные: такие как проверки минимальных требований, анализ кредитной истории или расчёт скорингового балла. Как раз в этом случае на помощь приходит Loginom, потому что он позволяет не только вынести всю сложную расчётную часть, но также осуществлять взаимодействие с внешними источниками, такими как БКИ и АБС.
Давайте посмотрим, что из себя представляет Loginom, и как он встроен в инфраструктуру банка.
В момент проверки заявки попадают в кредитный конвейер. Кредитный конвейер — это отдельная программа, которая вызывается из разных приложений банка. В момент проверки заявка попадает в кредитный конвейер, и он обращается к Loginom через API для получения результата и самого расчёта.
Loginom обычно представлен отдельной инсталляцией, которая состоит из Loginom Server и Loginom Integrator. Loginom Server отвечает за всю сложную расчетную часть, а Loginom Integrator отвечает за публикацию сервисов и быструю и удобную публикацию для доступа извне.
Для администратора банка выделен отдельный Веб-клиент — Loginom Studio. Studio позволяет настраивать в простом интерфейсе сценарии. Сценарии — это некая определённая последовательность действий, в то время как действиями могут быть: экспорт, импорт данных, их обработка, интеллектуальный анализ данных и многое другое.
После настройки самих сценариев их можно опубликовать за пару кликов. Я знаю, что это звучит сложно. Как это на самом деле работает, я покажу далее.
Сейчас давайте посмотрим на примере, какие бизнес-задачи можно решить с помощью Loginom. Целью обработки любой заявки на кредит является получение быстрого и качественного результата. Как раз качество данных несет в себе основное преимущество для скорости ее рассмотрения.