CC BY
33УДК: 336.71(045)
АКТУАЛЬНОСТЬ BD ДЛЯ БАНКОВСКОЙ СФЕРЫ
Еременко И.В.
Городецкая О.Ю., к.э.н., доцент - научный руководитель ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации», Москва, Россия
Аннотация. Данная статья посвящена возможным способам применения BD в банковской сфере. Рассмотрены основные тенденции развития банковской сферы в XXI веке и сформулированы проблемы, стоящие перед банковскими учреждениями. На основе выявленных проблем для их решения были предложены способы оптимизации деятельности банков, одним из которых является анализ Big Data. Приведены основные характеристики Больших данных и отмечены способы и инструменты проведения анализа, необходимого для внедрения в различные сферы деятельности банковского учреждения. Рассмотрены основные направления применения анализа Big Data и приведены примеры мировых практик.
Ключевые слова: Большие данные, Банки, Банковская сфера, Анализ, Возможности применения, Данные, Информация, Скоринг
XXI век внес много нового, ранее казавшегося невероятным, в нашу жизнь. Новые информационные технологии широко используются и в банковской сфере. Стало возможным осуществлять платежи, открывать счета не выходя из дома при помощи Интернет технологий. Но, как известно, у любой медали две стороны. Наряду с огромными преимуществами, которыми обладает банковская сфера сегодня, возникают и новые трудности для кредитных учреждений. Так, сегодня жители многих стран мира имеют возможность воспользоваться услугами разных банков. Теперь клиент волен выбирать, в каком банке хранить деньги, где взять кредит и где лучше обменять валюту. Все это ставит перед банковскими учреждениями ряд проблем. Банкам необходимо удержать клиентов, по возможности привлечь новых, и при этом обеспечить свою устойчивость. Для решения подобных задач может быть предложено множество альтернативных путей решения, часть которых основывается на использовании скрытых собственных ресурсов банков. Одной из широко известных технологий, использующих имеющие ресурсы банка, является Big Data. Значение этого словосочетания понятно большинству людей исключительно интуитивно, из-за чего мало кто может точно охарактеризовать это явление. На самом деле Большие данные - это очень
широкое понятие, раскрывающее не только объемную характеристику данных, но и способы их обработки, и как следствие, принципы работы многих организаций XXI века, в том числе и банков. Рассмотрим подробнее это понятие и способы возможного применения этой технологии на практике.
Не вдаваясь в детали понятно, что Большие данные - это действительно, как кажется на первый взгляд, большой объем данных, то есть данные, обладающие отличительной
характеристикой - объемностью. Именно с такими данными работают кредитные организации. В реальности работа банков чем-то похожа на работу библиотеки. Предположим, в некоторой библиотеке все книги расставлены не в алфавитном порядке, не по авторам или названиям, а как придется. Разобраться в таком количестве книг без специальных средств практически невозможно, а тем более невозможно найти необходимую информацию. Банки, так же как и огромная библиотека, работают и ежедневно генерируют огромные объемы данных, которые сами по себе не несут никакой практической пользы. Польза появляется только после выделения из сырых данных информации - новых, практически полезных знаний. Но при работе с огромными массивами сведений это не представляется возможным без специальных инструментов. Подобными возможностями обладают методы
анализа Больших данных. Об этом писали профессор Оксфордского университета Виктор Майер-Шенбергер и редактор журнала Economist Кеннет Кукьер в своей книге «Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим»: «Суть стоимости данных заключается в их неограниченном повторном использовании — альтернативной ценности». [1] Отсюда вытекает второй смысл понятия Большие данные - это совокупность способов работы с большими объемами данных и методы извлечения из них практической пользы. В этом и состоит основная проблема. Big Data можно охарактеризовать пятью составляющими (пятью V): быстрый рост (velocity), большой объем (volume), многообразие (variety), достоверность данных (veracity) и ценность накопленной
Data состоит в обработке данных обладающих свойствами пяти V. Современные банки в действительности могут применить данные клиентов совершенно разного рода, например, сведения о платежах по карте, личные данные, информацию от сотового оператора или социальных сетей. Но все это данные разной природы, хранящиеся в различных местах. При этом количество клиентов постоянно растет, соответственно, растет и объем данных. Таким образом, все банки работают с большим объемом данных, который может принести огромную выгоду после обработки. Обратимся к статистике Центрального Банка Российской Федерации, свидетельствующей о количестве клиентов российских банков. [3] В таблице 1 представлено количество банковских карт, выданных клиентам по годам в тысячах единиц.
