Как работает BigData в российских банках

Уже давно не секрет, что многие современные стартапы делают попытки контролировать финансовые потоки, в том числе – и управляя финансами своих пользователей. Высокотехнологичные решения от тех же Google и Яндекса, не говоря уже о менее именитых корпорациях, постоянно давят на существующий банковский сектор. Насколько уместно говорить о том, что в результате подобного взаимодействия формируется новая банковская система, пока вопрос. Но неоспоримо то, что при помощи пресловутых стартапов, основанных на достижениях новейших информационных технологий, потребители получают возможность существенно сэкономить собственное время, и выполнять многие финансовые операции «в один клик».

Скажем, Яндекс и его «старший брат» Google предлагают не просто завести электронный кошелек, а еще и выпустить дебетовую карту для эффективного и комфортного управления ими. Текущая ситуация подталкивает банки, в том числе и российские, находить альтернативные денежные потоки и вообще работать более эффективно, чтобы выжить в новых условиях.

Зачем банкам «большие данные»?

На помощь «старичкам» приходит BigData. Технологии, основанные на сборе, систематизации и применении данных о собственных пользователях, способны существенным образом повысить экономическую эффективность и прибыльность. Важно, что у банков есть весьма сильное преимущество – они ежедневно черпают петабайты абсолютно достоверной информации, получая данные о транзакциях по счетам, картам и другим банковским продуктам. Систематизируя собираемую информацию, они буквально удерживаются на плаву. Имеет значение всё: и средний остаток на счетах к концу месяца, и динамика по счету в долгосрочной перспективе, и кредитная история. Все это подкреплено заведомо достоверными персональными данными.

Но есть и второй, чуть менее достоверный, но настолько же важный источник получения сведений о своих пользователях и закономерностях их финансового поведения: социальные сети. Здесь арсенал средств куда шире: кроме данных об имени и возрасте, банки могут собирать информацию об уровне образования клиента, семейном положении, его предпочтениях, подписках, круге друзей. Изучается даже настроение, сведения о котором собираются при анализе твитов.

Иными словами, у современных банков, всерьез работающих с BigData, есть поражающее обширные сведения как о уже текущих клиентах, так и о потенциальных вкладчиках, заемщиках, пользователях других банковских продуктов. Кроме расширения клиентской сети, всё это помогает банкам оптимизировать работу эквайринга и банкоматов, оперативно реагировать на сезонные скачки спроса и синхронизировать собственную выгоду с ожиданиями клиентов.