Можно выделить три аспекта применения больших данных: это альтернативные источники информации, новые методы высокопроизводительного анализа данных и работа в режиме реального времени.

Сегодня банки учатся использовать новые источники информации для получения дополнительной информации о клиентах. Эти источники могут быть внешними (например, аккаунты в социальных сетях) и внутренними (комментарии операторов call-центра и пр.). Для построения комплексных характеристик клиентов используют контекстный семантический разбор — например, с помощью лингвистического продукта SAS Enterprise Content Categorization. По аккаунту в социальных сетях рассчитываются метрики вида «является ли клиент пенсионером», «есть ли у него дети» и пр.

Еще одно мощное средство, которое сейчас апробируют сразу восемь российских банков, — это продукт SAS Text Miner: он позволяет использовать неструктурированную информацию о клиентах непосредственно в аналитических моделях. Уже доказана реальная польза — повышение эффективности моделей оттока клиентов и кредитного скоринга на десятки процентов.

Новые высокопроизводительные методы анализа данных, основанные на вычислениях в оперативной памяти распределенных кластеров, позволяют повысить скорость работы аналитических инструментов в среднем в 100 раз. Это приводит к увеличению эффективности аналитических моделей на десятки процентов за счет возможности запустить анализ большее число раз и перебрать больше настроек. Так, один крупный американский банк добился повышения точности моделей в полтора раза, за счет чего сможет повысить показатель Customer Lifetime Value на 1% — это эквивалентно дополнительной прибыли в 100 млн долларов в год. Указанные технологии используются в таких продуктах, как SAS High Performance Data Mining, SAS High-Performance Statistics, SAS in-memory statistics for Hadoop. Среди них стоит отметить последний: он дает возможность еще в несколько раз повысить скорость вычислений за счет того, что он не просто «поднимает» данные в оперативную память для проведения анализа, но и удерживает их там, позволяя применять все новые и новые аналитические процедуры на беспрецедентной скорости.

Важное для целевого маркетинга и кредитного скоринга направление в Big Data — это реакция на действия и запросы клиентов в режиме реального времени. Наше решение SAS Real-Time Decision Manager уже доказало свою эффективность в ряде российских банков. Среди них — Лето Банк, банк «Открытие», Московский кредитный банк, Промсвязьбанк.

Реклама