информации (value). [2] Суть технологии Big
Таблица 1. Количество банковских карт, выданных российскими банками (по годам в тыс.
единиц)
Всего карт Расчетные Расчетные Кредитные
карты карты с овердрафтом карты
на 1.01.17 254 737 224 592 34 230 30 144
на 1.01.16 243 907 214 443 37 621 29 464
на 1.01.15 227 666 195 904 39 726 31 761
на 1.01.14 217 463 188 275 39 463 29 189
на 1.01.13 191 496 169 013 31 788 22 483
на 1.01.12 162 898 147 872 25 833 15 026
на 1.01.11 137 834 127 787 22 452 10 047
на 1.01.10 123 991 115 390 21 268 8 601
на 1.01.09 118 630 109 335 26 826 9 296
на 1.01.08 103 041 94 097 - 8 944
Из таблицы видно, что на данный период времени российскими банками было выдано около 244 миллионов банковских карт, что свидетельствует об огромном количестве клиентов у банков Российской Федерации. При этом, банкам необходимо уметь работать с этим объемом данных. Для преобразования сырых данных в информацию существуют определенные механизмы, такие как DataMining (процесс обнаружения в "сырых" данных ранее неизвестных нетривиальных практически
полезных знаний, DataMining решает задачи классификации, регрессии, кластеризации, ассоциации и анализа отклонений), искусственные нейронные сети (позволяют решить задачи прогнозирования, распознавания образов, в их основе лежит модель биологического нейрона), статистический анализ, имитационное моделирование (моделирование поведения системы путем проведения экспериментов с моделью системы) и некоторые другие.[2] Саму технологию можно
представить тремя этапами. Первый, это накопление, хранение данных. Второй - это применение различных методов обработки данных. И третий - практическое применение полученной информации.
Подобные методы анализа Больших данных могут найти широкое применение на практике. Так, в последнее время в российской банковской системе наблюдается непростая ситуация, вызванная рядом проблем. В результате отзыва лицензий у ряда российских банков новый виток развития получил кризис доверия у населения к банковской системе. Поэтому одной из задач, стоящей перед российскими банками, является восстановление доверия среди населения и, как следствие, привлечение новых клиентов и средств [4]. Это возможно при помощи банковского маркетинга. Использование технологий больших данных в маркетинге -довольно распространенное явление. В банковской сфере маркетинг играет весьма важную роль. Маркетинг позволяет на основе проведенного анализа сделать определенные выводы и применить их для оптимизации деятельности банка. Любому банку необходимо продать услуги, причем продать тому, кто действительно в них нуждается. Так, например, при помощи Больших данных банк может проанализировать сведения о имеющейся недвижимости или, рассмотрев профиль клиента в социальных сетях, о семейном положении, и в результате точно сделать предложение об ипотечном кредите на покупку нового жилья. Или, проанализировав платежи по карте, банк может предложить потребительский кредит на покупку, например, путевки. Проанализировав транспортные расходы, можно предложить кредит на покупку автомобиля [5]. Важно отметить, что операции, проведенные с банковскими картами, достаточно полно отражают вкусы, предпочтения и потребности клиентов. То есть технологии анализа Больших данных позволяют банкам взглянуть на клиентов более широко и в результате сформировать новые уникальные для клиентов предложения. Эффективность Больших данных
доказывает МсЮ^еу в своих исследованиях. Данная компания приводит следующие данные: использование больших данных может позволить повысить эффективность маркетинга предприятия на 15-20%. [6] Также Большие данные играют большую роль и в системе безопасности банков. В последнее время все чаще банки стали использовать методы анализа больших данных для анализа транзакций, проведенных клиентом. Теперь банки стали активно внедрять системы Интернет банкинга, это безусловно очень удобно, но в то же время это порождает ряд уязвимостей для безопасности счетов клиентов. Например, некоторый клиент переводит деньги со своего счета в три часа ночи на счет клиента в другом государстве. Такие операции вызывают подозрение, и средства анализа помогают предотвратить кражу денег со счетов путем блокирования самой операции или автоматической блокировки карты. Подобный анализ проводится в режиме реального времени с использованием методов машинного обучения. На рис. 1 представлена статистика, приводимая рядом российских изданий: 93% убытков клиентов, вызванных несанкционированным снятием средств со счетов связаны с системой Интернет банкинга [7].
