Просмотр исходного текста страницы Большие данные изменят бизнес-процессы банков

<blockquote>''[[:Категория:Дмитрий Морозов (Статьи)|Дмитрий Морозов]], наш&nbsp;ведущий специалист по&nbsp;проектированию IT-инфраструктурных решений, рассказал [http://nbj.ru/ «Национальному банковскому журналу»] о&nbsp;стремительно развивающейся технологии работы с информацией&nbsp;— Big&nbsp;Data. Каковы ключевые особенности Big&nbsp;Data и&nbsp;как они способствуют бизнес-преобразованиям? Что сегодня может предложить рынок подобных технологий в&nbsp;сфере банковского обслуживания? Каковы перспективы применения больших данных в&nbsp;России? Ответы на эти&nbsp;вопросы&nbsp;— в&nbsp;статье [http://nbj.ru/publs/banki-i-biznes/2014/10/10/bol-shie-dannye-izmenjat-biznes-protsessy-bankov/index.html «Большие данные изменят бизнес-процессы банков»].''</blockquote>

'''По&nbsp;данным CNews Analytics, на&nbsp;начало 2014&nbsp;года 17&nbsp;из&nbsp;30&nbsp;крупнейших по&nbsp;чистым активам банков России (в&nbsp;том&nbsp;числе Сбербанк, Газпромбанк, ВТБ24, Райффайзенбанк) использовали или&nbsp;планировали внедрить технологии Big&nbsp;Data. Каков&nbsp;же потенциал больших данных для&nbsp;банков и&nbsp;какие изменения можно наблюдать уже&nbsp;сейчас благодаря Big&nbsp;Data?'''

За&nbsp;последние несколько лет индустрия значительно продвинулась в&nbsp;средствах хранения данных, и&nbsp;петабайтами информации уже&nbsp;никого не&nbsp;удивить. Вместе с&nbsp;этим появились инструменты, позволяющие обрабатывать такие&nbsp;объемы данных. Эти&nbsp;события явились предпосылками для&nbsp;создания технологий работы с&nbsp;информацией, называемых Big&nbsp;Data.

Big&nbsp;Data позволяет анализировать огромные количества информации, а&nbsp;при необходимости&nbsp;— и&nbsp;все доступные данные в&nbsp;реальном времени. Кроме того, технологии Big&nbsp;Data делают возможной работу с&nbsp;неструктурированными данными: с&nbsp;логами совершенно разных&nbsp;систем, web-контентом, фото-,&nbsp;аудио-&nbsp;и&nbsp;видеоинформацией. Традиционные решения, основанные на&nbsp;реляционных&nbsp;БД, создавались для&nbsp;обработки табличных данных и&nbsp;плохо подходят для&nbsp;современных потребностей.

Основные направления использования Big&nbsp;Data в&nbsp;банках&nbsp;— обработка информации с&nbsp;торговых площадок, оперативное получение отчетности, противодействие мошенничеству, управление рисками, маркетинг и&nbsp;персонализация банковских продуктов, повышение качества обслуживания.

Первой ключевой особенностью Big&nbsp;Data является возможность обрабатывать все&nbsp;данные, накопленные в&nbsp;информационных системах банка. С&nbsp;помощью Hadoop&nbsp;компания Visa сократила время обработки 73&nbsp;млрд транзакций, накопленных за&nbsp;два&nbsp;года, с&nbsp;одного месяца до&nbsp;13&nbsp;минут. Конечно, подобные изменения в&nbsp;скорости обработки данных неизбежно ведут к&nbsp;значительным бизнес-преобразованиям.

Вторая особенность&nbsp;—&nbsp;возможность определять взаимосвязи между событиями. Big&nbsp;Data позволяют выявить, какое событие и&nbsp;когда происходит в&nbsp;системе. Сотрудники банка могут не&nbsp;знать причин события&nbsp;— причинно-следственную связь можно восстановить из&nbsp;результатов анализа, проведенного с&nbsp;помощью технологий Big&nbsp;Data. Это означает, что ответить на&nbsp;вопрос «Когда возникнет событие?» можно до&nbsp;понимания причин его&nbsp;возникновения. Например, новые схемы мошенничества могут быть выявлены на&nbsp;основе нетипичного поведения клиентов банковской системы. Банк HSBC заявляет, что в&nbsp;три раза повысил эффективность работы службы противодействия мошенничеству благодаря внедрению системы, использующей технологии Big&nbsp;Data.

Российский рынок больших данных только набирает обороты, а&nbsp;вот зарубежные компании уже&nbsp;успели оценить новые возможности. Например, кредитное агентство Experian предлагает продукт Income&nbsp;Insight, который прогнозирует уровень дохода человека на&nbsp;основе его&nbsp;кредитной истории. Такой подход позволяет не&nbsp;запрашивать сведения о&nbsp;доходах клиента, при&nbsp;этом&nbsp;стоимость анализа приблизительно в&nbsp;десять раз ниже традиционного метода. Deloitte разработала для&nbsp;страховой компании Aviva прогнозную модель, которая выявляет лиц, наиболее подверженных риску развития диабета, гипертонии или&nbsp;депрессии. Анализ информации об&nbsp;образе жизни, включая такие данные, как&nbsp;посещаемые сайты, хобби, кредитная история, избавляет Aviva от&nbsp;необходимости запрашивать у&nbsp;клиентов данные медицинских анализов.

Приведенные выше примеры все-таки представляют собой единичные случаи применения больших данных, и&nbsp;маловероятно, что на&nbsp;отечественном рынке в&nbsp;ближайшие годы появится что-то подобное. А&nbsp;вот&nbsp;поведенческий анализ действий клиентов для&nbsp;персонализации продуктов, проведения маркетинговых кампаний и&nbsp;повышения качества обслуживания в&nbsp;ближайшее время получит широкое распространение. Например, уже&nbsp;сейчас большой популярностью у&nbsp;банков пользуется расчет объема кэша для&nbsp;пополнения банкоматов с&nbsp;помощью технологий Big&nbsp;Data. На&nbsp;основе анализа востребованности наличности у&nbsp;потребителей для&nbsp;каждого банкомата рассчитывается время пополнения и&nbsp;объем денежных средств, что позволяет сократить количество инкассаций&nbsp;и&nbsp;время «простоя» денежной массы в&nbsp;банкомате, а&nbsp;в&nbsp;конечном итоге&nbsp;— увеличить число клиентов и&nbsp;их&nbsp;удовлетворенность услугами банка.

Таким образом, на&nbsp;Западе большие данные уже&nbsp;меняют подходы и&nbsp;отношение к&nbsp;банковским услугам и&nbsp;сервисам, расширяя горизонты для&nbsp;бизнес-творчества и&nbsp;делая реальным то, что&nbsp;еще несколько лет назад казалось фантастикой. Наблюдая за&nbsp;стремительным развитием технологий, можно с&nbsp;уверенностью утверждать, что Big&nbsp;Data в&nbsp;скором времени значительно изменят банковские процессы и&nbsp;в&nbsp;России.

[[Категория:Дмитрий Морозов (Статьи)]]
[[Категория:Национальный банковский журнал (Публикации)]]
[[Категория:2014 год (Статьи)]]

{{replicate-from-custiswiki-to-lib}}