Факторы возникновения психосоматических расстройств

МЕНЮ


Главная страница
Поиск
Регистрация на сайте
Помощь проекту
Архив новостей

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


Современным банкам необходимы большие данные. Умение обрабатывать массивы информации позволяет оценивать риски и управлять ими, наращивать клиентскую базу, бороться с мошенничеством и создавать вокруг себя целые экосистемы. О том, какими данными сегодня располагают банки и как они ими пользуются, ПостНаука поговорила с доктором физико-математических наук, ректором Университета Иннополис, заведующим базовой кафедрой теоретической и прикладной информатики МФТИ Александром Тормасовым. Материал подготовлен при поддержке Selectel — IT-компании, которая делает работу онлайн-сервисов бесперебойной, надежной и технологичной. 

Знают все

Банки стремятся таргетировать аудиторию и предлагать каждому конкретному клиенту набор услуг, который может его заинтересовать. Когда вы расплачиваетесь картой в магазине, банк не узнает, что конкретно вы купили — но знает, у кого, где, в котором часу и на какую сумму. Также банк знает, сколько денег вы сняли с карты или наоборот, сколько внесли на счет, какую сумму перевели частному или юридическому лицу. На основании этой информации банк может составить представление об образе жизни клиента, его ежедневной активности и предпочтениях: сколько клиент тратит в продуктовых магазинах или кинотеатрах, сколько переводит на счета, как часто это происходит. Проанализировав такую информацию, банк может сообщить клиенту о предложениях, которые выгодны им обоим: например, о скидках в магазинах-партнерах, где человек часто делает покупки.

Кроме того, банки стремятся внимательно изучить человека перед тем, как выдать ему кредит. Решение, на каких условиях и в каких объемах можно выдать средства, определяется всеми доступными банку данными: это и ежемесячные поступления на счет, и прошлые кредиты, и их текущий объем, наличие судов с кредиторами и так далее. Все эти данные дают возможность рассчитать степень риска для конкретного человека и, если он вызывает у банка доверие, предложить ему кредит на крупную сумму. При этом с клиентскими рейтингами и оценками рисков связана интересная тенденция: очень часто банки предлагают большие суммы тем, кто в них не нуждается, и не предлагают деньги тем, кому они очень нужны. Ведь, как правило, “хорошие” с точки зрения банка клиенты умеют управлять средствами и вернут займ с большой вероятностью, а “плохие” как раз справляются с этим хуже. 

Прощай, бумага

Банки хранят колоссальное количество персональных данных клиентов. Под персональные данные подпадает информация, с помощью которой можно идентифицировать человека: ФИО, место и год рождения, адрес регистрации, паспортные данные, электронная почта, номер телефона. 

Согласно законодательству, банк обязан получать письменное разрешение на  обработку персональных данных — при этом в случае согласия эти данные могут использоваться банком для продвижения своих услуг и продуктов. Как правило, банк запрашивает такое разрешение еще на стадии анкетирования клиента — и человек имеет право отказаться. Но чаще всего клиенты подписывают разрешение на обработку персональных данных, понимая, что в противном случае банк просто лишит их сервиса. Часть этой информации банки должны хранить согласно закону, который гласит: организации, осуществляющие операции с денежными средствами или иным имуществом, обязаны хранить [1] документы, содержащие сведения для идентификации личности, не менее пяти лет. И даже если клиент отозвал свое согласие на обработку персональных данных, эта информация будет оставаться у банка.

Monte dei Paschi di Siena, старейший банк в мире / Sean X Liu

Monte dei Paschi di Siena, старейший банк в мире / Sean X Liu

Буквально 15-20 лет назад абсолютно все данные, в том числе договоры между банком и клиентом, хранились в бумажном виде, чтобы использовать их в случае судебных разбирательств. Цифровые документы долгое время не считались весомыми доказательствами, однако сегодня все меняется, и суды рассматривают в качестве доказательств как бумажные, так и электронные документы. Хотя бумажные носители еще не ушли в прошлое окончательно, объем данных, хранимых банками на бумаге, стремительно уменьшается.

Поддержка цифровой среды

Банки становятся цифровыми, создают цифровые базы данных и собственные приложения. Для них же технологические компании предлагают сервисы, которые помогут банкам сконцентрироваться на продукте — а рутинные операции делегировать: это и установка обновлений, и увеличение размеров вычислительных мощностей, и другие работы.

Другая часть данных не обязательна для хранения, однако она используется самим банком для удобства работы. Как правило, эта информация хранится в цифровом виде, так как возможность управлять большими данными — одно из основных конкурентных преимуществ современных банков, которые стремятся создавать вокруг себя целые экосистемы. В рамках этих экосистем данные о клиентах используются для извлечения прибыли. Различные способы извлечения преимуществ из одной лишь функции поиска сделали Google одной из крупнейших компаний мира — и этот успех стремятся повторить банки, владеющие информацией о миллионах людей. По оценке McKinsey & Company, продвинутая аналитика и использование big data составляют [2] в общей структуре доходов мировых лидеров банковского рынка 30–40%. Сбор и анализ цифровых данных позволяет банкам управлять рисками, бороться с мошенничеством, оценивать кредитоспособность клиентов и оптимизировать собственную работу.