Причины убытков владельцев банковских карт
■ Мошенничество с использованием Интернет-банкинга Кража денег, снятых из банкомата Утрата карты
Рисунок 1. Причины убытков владельцев банковских карт
Безусловно, немалая часть клиентов становится жертвами мошенников по собственной вине, предоставляя третьим лицам доступ к своим личным кабинетам в системе онлайн банкинга, но тем не менее, случаи преступного вмешательства мошенников без
ведома клиентов так же присутствуют. Стоит отметить и то, что в перспективе, Большие данные смогут позволить системе безопасности банков идентифицировать клиентов по лицу или отпечатку пальца, например, при работе с банкоматом. Проводя анализ лица клиента, система может идентифицировать того, кто проводит операции с картой. Многие мировые банки уже частично внедряют подобные системы в свою работу. В целом, можно отметить, что технологии Больших данных могут активно применяться в сфере управления рисками. Как известно, одним из основных продуктов любого банка является кредит. Но с кредитом связано и такое понятие как кредитный риск. Управление кредитным риском - это один из ключевых факторов, определяющих эффективность деятельности банка. Система управления кредитным риском должна быть гибкой, то есть подстраиваться под условия рынка. Степень риска зависит от множества факторов [8]. И чтобы понять, насколько тот или иной клиент надежен, необходимо провести анализ
кредитоспособности заемщика, выявить факторы риска невозврата кредита, то есть провести кредитный скоринг. Решение по кредиту принимаются на основании кредитной истории и анкеты клиента. Но часто клиент не имеет кредитной истории как таковой. Таким образом, кредитная история клиента не может помочь сформировать объективную оценку. В итоге степень риска довольно высока, банк может либо отказаться от потенциально платежеспособного клиента или выдать кредит тому, кто так и не сможет его вернуть. Для банка важны такие показатели как семейное положение, наличие недвижимости, уровень заработной платы, должность,
продолжительность работы в организации. Так же немало важным фактором может стать история взаимоотношений с банком. Но на самом деле информация о клиенте представлена гораздо большим множеством сведений, которые могут быть использованы при проведении анализа. Для банка может быть
полезна информация от сотового оператора, данные из социальных сетей. Оценка этих сведений о клиенте возможна только при использовании аналитических методов Больших данных. Система может провести широкий анализ различных сведений о клиенте и отнести его в группу платежеспособных или неплатежеспособных клиентов. Таким образом, именно Большие данные могут позволить банку провести объективный анализ клиента, а затем составить и скорректировать условия договора (срок, процентную ставку) [9].
