Чтобы лучше знать предпочтения своих клиентов, предугадывать их действия или анализировать платежеспособность, компании могут пойти двумя путями.
Первый — долгий и сложный — нанять целый отдел аналитики, который будет анализировать данные о клиентах и прогнозировать их действия. У такого метода есть существенный минус — большие затраты на содержание отдела аналитики и серверов для хранения информации, которую отделу предстоит обрабатывать.
Второй — простой — работать с помощью Big Data. В этом случае нужно собрать только информацию, а обрабатывать её будет искусственный интеллект с технологией машинного обучения. При этом процесс сбора информации тоже можно упростить — интегрироваться с другой компанией, которая уже применяет Big Data в работе. Например, так можно интегрироваться с банковской инфраструктурой и знать информацию о платежах и предпочтениях своих клиентов.
В статье мы расскажем, что такое Big Data, как она помогает в финтехе и какие недостатки у неё есть. Если нет времени вникать в тонкости и технические детали, переходите в последний раздел — в нём собрали главную информацию.
Что такое Big Data
Big Data (с англ. «большие данные») — это огромный объём структурированной и неструктурированной информации, а также технологии поиска, обработки и применения этой информации. К примеру, с помощью обработки больших данных банки практически моментально могут проверять кредитную историю клиента и на её основе автоматически принимать решение о выдаче кредита.
Big Data работает на основе баз данных, блокчейна и машинного обучения. Термины сложные, но важные — давайте в них разберёмся:
-
Базы данных — это и есть хранилища информации.
-
Блокчейн — непрерывная цепочка блоков для хранения информации. При этом не существует единого центра управления, поэтому данные хранятся одновременно у каждого участника сети на равных правах. Технология позволяет информации оставаться неизменной и безопасной, а самой сети — устойчивой к внешним и внутренним атакам.
-
Машинное обучение — это направление искусственного интеллекта, которое помогает компаниям с большими данными предсказать реакцию клиентов: будут ли они пользоваться продуктом или полностью проигнорируют его.
Главная особенность Big Data в том, что со временем объём её данных продолжает экспоненциально расти — поэтому и обрабатывать приходится всё больше информации.
При этом рост Big Data зависит количества информации, которая поступает от пользователей. Например, такая информация собирается, когда люди пользуются мобильными приложениями, социальными сетями или интернет-сервисами.
Иногда данные могут загружаться в Big Data вручную, например, при импорте информации из старых баз данных. Сама обработка больших объемов информации будет происходить за секунды.
Пример. Big Data используют логистические компании. На основании информации о загруженности складов, пробок на дорогах, состояния парка машин и расположения автозаправок компании планируют оптимальные пути маршрута. Одна из таких компаний — логистическая компания ПЭК. Она запустила Центр управления перевозками на базе больших данных. Это помогло им прогнозировать загрузку 189 складов по всей России на месяц вперед и планировать маршруты грузового транспорта.
Как Big Data помогает в финтехе
Оценивает кредитоспособность клиента. Анализ больших данных помогает узнавать платежеспособность клиентов и оценивать риски. Для этого компания интегрирует банковскую инфраструктуру по модели BaaS и обменивается с банком информацией о своих клиентах. В итоге скорингом, расчётами и выдачей кредитов занимается банк, но это происходит от лица бизнеса.
Пример. У интернет-магазина появился потенциальный покупатель, который хочет купить несколько товаров. Если ему не хватает денег на покупку, поэтому он запрашивает рассрочку у магазина. Последнему не придётся вручную проверять клиента — в этом случае банковская технология скоринга «под капотом» поможет проанализировать кредитный рейтинг потенциального клиента и решить, давать покупателю рассрочку или нет.
Автоматизирует бизнес-процессы. Большие данные помогают вести отчётность, упрощают подбор персонала и анализируют работу сотрудников.
Пример. Компания Stafory набирает сотрудников с помощью робота-рекрутера Веру. Он сортирует резюме, обзванивает потенциальных кандидатов и выделяет среди них наиболее заинтересованных людей в работе. Этот робот помог PepsiCo заполнить 10% от необходимых вакансий.
Улучшает персонализацию. На основании данных о пользователе и его предпочтениях технологии больших данных компании могут предлагать своим клиентам персонализированные услуги.
Пример. Разработчик СRМ-систем встроил технологии Big Data в свои продукты. Теперь компания собирает больше информации о клиентах и показывает персональные рекомендации в CRM по каждому их них. Работает просто: менеджер компании звонит покупателю при подтверждении заказа и предлагает ему дополнительный товар по акции, которым покупатель интересовался на другом сайте — информацию об этом он увидит в CRM.
Кроме того, анализ клиентов с помощью больших данных помогает в разработке новых финансовых продуктов, которые будут полезны клиентам.
Пример. Сеть магазинов строительных товаров интегрировалась с банком и получила доступ к большим данным. Теперь она может автоматически собирать информацию о своих клиентах и с помощью анализа и сегментации делить покупателей на группы. Если клиент в последнее время часто покупает материалы для постройки дома, то, скорее всего, он строит дом — а, значит, ему можно предложить карту лояльности или бонусную программу на строительные материалы или оборудование для работ.
