Bankowość inwestuje w Big Data

Z raportu „The real-world use of big data in Financial services” przygotowanego przez IBM i Said Business School 22 z Uniwersytetu w Oksfordzie wynika, że 71% instytucji finansowych widzi możliwość uzyskania przewagi konkurencyjnej dzięki zbieraniu i analizowaniu informacji. 47% z nich planuje w tym celu wdrożenie rozwiązań z zakresu Big Data, natomiast 27% prowadzi pierwsze działania pilotażowe lub już wykorzystuje Big Data w działalności biznesowej. Dynamiczny rozwój branży Big Data sprawił, że instytucje finansowe mogą obecnie korzystać z wielu zaawansowanych narzędzi analitycznych dostosowanych do specyfiki ich działalności.

Jednym z podstawowych rozwiązań Big Data wykorzystywanych przez instytucje finansowe są systemy służące do gromadzenia oraz analizy danych o użytkownikach pozyskanych z różnych źródeł, czyli platformy DMP. Umożliwiają one zbieranie informacji zarówno z zewnętrznych źródeł banku, takich jak wyciągi z konta czy zestawienia płatności kartą, jak również źródeł zewnętrznych, do których zaliczają się np. media społecznościowe czy historia zakupów internetowych. Analiza pozyskanych dzięki platformom DMP informacji dostarcza instytucjom finansowym przekrojowej wiedzy na temat oczekiwań klienta, jego preferencji zakupowych czy zachowań w Internecie. Dane te są użyteczne pod względem biznesowym, ponieważ umożliwiają bankom stworzenie spersonalizowanej oferty, dostosowanej do aktualnych potrzeb konsumenta, a to przekłada się na efektywność sprzedaży i wzrost wyników finansowych instytucji.

Uzupełnieniem platform DMP jest możliwość przeprowadzenia scoringu kredytowego – oceny kredytowej – z wykorzystaniem danych pozyskanych z sieci społecznościowych. Rozwiązanie nazywane social media scoring umożliwia uwzględnienie we wniosku kredytowym danych klienta znajdujących się w jego profilach na portalach społecznościowych, jak np. zainteresowania, aktywność zawodowa czy historia zakupów internetowych. Dzięki temu bank sprawniej ocenia wiarygodność kredytową konsumenta i minimalizuje ryzyko związane z ewentualnym niewywiązywaniem się z zaciągniętych zobowiązań. Dla klienta oznacza to ograniczenie wymaganych przez bank dokumentów i zaświadczeń.

Zastosowanie w bankowości znajdują także systemy typu marketing automation, pozwalające pozyskać klientów gotowych do podjęcia decyzji zakupowej związanej z usługami bankowymi. Polegają one na monitorowaniu zachowania internautów przeglądających daną stronę. Systemy zapisują zainteresowanie klienta konkretnymi usługami banku, po czym automatycznie wysyłają SMS-a lub maila z ofertą kredytu bądź lokaty. – Możliwości rozwoju usług z zakresu Big Data w bankowości są w zasadzie nieograniczone. Pozwalają one m.in. weryfikować powiązania kapitałowo-osobowe, przeprowadzać wywiad gospodarczy,  a także wykrywać nieścisłości w spłacie zobowiązań – mówi Edward Mężyk, CEO firmy Datarino.

Innym przykładem zastosowania analizy Big Data w bankowości są programy rabatowe i lojalnościowe oferowane przez instytucje finansowe. Na podstawie wyciągów z rachunku lub zestawienia płatności kartą kredytową, bank może dowiedzieć się, w jakich sklepach klient najchętniej robi zakupy i przygotować dla niego propozycję rabatu czy zniżki – o ile zapłaci kartą danej instytucji. Wiele banków nawiązuje również współpracę z dużymi sieciami supermarketów, stacji benzynowych czy księgarni, dzięki czemu rabaty są jeszcze bardziej korzystne dla klienta. Analiza wyciągów oraz zestawień płatności działa jednak także w drugą stronę – oferta ubezpieczenia na życie dla osoby, które regularnie kupuje karnet na siłownię i robi zakupy w sklepie ze zdrową żywnością będzie tańsza. Na podstawie takich informacji bank dowie się bowiem, że klient dba o swoje zdrowie, więc ryzyko wystąpienia u niego zawału czy udaru jest mniejsze.

Zgodnie z raportem „Making Big Data Work in Retail Banking” przygotowanym przez BCG, istnieją co najmniej cztery podstawowe korzyści, które mogą osiągnąć banki dzięki stosowaniu rozwiązań Big Data. Jest to poprawa bieżących praktyk biznesowych, usprawnienie procesów core-bankingu, zwiększenie wydajności systemów IT oraz tworzenie nowych źródeł przychodów. – Zaplanowana strategia wdrożenia narzędzi Big Data w instytucjach finansowych to szansa na poprawę efektywności w każdym obszarze ich działania. Odpowiednio dobrane narzędzia analityczne wpływają zarówno na zwiększenie skuteczności pozyskiwania nowych klientów, ich sprawniejszą weryfikację i aktualizację danych, a także wprost przekładają się na uzyskiwane przez banki wyniki finansowe – twierdzi Edward Mężyk, CEO firmy Datarino.

Według raportu Gartnera, 75% firm inwestuje lub zacznie planować inwestycje w usługi Big Data w ciągu najbliższych dwóch lat. Wdrożenie tego typu narzędzi zyskuje coraz większe zainteresowanie również branży bankowej, ponieważ pozwalają one osiągnąć lepsze relacje z klientami, dają możliwość personalizowania ofert, jak i wpływają na poprawę rentowności prowadzonego biznesu. To również szansa dla bankowości na utrzymanie bezpiecznego dystansu rynkowego od konkurencji w postaci FinTech, a być może także na wykorzystanie ich potencjału. Accenture w swoim raporcie „The Future of FinTech nad Banking” wskazuje trzy obszary, w których banki mogą poprawić swoje działania, aby przedsiębiorstwa z sektora FinTech nie stanowiły dla nich groźnej konkurencji. Są to: otwartość (na nowe technologie, zmiany w kulturze organizacyjnej, odkrywanie nowych dziedzin działalności), współpraca (z firmami zarówno z sektora finansowego, jak i innych branż) oraz inwestycje (szczególnie w start-upy, które mogą wnieść do banków powiew innowacyjności). We wszystkie te obszary wpisuje się Big Data – jako narzędzie służące do indywidualizowania ofert oraz usprawnienia obsługi klienta, umożliwiające nawiązanie współpracy  z firmami je wdrażającymi, a także rozwiązanie, w które warto inwestować.

Natalia Borzymowska