Horyzonty Bankowości 2014: Korzyści do policzenia

Ewa Dybka, Konrad Hoszowski

Rozwiązania informatyczne do prowadzenia obliczeń równoległych na dużą skalę są dostępne od wielu lat. Ich cena, poziom złożoności i hermetyczna architektura ograniczały jednak stosowania do obszarów wojskowych, naukowych i innych „specjalnych”. Sytuacja zmieniła się wraz z pojawieniem się rozwiązań open source, które wyrosły wokół oprogramowania klastrowego Hadoop, opartego z kolei na koncepcjach wywodzących się z infrastruktury obliczeniowej zaprojektowanej przez firmę Google. Mając doświadczenia w projektach bankowych, IMPAQ wcześnie dostrzegł potencjał tego narzędzia i stworzył centrum kompetencyjne technologii Big Data

Ekosystem Hadoop obejmuje obecnie kilkanaście wzajemnie uzupełniających się narzędzi, pozwalających realizować bardzo różnorodne scenariusze obliczeniowe, a więc również biznesowe. Wiele z nich ma bezpośrednie zastosowanie we współczesnych modelach bankowości detalicznej. Rozwiązania klasy Big Data, jak się o nich mówi, znalazły zastosowanie w projektach, w których tradycyjne bazy danych i silniki analityczne napotykają istotne ograniczenia. Przykładem takiego projektu jest maszynowa analiza danych nieustrukturyzowanych, jak dokumenty czy strony internetowe. Innym zadaniem dla narzędzi Big Data są analizy danych ustrukturyzowanych, lecz dla człowieka nieczytelnych, np. logów serwerów WWW.

W naszych projektach na rzecz klientów z sektora bankowego zastosowanie znalazły w szczególności algorytmy klastrujące, korelujące, a także wykorzystujące efekty ich działania algorytmy wyższego rzędu, związane np. z analizą semantyczną.. Tradycyjnym, jeśli można tak powiedzieć, polem zastosowań rozwiązań Big Data w bankach są algorytmy zliczające, jak również wielopoziomowe operacje agregacyjne – zwłaszcza te wykonywane w czasie zbliżonym do rzeczywistego.

Dosprzedaż, retencja

Podstawowym zastosowaniem biznesowym narzędzi Big Data w bankowości jest profilowanie klientów. Na podstawie danych opisowych banki tworzą scoringi dziedzinowe reprezentujące łącznie model behawioralny klienta. Na podstawie tego modelu, w powiązaniu z informacjami z różnych źródeł własnych i zewnętrznych, banki tworzą profile klientów użyteczne z punktu widzenia dosprzedaży usług, ryzyka itp. Odrębne „metascoringi” mogą automatycznie uruchamiać procesy sprzedaży, np. włączać rekordy klientów do bieżących kampanii contact center.

Istotnym obszarem pomiaru i związanych z nimi obliczeń są reakcje klientów na konkretne oferty. Banki dysponują surowymi danymi w tej dziedzinie, rzadko jednak przetwarzają je do postaci informacji, na podstawie której można podejmować decyzje. Tymczasem, jak wynika z doświadczeń IMPAQ, analizując szczegółowo efekty kampanii w stosunku do poszczególnych klientów, bank jest w stanie w dłuższym okresie zgromadzić całkiem pokaźny zestaw cech behawioralnych opisujących klienta. Wiedza ta pozwala ...