Как FinTech использует большие данные — хрестоматийные примеры

Распространение технологии Big Data революционно меняет формат взаимодействия между потребителями и продавцами по всех сферах жизни. Ритейл, медицина, транспорт, страхование, банковская сфера — чем больше компания знает о потребителе, тем быстрее и быстрее продает услугу.

Анализ больших данных помогает больше узнать о предпочтениях клиентов, дает возможность сделать персонализированное предложение и рекомендовать товар или услугу, которые нужны здесь и сейчас.

Андрей Рычков, руководитель платежной системы «Центральная касса» рассказал Rusbase об использовании Big Data в финансовой сфере и перспективах ее применения в будущем.

Немного истории

Сам термин Big Data появился всего несколько лет назад. Но первые исследования о выделении данных из данных проводились уже давно. Математическая теория о выявлении конкретных данных на нечетком поле данных и проведение кластеризации информации была описана в 70-80 годы. Но технические возможности для проведения подобного анализа появились сравнительно недавно.

Во время бума социальных сетей стал накапливаться большой массив данных. Любое действие в интернете можно сравнить со следами на чистом снегу. Online-покупки, фотографии, активность в группах в соцсетях, списки друзей и даже лайки «сдают» пользователя.

История поисковых запросов тоже характеризует пользователя, можно определить пол, возраст, круг интересов. Смартфоны отправляют данные о перемещениях. Заинтересованные компании скрупулезно накапливают полученную информацию и покупают ее. Уже сейчас объем больших данных в России оценивается в 155 эксабайт. Это и дает мощный толчок для развития анализа Big Data.

Big Data в действии

В финансовой сфере большие данные используются в нескольких направлениях:

• увеличение продаж и повышение лояльности,
• антифрод,
• кредитный скоринг.

1. Один из показателей эффективности у банков — количество проданных финансовых продуктов на одного клиента.

Как его увеличить? Надо просто сделать правильное предложение, важно рассказать об услуге именно в тот момент, когда она нужна и будет востребована. Вот человек собирается в отпуск, а банк ему: «Может быть, вам нужна карта для путешественников?» Или жена клиента просит сделать ремонт, а финансовая организация сама ему подсказывает, что есть выгодное кредитное предложение как раз для этих целей. Как банки узнали, что человеку именно эти услуги нужны сейчас?

На помощь пришли большие данные. От анализа поведения пользователя компании переходят к составлению перечня банковских продуктов, которыми пользуются люди, похожие на этого клиента, отсекают очевидно лишнее. И вот, они уже в состоянии подготовить персонифицированные рекомендации.

Чем больше данных у компании, тем больше можно выдвинуть гипотез о поведении покупателя и сделать более точное и персонифицированное предложение.

Например, по движению средств на счете видно, что клиент расплачивается картой в разных городах. Можно предположить, что он много путешествует. Следовательно, ему может быть актуальна банковская карта с возможностью накопления миль для перелетов.

Мы тоже анализируем поведение пользователей и на его основе подсказываем, какие платежи могут быть актуальны и как удобно составить индивидуальный платежный календарь. Например, при оплате коммунальных услуг пользователь считывает с квитанции QR-код и автоматически подтягивается адрес. Система анализирует, какие еще платежи совершают жильцы этого дома и предлагает варианты (конкретного оператора интернета, телевидения, ресурсоснабжающие организации и так далее).

Безусловно, это позволяет увеличить количество операций, совершенных через платежную систему, но одновременно, дает подсказку и помогает пользователю своевременно оплатить необходимые услуги.

Анализ больших данных помогает создавать востребованные продукты, предлагать услуги там, где в этом нуждаются. Например, открывать отделения банков в торговых точках, где активно пользуются картами банка. Ведь это означает, что именно здесь сосредоточено наибольшее количество их потребителей.

2. Второй пример использования Big Data — кредитный скоринг, то есть анализ потенциального заемщика.

