Важным трендом бизнес-аналитики в финансах является использование предиктивных технологий, позволяющих выявлять закономерности и тенденции в структурированных и неструктурированных данных. С их помощью можно прогнозировать поведение пользователей, оценивать благонадежность кредиторов, привлекать новых клиентов, создавать дополнительные продукты и оценивать их востребованность.

Система предиктивной аналитики тесно связана с big data и искусственным интеллектом. Она основана на машинном обучении.

Что это и как это выглядит?

Готовых, коробочных решений, в этой сфере не существует, поэтому практически любой банк, любая организация, связанная с финансами, имеет свой штат разработчиков или отдает задачи по созданию новых продуктов на аутсорсинг компаниям, которые профессионально этим занимаются.

В зависимости от того, что именно требуется заказчику, создается соответствующий программный продукт, как правило, использующий нейронные сети, то есть, самообучающийся и самосовершенствующийся. Он собирает большое количество информации, обрабатывает ее, находит взаимосвязи, корректирует тактику и стратегию принятия решений.

Применение в финансовой сфере

Повышение эффективности работы с клиентской базой. В настоящее время все уже так или иначе пользуются услугами банков и страховых компаний, поэтому больший доход приносит переход клиентов из одного учреждения в другое (передел рынка), а также реализация новых дополнительных продуктов (создание виртуальных карт, предложения по вкладам и многое другое).

У каждого банка или страховой компании есть своя база клиентов, по которой периодически совершаются обзвоны. Решения предиктивной аналитики способны повысить эффективность этого процесса, выбрав только те номера телефонов, владельцы которых с большей вероятностью заинтересуются тем или иным предложением. Поскольку часто проводить обзвоны клиентов не рекомендуется, то возможность распределить предложения по целевым группам сильно повышает вероятность успеха.

Определение кредитоспособности клиентов. Актуально для банковской сферы. На основе анализа пола, возраста, полноты заполнения анкеты и других параметров продукт может принимать решение о возможности выдачи кредита, назначать проценты по нему, учитывая риски.

Определение степени риска наступления страхового случая. Программа определяет стоимость того или иного полиса, анализируя пол, возраст, профессию, частоту предыдущих обращений за страховыми выплатами, а также другие параметры.

Маркетинговый и клиентский анализ. Позволяет определять перспективные направления работы, создавать новые интересные продукты, анализируя поведение клиентов и их запросы. Для этого необходимо большое количество собранных данных, но выгоды от таких решений могут быть астрономическими.

Работа с персоналом. Этот пункт актуален для любой сферы. Он позволяет оценивать качество работы сотрудников, выявлять узкие места по каждому специалисту, а также сохранять ценные кадры, вовремя предлагая им повышение, перевод, программу повышения лояльности или курсы повышения квалификации.

Основные инструменты предиктивной аналитики

Azure Machine Learning, SAS, IBM SPSS, Loginom, R и Phyton.

Все эти продукты отличаются функциональностью и удобством. Некоторые из них позволяют создавать предиктивные модели, некоторые – интерпретировать их, а некоторые могут делать и то, и другое.

В зависимости от того, что именно требуется в каждом конкретном случае, выбирают свой инструмент. Важными являются следующие параметры:

Поддержка полного цикла аналитики. Насколько успешно инструмент умеет исследовать данные и создавать по ним модели, оценивая затем их эффективность.

Интеграция знаний и ее поддержка. Данные, полученные после проведения анализа, должны интегрироваться в другие сферы бизнеса. Также нужно умение получать данные из различных источников.

Удобство и «дружелюбный» интерфейс, понятный для разных типов пользователей.

Адаптивность и автономность. Умение работать при минимальном вмешательстве программистов и технических специалистов.

Softline к вашим услугам

Грамотных специалистов, способных работать с инструментами предиктивной аналитики, не так много на рынке и стоят они немало. Можно создать целый отдел разработки, но куда выгодней воспользоваться услугами сторонней компании, обладающей всей необходимой экспертизой и своим собственным штатом, потому что таким образом:

  • Не нужно заниматься подбором кадров и поиском специалистов.
  • Не нужно платить зарплату тогда, когда нет заданий и загрузки.
  • Есть уверенность в конечном результате и сроках.

Компания Softline имеет свой собственный отдел разработки, укомплектованный специалистами высокого уровня, способными создавать продукты для решения любых задач, связанных с финансовой и любыми другими сферами.

Роботы оценивают риски

Для банка оценка рисков крайне важна. Любой риск — это реальная возможность недополучить доход или же потерять средства. Выдавая кредит, банк должен быть уверен, что перед ним платежеспособный человек. Сейчас для этого не нужно задавать тысячи вопросов – достаточно просто проанализировать поведение человека в социальных сетях.

Такая технология уже была внедрена в одном из крупнейших российских банков. Она позволяет составить психологический портрет личности и оценить его благонадежность, анализируя пять черт характера по социальным сетям: добросовестность, открытость, общительность, законопослушность, эмоциональная неустойчивость. Применяя эту методологию, банк уже получил $50 млн чистой прибыли.

Станислав Воронин, руководитель
отдела внедрений BI-решений, Softline
(на правах рекламы)