Во всех перечисленных сферах банковской деятельности технологии Больших данных активно применяют некоторые зарубежные и российские банки. Например, австрийский банк BancOfAustria регулярно проводит анализ активности клиентов на информационных ресурсах банка. [10] Если активность падает, то банк принимает меры по обновлению системы путем добавления новых, удаления старых и непопулярных сервисов или обновления удобных и популярных. Еще один пример демонстрирует норвежская компания Evry, которая провела исследование в области Больших данных в банковской сфере. Из результатов исследования, видно, что практику применения Больших данных в маркетинге активно применяет в своей деятельности один из крупнейших банков Южно-Африканской Республики - NEDBANK. Отдел маркетинга этого банка активно работает с социальными сетями, их которых узнает о предпочтениях и жалобах своих клиентов. [10] Примером использования Big Data в маркетинге также можно считать и опыт сингапурского OCBC банка, который активно применяет анализ того, как клиенты пользуются банковскими продуктами, в результате чего могут предложить новый подходящий продукт. [10] Также инновационной является практика City Банка из Сингапура. Данный банк анализирует расходы клиентов и предлагает им участие в дополнительных программах лояльности в зависимости от их предпочтений. [10] Российские банки также активно применяют
технологии Больших данных. Одним из последних проектов Сбербанка является проект «Открытые данные», позволяющий при помощи методов анализа Больших данных проанализировать действия 135 миллионов клиентов и спрогнозировать поведение потенциальных потребителей. [11]
Итак, в наши дни для успешной работы банка необходим многосторонний анализ каждого клиента. Но в силу того, что количество клиентов каждого банка настолько велико, то выполнить ручной анализ слишком трудозатратно. Аналитические методы Больших данных дают возможность обработать подобные массивы данных. Поэтому они могут оказать существенное влияние на развитие банковской сферы в будущем, так как суммарный объем данных хранимых на Земле растет с каждым годом и вскоре могут потребоваться дополнительные инструменты для его обработки.
Таким образом, возможности Больших данных оказывают огромное влияние на банковскую сферу сейчас и будут играть немалую роль в будущем. Они дают банковской сфере несколько существенных преимуществ, позволяющих с помощью аналитических методов работы с большим объемом разнородной информации рационализировать и оптимизировать деятельность организации, а также получить дополнительную прибыль.
Список использованных источников
1. Майер-Шенбергер В. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим / В. Майер-Шенбергер, К. Кукьер. - М.: Манн, Иванов и Фербер, 2013. 240 с
2. Что такое Big Data: [Электронный ресурс]// Rusbase, 2012-2018: https://rb.ru/
3. Городецкая, О.Ю. Технологии Big Data: перспективы развития в России / О.Ю. Городецкая, Я.Л. Гобарева // V Международная научно-практическая конференция «Математика, статистика и информационные технологии в экономике, управлении и образовании»: сб. трудов. - Тверь, 2016. - С.34-39.
4. Количество платежных карт, эмитированных кредитными организациями: [Электронный ресурс] //Банк России, 2000-2018: http://www.cbr.ru/
5. Гобарева, Я.Л. Возможности технологии Big Data для повышения качества эксплуатации CRM-Систем / Я.Л. Гобарева, О.Ю. Городецкая, Е.Р. Кочанова // Транспортное дело России. -2015. - №5. - С.62-63.
6. The Impact of Big Data on banking and financial systems: [Электронный ресурс] // Dataconomy Media: http://dataconomy.com/
7. Мошенничество через интернет-банкинг выросло в пять раз за год: [Электронный ресурс] //Бизнес Ньюс Медиа, 1999-2018: https: //www .vedomosti. ru/
8. Гобарева, Я.Л. Big Data: большой потенциал управления рисками / Я.Л. Гобарева, О.Ю. Городецкая, М.С. Николаенкова // Транспортное дело России. - 2016. - №1. - С.21-24.
9. Гобарева, Я.Л. Большие данные в банковской сфере / Я.Л. Гобарева, Г.В. Ширнин // Валютный контроль. Валютное регулирование. - 2014. - №8. - С. 58-63.
10. Big Data in banking: [Электронный ресурс] // EVRY: https://www.evry.com/
11. Сбербанк запустил проект «Открытые данные» на основе big data: [Электронный ресурс] //ИА «Банки.ру» 2005-2018: http://banki.ru/
12. The World's Technological Capacity to Store, Communicate, and Compute Information: [Электронный ресурс] // http://science.sciencemag.org/
13. Новашина Т.С. Институциональная основа обеспечения устойчивости национальных финансовых систем государств -членов ЕВРАЗЭС в условиях финансовой глобализации / Вестник Московского университета. Серия 27: Глобалистика и
геополитика. 2014. № 3-4. С. 95-104.
14. Bogomolov A.I., Nevejin V.P. От больших
данных к большим знаниям / Хроноэкономика.
2017. № 2 (4). С. 25-28.