Сейчас банки учитывают не только традиционные данные: социально-демографические характеристики клиента, его кредитную историю, дисциплину погашения предыдущих займов и уровень зарплаты. У физлиц также анализируются данные о покупках.

Пример American Еxpress уже стал хрестоматийным. Компания повышала стоимость кредита для заемщиков-завсегдатаев дисконт-центров. Решение основывалось на следующем выводе: обеспеченный человек в состоянии позволить себе совершать покупки в обычных магазинах, а не жить в состоянии постоянной погони за скидками.

Банки также анализируют поведение пользователей в социальных сетях. Выводы о социальном статусе, образовании и квалификации человека делаются на основе словарного запаса после анализа его постов. При оценке юридических лиц, которые обращаются за кредитом, банки анализируют, помимо финансовых показателей, частоту упоминаний компании в СМИ и тональность материалов.

3. Третье направление применения Big Data, которое только начинает развиваться, безопасность.

Антифрод-система анализирует большое количество параметров (страна операции, размер платежа, его повторяемость), чтобы выявить потенциальных мошенников. Big Data помогают создать профиль среднестатистического плательщика. На его основе присваивается уровень потенциальной опасности проведения мошеннической операции.

Чем больше данных о типичном поведении пользователей, тем точнее будут выводы и тем надежнее защита.

Например, вызывают подозрение пользователи, которые не оставляют цифровых следов. Даже недавно зарегистрированная электронная почта может стать «тревожным звоночком» для системы безопасности. Если доступ в мобильный банк предоставляется через аккаунты в соцсетях, то система выявляет фейковых пользователей.

Банки и финтехкомпании анализируют не только собственный поток данных, но и начинают обмениваться информацией о пользователях между собой. И в будущем компании будут активнее делиться друг с другом данными, чтобы увидеть более полную картину поведения клиента.

Что нас ждет в будущем?

Совсем скоро нас накроет интернет вещей, следовательно, данных для анализа появится еще больше и эта информация каждого из нас будет характеризовать еще точнее. Поколению «большого пальца» — людям, которые родились в 2000-х — привычно жить в сети. Они не боятся давать о себе информацию компаниям, открыто ее публикуют.

Все привычные инструменты платежей (наличные, банковские карты, электронные кошельки) отойдут в прошлое. Человек не будет выбирать метод и способ оплаты, а укажет, где находятся деньги. Пользователи сами дадут компаниям доступ к счетам, чтобы экономить время. Уже не придется задумываться об оплате регулярных счетов (коммунальные услуги, мобильный телефон): потому что в нужный день и час средства спишутся со счета, а пользователь просто получит уведомление о совершенной операции.

Вероятно, уже в ближайшем будущем, инидентификатор пользователя (имя, фамилия, электронная почта) канет в лету, компании научатся опознавать даже не авторизовавшегося пользователя.

Чем больше данных о человеке, тем более точным будет рекламное предположение для него и меньше раздражающей и ненужной информации. Разве не об этом мечтают сейчас предприниматели? Но есть и обратная сторона этого процесса — пользователь будет хотеть все, что ему будут рекламировать и придется научиться защищаться от индивидуальных предложений. Возможно, появятся компании или приложения, которые будут защищать нас от новых предложений.

Развитие Big Data во всех сферах приведет к минимизации усилий со стороны клиента. Система сделает вывод, что если человек по одному и тому же адресу ездит каждый вечер, то там расположен ваш дом, а где он большую часть времени проводит днем — работа. Поэтому вечером нужно будет только подтвердить, что пользователь планирует ехать домой и автоматически будет вызван автомобиль и даже не нужно будет указывать адреса. А затем также автоматически спишутся средства со счета.

Дома уже будет ждать приготовленный автоматически ужин, при этом клиенту придет подборка персональных предложений, что стоит купить завтра: какие продукты закончились, что выгодно приобрести и так далее.

Даже финансовый план не нужно будет составлять, все регулярные затраты будут учтены, человек увидит, сколько свободных средств остается и на что их можно потратить.