Банківська індустрія щодня генерує величезні масиви інформації, включно з персональними даними клієнтів. Уклавши з банком договір, клієнт повідомляє йому своє ім'я, адресу, місце роботи. У банку є копія його паспорта та ідентифікаційного коду, актуальні фотографії, контакти родичів. Після відкриття рахунку клієнт продовжує відправляти банку інформацію про себе: де був, що, коли і на яку суму купував, коли платив за кредитами, а коли – ні.
Ці відомості можуть лежати в банку мертвим вантажем. А можуть, навпаки, працювати на банк і його клієнтів. Як вони обробляються і що можуть розповісти про кожного, Mind з'ясовував у найбільшого в Україні банку – ПриватБанку, який обслуговує понад 19 млн клієнтів.
Які дані збираються? Обсяг даних, які збираються і потім аналізуються банком, величезний: від географічних координат і маршрутів до уподобань клієнта в соцмережах. Так, кожен POS-термінал у магазині, банкомат чи термінал самообслуговування має свої географічні координати. Завдяки цьому можна відстежити пріоритетні маршрути, за якими клієнт ходить найчастіше.
Якщо людина авторизувалася в банківському віджеті через соцмережі та погодилася надати банку доступ до свого облікового запису (наприклад, щоб підняти ліміт), тоді даних про неї стає ще більше. З ким спілкується, який контент до вподоби – усе це допомагає створювати предиктивну аналітику (тобто передбачати майбутню поведінку клієнта), а також визначати недобросовісних клієнтів. Наприклад тих, хто торгує наркотиками. Для виявлення наркоторговців аналізується поведінка рахунку – регулярні надходження коштів від різних відправників, і дані соцмереж чи месенджерів, звернення клієнтів або поліції.
Ще одне джерело даних для ПриватБанку – його власний торговий майданчик «ПриватМаркет», де приватні особи можуть придбати товари для особистого користування, а державні та приватні компанії – проводити закупівлі. Банк аналізує уподобання клієнта, щоб розуміти, який продукт йому запропонувати і з яким супровідним текстом.
Якщо, скажімо, клієнт оплатив своєю карткою авіа- або залізничні квитки, банк пропонує йому забронювати готель у кінцевій точці маршруту або замовити таксі; також пропонує необхідні товари в дорогу; нагадує за годину-дві до виїзду про майбутню поїздку.
Якщо вивчити поведінку клієнта, можна навіть передбачити, коли він піде від банку або припинить користуватися картою. І вчасно відреагувати, запропонувавши йому вигідніші умови.
Хто приймає рішення про видачу кредиту? Кредитування – одне з найважливіших напрямків, де банк застосовує аналітику даних. Колись рішення про видачу кредитів у всьому світі приймалися за підсумками особистих співбесід. Цю картину досі можна побачити в старих фільмах: менеджер банку сидить за столом, а перед ним – потенційний позичальник, який плутано пояснює, на що збирається витратити гроші. Особисті враження менеджера, його суб'єктивна оцінка – від цього залежала доля позики.
Сучасна аналітика даних дозволяє відійти від таких суб'єктивних оцінок і прийняти рішення, ґрунтуючись на фактах. «У нас є велика «вітрина даних», де зібрано інформацію з різних джерел», – розповідає член правління, керівник напрямку електронного бізнесу ПриватБанку Сергій Харитич.
Аналітики банку вирішують, які з цих даних будуть предикторами – тобто є важливими для оцінки кредитоспроможності позичальників. Вони аналізуються за допомогою розробленого в ЦЕБ програмного забезпечення («штучного інтелекту»), і на їхній базі створюються скоринги. «Завдяки цьому в нас у цілому дуже хороші показники видачі кредитів», – стверджує Харитич.
Предиктором може стати, наприклад, кредитна історія людей з оточення позичальника. Дані про оточення – це якраз те, що витягується з соцмереж. Якщо виявляється, що друзі та знайомі людини беруть кредити і потім не повертають, велика ймовірність, що і вона вчинить так само. На момент оформлення кредиту людина може щиро вірити, що виплатить його. Але банк уже знає, що ні. Тому може відмовити у видачі, таким чином рятуючи клієнта і себе від майбутніх проблем.
Ще один інсайт із соцмереж: люди, які слухають шансон, гірше повертають кредити, ніж шанувальники джазу і легкої музики. А з'ясувалося це, коли ПриватБанк узяв вибірку клієнтів – тих, хто справно платить за кредитами, і тих, хто не платить – і зіставив її з базою соцмережі «ВКонтакте», з музикою, яку ці клієнти завантажили собі на стіну. Це було до заборони соцмережі в Україні, коли її аудиторія тут становила понад 10 млн осіб. Зараз ПриватБанк не аналізує «ВКонтакте» і «Однокласники».
Загальний економічний ефект від впровадження дата-аналітики порахувати складно. Але є конкретні кейси, коли, наприклад, завдяки точному аналізу вдалося додатково залучити 1 млрд грн депозитів. Так, з 2 млн потенційних вкладників банк може обдзвонювати 100 000 на місяць. Завдяки правильному відбору цих 100 000 осіб ПриватБанк і отримав такий результат.
Що далі? У випадку з видачею кредитів йдеться про просту дата-аналітику. Але є сфери, де ПриватБанк тестує аналітику великих даних і навіть штучний інтелект.
Як розповів Сергій Харитич, зараз банк працює над створенням банкоматів, які зможуть розпізнавати обличчя (Face ID). Така технологія встановлюватиметься на новий тип банкоматів з функцією кеш-ресайклінгу (які можуть видавати і приймати готівку). Використання Face ID дозволить скоротити час на обслуговування клієнтів і збільшити пропускну здатність банкоматів. Промислове тестування цієї технології планують почати до кінця 2019 року.