Кирилл Левин, генеральный директор ООО «Интеллектуальные разработки»: Для больших данных финтеха собирают информации об истории транзакций, кредитном рейтинге, доходах, демографии (пол, возраст), поведении (например, какие праздники человек отмечает и когда ездит отдыхать) и биометрии (фото и голос) клиента. Эти данные подаются на вход алгоритмов data mining: они очищаются, классифицируются и структурируются. Далее на их основе различные алгоритмы искусственного интеллекта строят прогнозные модели. Они помогают предугадывать глобальные финансовые тренды, помогать в принятии управленческих решений и значительно расширять клиентские сервисы.
Борется с мошенничеством. На основании анализа больших объёмов данных финтех-компании могут выявлять аномальные и мошеннические транзакции. Вот в чём дело: банк получает данные о клиентах и «запоминает» типичное поведение клиентов. И если с их стороны будут аномальные транзакции, банк автоматически распознает и заблокирует их. Это может помочь компаниям предотвратить потери и улучшить безопасность своих услуг.
Пример. Компания грузоперевозок выдаёт сотрудникам предоплаченные карты для трат во время командировок. Если мошенники получат доступ к карте сотрудника или он сам начнёт тратить деньги сверх лимита, банк заметит, что траты с карты не соответствуют его шаблонному поведению. И автоматически заблокирует карту сотрудника до выяснения обстоятельств..
Кирилл Левин, генеральный директор ООО «Интеллектуальные разработки»: Сами по себе технологии больших данных от атак не защищают, но они могут играть существенную роль в идентификации и смягчении таких атак. Например, они позволяют мониторить сетевой трафик (а это огромный массив информации) и предупреждать об аномальном поведении. Существуют специализированные программы, которые выявляют шаблоны, характерные для хакерских атак и предупреждать об этом заранее, пока ущерб минимален.
У больших данных есть маленькие недостатки
Долгий процесс разработки аналитической модели. Чтобы создать работающую аналитическую модель, придётся изначально собрать большой объём информации. Затем разработать модель обработки этих данных и прописать алгоритмы, по которым эти данные нужно анализировать.
Кроме того, для разработки понадобится нанимать штат квалифицированных разработчиков. И скорость разработки напрямую будет зависеть от квалификации специалистов.
Разрабатывать собственную аналитическую модель необязательно — можно интегрировать в компанию чужую инфраструктуру с чужими мощностями. Например, в банковской сфере это работает в формате BaaS. Эта модель позволяет любым компаниям использовать банковские мощности и предлагать своим клиентам финуслуги на выгодных условиях. Мы уже рассказывали в нашей большой обзорной статье, как BaaS помогает среднему и крупному бизнесу больше зарабатывать и снижать издержки. Обязательно почитайте, если хотите сделать бизнес более технологичным и рентабельным.
Работа с теми данными, которые даёт компания — даже если они ошибочные. Если изначально заложить неправильную модель анализа данных или задать неполную информационную базу, то и анализ информации о клиентах будет идти с ошибками. Технологии не смогут распознать, ложные данные или нет, — поэтому и работу будет строить на том, что есть.
Риск утечки конфиденциальной информации. Большие данные подразумевают сбор различной информации о клиентах. С одной стороны, это помогает повысить качество финансовых услуг за счёт персонализации и борьбы с мошенничеством. С другой стороны, из-за этого увеличиваются риски потери конфиденциальной информации пользователей.
Пример. В январе 2023 года исследователи из компании Recorded Future's Insikt сообщили, что в 2022 году на платформах даркнета продавали почти 60 млн записей о платёжных картах. Но и в этой ситуации есть положительные стороны — количество украденных карт снизилось на 40 млн по сравнению с 2021 годом, когда мошенники распродавали данные почти 100 млн карт.
Тимур Мухитдинов, Senior Software Development Engineer сервиса Booking.com: Не бывает систем, которые невозможно взломать. При этом есть несколько общих подходов, которые повышают сложность взлома: управление доступом, обезличивание и шифрование данных, а также соблюдение определенных требований для защиты информации.Управление доступом. Компании должны настраивать уровни доступа на основе ролей и обязанностей сотрудников. Обезличивание данных. Информацию следует размещать так, что если злоумышленник получит доступ к системе, то увидит минимальный объём данных и не сможет понять, кому они принадлежат. Шифрование данных. Информация должна передаваться и храниться в зашифрованном виде. А алгоритмы шифрования и ключи должны быть надежно защищены. Соблюдение требований для защиты данных. Компании должны следовать международным стандартам вроде GDPR, ISO/IEC 27001, PCI DSS.
О Big Data в финтехе за 30 секунд
-
Big Data — это огромный объём структурированной и неструктурированной информации, а также специальные технологии поиска, обработки и применения этой информации.
-
Big Data в финтехе помогает бороться с мошенничеством, улучшает персонализацию, оценивает кредитоспособность клиента и автоматизирует бизнес-процессы.
-
У больших данных есть маленькие недостатки: долгий процесс разработки аналитической модели, работа на основе ошибочных данных и риск утечки конфиденциальной информации о клиентах.