Банковское обозрение (Б.О принт, BestPractice-онлайн (40 кейсов в год) + доступ к архиву FinLegal-онлайн)
FinLegal ( FinLegal (раз в полугодие) принт и онлайн (60 кейсов в год) + доступ к архиву (БанкНадзор)
Банки в последнее время стали активно использовать технологии Big Data, увидев в них практическую пользу
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
2024 год многие называют временем вкладчика из-за сохраняющихся привлекательных условий по депозитам благодаря высокой ключевой ставке ЦБ РФ. В чем именно хранить свои сбережения и как правильно рассчитать доходность, стоит ли опираться только на рублевые инструменты и есть ли альтернатива в иностранной валюте, «Б.О» рассказал начальник управления по работе с состоятельными клиентами «Привилегии ВТБ» Дмитрий Кобяков
Родители смогут онлайн консультироваться с профильными врачами, круглосуточно быть на связи с дежурными специалистами и при необходимости — следить за состоянием ребенка с помощью системы дистанционного мониторинга