«Мусорные» данные  

Банки и кредитные организации на протяжении всей своей истории пытались строить модели для оценки кредитного рейтинга клиента или кредитных рисков [3]; даже у ростовщиков были свои способы оценить платежеспособность клиента и прикинуть, можно ли давать этому человеку деньги в долг. Но появление компьютеров позволило упростить эту задачу. По сути, программы, которые оценивают кредитные риски, кластеризуют людей по разным признакам и указывают, что некоторой группе можно выдавать кредит на тех или иных условиях, и что некоторый процент членов этой группы принесет банку за пять лет определенный доход, а также учитывают, сколько процентов людей не смогут выплатить кредит вовсе.

Например, в 1970-е годы появились так называемые экспертные системы — компьютерные программы, которые принимали решения на основе базы знаний со статическими сведениями, содержащие правила (обычно сформулированные экспертами), по которым возможно анализировать эти сведения и принимать решения. Экспертные системы формально не относятся к искусственному интеллекту — тем не менее, эти программы помогали сделать определенные выводы в отношении клиентов. Со временем алгоритмы анализа информации совершенствовались, и в последние годы банки начали использовать для этих целей технологии машинного обучения. В этом смысле машинное обучение не изменило и не изменит банковскую сферу коренным образом: и сейчас, и в будущем банки будут давать деньги на время под процент (или за другие выгоды, как делают так называемые исламские банки, — им запрещено ростовщичество). Однако оно, очевидно, упростит работу с данными клиентов. Сегодня ряд банков объединяется с финансово-технологическими и цифровыми компаниями, используя большие данные и аналитику для более точной оценки рисков и стимулирования роста доходов. 

При этом важен не объем накопленных банком цифровых данных, а то, насколько правильно они классифицированы и пригодны для использования. Современные алгоритмы искусственного интеллекта пока с трудом обучаются работе с большими объемами информации и чаще всего не способны разобраться в так называемых “мусорных” данных и извлечь оттуда полезную информацию. Условно: банк может хранить всю информацию о договорах, которые возникают в процессе юридической деятельности клиентов банка, но если у него нет возможности связать эти договоры друг с другом, или в данных есть ошибки, весь этот объем может оказаться бесполезным, ведь алгоритмы просто не смогут с ним работать. 

Подобными изъянами в работе алгоритмов активно пользуются нечистые на руку компании. Некоторые из них, чтобы скрыть аффилированность, на сайте госзакупок пытались скрыть информацию о своих операциях анекдотичными способами: например, заменяя в кодировке названий договоров русские буквы О на английские буквы О или на нули, чтобы договоры невозможно было найти или логически связать между собой. Поэтому простым хранением большого количества данных невозможно добиться поставленных целей: необходимо научиться структурировать данные — и банки не исключение.

Ловкость рук

Чаще всего банки собирают информацию самостоятельно. Также существуют кредитные бюро, где хранятся сведения о кредитной истории клиента. Наконец, есть возможность купить данные у крупных компаний, таких как “Яндекс” или Facebook. 

Кроме того, крупные цифровые экосистемы стремятся приобрести банки и использовать их в своих целях. Например, ”Яндекс” в 2020 году пытался купить Tinkoff, а после неудачи приобрел в итоге банк “Акрополь”. Поэтому, связываясь с банком или иным финансовым учреждением, находящимся под контролем крупной IT-компании, следует понимать, что в этой экосистеме хранится цифровой след каждого клиента.

Формально эта информация деперсонализирована: ее нельзя соотнести с конкретным человеком. Но чем больше данных — тем больше вероятность, что клиент будет деанонимизирован. Например, банку могут продать базу данных, в которой хранится геопозиция конкретного смартфона. В частности, у Apple и у Google в смартфонах раньше хранилась информация о подключении смартфонов к базовым станциям (возможно, ей могут пользоваться и сейчас) — фактически, по этим сведениями можно отследить траекторию движения конкретного человека, которую можно продать банку. Если в пределах этой траектории находится магазин, в котором клиент банка сделал покупку, информацию о совершенной транзакции можно легко сопоставить с данными о перемещениях и тем самым фактически деанонимизировать любого. Кроме того, по этим данным можно легко сделать выводы об образе жизни клиента: передвигается ли он на машине или пользуется общественным транспортом, торопится на работу или гуляет с ребенком.

Дверь в старое банковское хранилище / Jonathunder

Дверь в старое банковское хранилище / Jonathunder

Интересно, что такое сопоставление информации о клиенте с формальной точки зрения не считается нарушением закона о персональных данных. Банк просто полагает, что этот набор данных связан с определенным клиентом — но не может это гарантировать и не декларирует, что эти данные принадлежат клиенту N мужского пола 1969 года рождения из г. Нижний Оскол. Условно, банк знает, что этот клиент часто покупает алкоголь, регулярно берет деньги в долг, а потом отдает их с большим трудом, с задержками и просьбами об отсрочке. Эта информация не разглашается, но когда банк будет решать, выдать этому человеку кредит или нет, она обязательно будет учтена.

При этом далеко не всегда банкам интересна платежеспособность конкретного клиента. В первую очередь им интересна информация о его образе жизни, привычках и каких-либо действиях — и это может принести значительно больший доход. Сегодня данные о нас позволяют сегментировать общество на группы, анализировать их и на этой основе максимально точно выстраивать продуктовые предложения, маркетинговые стратегии и новые проекты.


Источник: postnauka.ru

Комментарии: