Tags Данные Пользовательский Опыт Цифровой банкинг
Директор по управлению и монетизации данных Альфа-Банка Ирина Елистратова рассказала в интервью ComNews, как в банке выстроена стратегия работы с big data, как она реализуется и каких результатов удалось достичь. Мы собрали главное из этого материала.
Этапы цифровой трансформации бизнеса
Есть несколько ключевых компонентов цифровой трансформации:
- клиентоцентричная модель;
- новая HR-стратегия, новые компетенции и культура инноваций;
- работа с данными, их накопление и управление ими;
- внедрение инноваций;
- создание ценности, когда именно digital становится ценностью для клиента; 6) партнерство, когда создание новых продуктов происходит путем интеграций с другими сервисами и компаниями-партнерами.
Стратегия управления данными
В начале 2017 года в Альфа-Банке утвердили «Стратегию управления данными для создания ценности клиенту». Идея в том, что не продукт, а именно клиент находится в центре. Конечная цель реализации стратегии — клиент получает релевантные решения повседневных и долгосрочных задач в удобное время и удобным способом. Основные компоненты реализации «Стратегию управления данными для создания ценности клиенту»:
- Накопление данных (гибридная архитектура DWH+ Hadoop).
- Золотая запись клиента, качество и управление данными.
- Глубокая аналитика (Data Science) — сегментация, поиск гипотез и построение моделей.
- Развитие отношений с клиентом (Next Best Action).
Данные как источник прибыли
Если говорить о данных как источнике прибыли, то внутри финансовых организаций это связано с тремя большими направлениями. Первое — все, что касается развития отношений с клиентами. Второе направление —управление рисками, борьба с мошенничеством, сегментация и оценка кредитоспособности клиентов. Третье направление — повышение эффективности процессов, которые есть в банке.
Результаты от использования big data
В части проектов, которые уже запущены, отклик и попадание в релевантность были увеличены от 25% до 40%. Еще одна из задач, которую мы ставили для себя — сокращение спама для клиента. Результат мы получили, собрав все отклики клиента, включая негативные, во всех каналах, и смогли построить модели лучшего канала и лучшего времени коммуникаций для каждого клиента. Сейчас мы пилотируем различные модели точечных sales-аргументов, определяющих не только “лучший следующий продукт”, но и лучшие аргументы для его продажи.
Техническая часть
Данные «живут» в едином корпоративном хранилище данных. С точки зрения технологий мы используем комбинацию оптимизированных программно-аппаратных комплексов Oracle Exadata и Oracle Big Data Appliance — на них консолидировано 60-70% всех данных, которые были накоплены банком более чем за 10 лет.