CC BY
60ИСПОЛЬЗОВАНИЕ ТЕХНОЛОГИЙ BIG DATA В ФИНАНСОВОЙ ОТРАСЛИ
Козлова Н.П.
КОЗЛОВА Надежда Павловна - кандидат экономических наук, доцент Департамента «Логистика и маркетинг» Финансового университета при Правительстве Российской Федерации, Москва, Российская Федерация. E-mail: nadezda5665@yandex.ru
Аннотация. В статье рассмотрено использование технологий big data в финансовой сфере. Выявлено, что для финансовой отрасли технологии больших данных чрезвычайно важны, так как с их помощью финансовые организации могут сделать свои продукты и услуги более доступными и эффективными для клиентов. Автор определяет понятие big data, проводит сравнение традиционной бизнес-аналитики и технологий больших данных, характеризует преимущества применения технологий больших данных в финансовых организациях.
Анализируются проблемы внедрения технологий больших данных в практику российских финансовых организаций, вызванные отсутствием опыта внедрений и недостатком специалистов, а также дополнительными требованиями по обеспечению конфиденциальности при сборе, обработке и хранении персональных данных о клиентах. Предлагается несколько решений для финансовой отрасли России в области работы с большими данными, что поможет сделать их неотъемлемой частью цифровой жизни финансовой сферы.
Ключевые слова: большие данные, big data, цифровая экономика, финансовая сфера, финансовые организации, бизнес-аналитика, информация.
Для цитирования: Козлова Н.П. Использование технологий big data в финансовой отрасли // Экономические системы. 2020. Том 13. № 4 (51). С. 32-38. DOI 10.29030/2309-2076-202013-4- 32-38.
Введение
Термин «большие данные» (big data) определяют по-разному. Консалтинговая компания Forrester дает такую формулировку: «Большие данные объединяют техники и технологии, которые извлекают смысл из данных на экстремальном пределе практичности» [1]. Другое определение: «Термин «большие данные» относится к наборам данных, размер которых превосходит возможности типичных баз данных (БД) по занесению, хранению, управлению и анализу информации» [1]. Многие полагают, что этот термин означает лишь объем накопленной информации [2]. Пожалуй, наиболее простым и точным определением можно считать следующее: «Понятие больших данных подразумевает работу с информацией огромного объема и разнообразного состава, весьма часто обновляемой и находящейся в разных источниках в целях увеличения эффективности работы, создания новых продуктов и повышения конкурентоспособности» [1].
Из этих определений следует, что информация, которую относят к big data, не может быть обработана традиционным образом, нужны иные способы и решения. Если бизнес-анализ позволяет описать и проанализировать результаты,
достигнутые компанией за определенный период времени, то высокая скорость обработки больших данных позволяет еще и предсказать возможные пути будущего развития и предложить рекомендации по наилучшему развитию сценария. Большие данные оперируют значительно большим объемом информации, чем бизнес-аналитика, позволяют быстро получать и быстро анализировать информацию, глубже ее исследовать. В отличие от бизнес-аналитики большие данные имеют дело с неструктурированной информацией, дают возможность не только собрать и хранить такую информацию, но и выявить тенденции, содержащиеся в ней. Да и сам подход к работе с большими данными сильно отличается от того, который используется в бизнес-аналитике. Если в бизнес-аналитике простое сложение значений приносит результат, то в big data результат получается посредством последовательного моделирования разных сценариев развития.
Российские финансовые институты (и банки в их числе) активно используют возможности, которые предоставляют большие данные. Современные реалии таковы, что только с помощью инструментов big data можно удовлетворить ключевые потребности финансовых организаций, связанные с управлением активами, оценкой и управлением рисками, сохранением и наращиванием клиентской базы. Банки обладают огромным объемом информации, характеризующей их клиентов, их поведение, клиентскую активность, операции, совершаемые клиентами. Использование технологий больших данных позволяет не только быстро проанализировать клиентскую информацию, но и сделать на основе этого анализа соответствующие потребностям клиентов предложения банковских продуктов.
Основная часть
Можно выделить пять основных сфер банковской деятельности, в которых использование больших данных приносит заметные результаты [3].
1. Использование big data дает возможность банкам обеспечить безопасность и противодействовать незаконным операциям, связанным с отмыванием денег. Обрабатывая большой массив данных о клиентах, можно отследить подозрительный рост их потребительской активности, заметить перевод непривычных сумм на другие счета и т. п.; следовательно, заранее можно предпринять предупредительные меры, противодействующие совершению незаконных операций.
2. Большие данные играют заметную роль в такой важной сфере банковской деятельности, как управление любыми видами рисков - операционными, рыночными, кредитными и т. п. Эффективность этого управления напрямую зависит от объема и полноты информации, которой располагают банки. Технологии больших данных позволяют обработать огромный массив информации и получить возможные сценарии развития событий при разных обстоятельствах.
3. Применение технологий больших данных повышает лояльность клиентов, поскольку дает возможность решать их проблемы быстро и качественно. Применение big data дает возможность банкам привлекать новых клиентов, предлагая им продукты, разработанные непосредственно под их интересы и возможности, и удерживать старых клиентов, решая их проблемы быстро и качественно.
4. Тенденции последних лет демонстрируют желание клиентов банка получать новые банковские продукты и услуги. Особенно это касается поколения милле-ниалов, которые вообще хотели бы получать не стандартизированные продукты, а продукты, разработанные «специально под них», да еще и оформленные в цифровой среде. Большие данные, располагая обширной информацией о клиентах, имея возможность проводить углубленный клиентский анализ, предоставляют банку возможность предлагать клиентам продукты и услуги с учетом их специфических запросов.
5. С помощью инструментов big data банки могут повысить качество консультаций по наиболее выгодному размещению средств клиентов в различные инвестиционные продукты. Большие данные содержат информацию, характеризующую жизнь клиента с разных сторон: какие важные события произошли или произойдут в ближайшее время в его жизни, какие у него интересы и увлечения и т. п. С учетом этих сведений можно сформировать предложение, наиболее выгодное клиенту. Кроме того, технологии больших данных позволяют на регулярной основе отслеживать ситуацию на фондовых биржах, а следовательно, предлагать клиентам продукты, которые окажутся выгодными и в долгосрочной перспективе.
Банковский сектор активно использует возможности больших данных. Сегодня рынок big data достиг 30 млрд руб. и, по прогнозам, к 2024 г. составит 300 млрд руб. Внедрили и применяют преимущества этих технологий 30 крупнейших банков России [3].
Стоит отметить, что российским финансовым организациям не удалось избежать проблем, с которыми столкнулись подобные организации в зарубежных странах, применяя технологии больших данных. Вместе с тем в России существует своя специфика решений в области big data:
1. Наличие большого числа поставщиков решений. Ведущие ИТ-компании хорошо осознают те задачи, которые стоят перед их клиентами в связи с растущим количеством информации и предлагают различные решения по обработке больших данных. Работа с большими данными — это комплексный проект, для успеха которого важно наличие соответствующей компетенции у поставщиков решений. В настоящее время большая часть российских системных интеграторов имеет существенный опыт работы на финансовых рынках и располагает «типовыми» решениями в области big data для финансовых организаций [4]. Однако все большее распространение получают услуги по созданию заказных разработок для работы с большими объемами данных и сервисы по обработке открытых данных; ряд организаций предлагают приобрести данные, получаемые ими в ходе своей основной деятельности (например, телеком-операторы, кредитные организации).
2. Недостаток специалистов. В настоящее время ощущается острая нехватка компетентных специалистов в области работы с большими данными. По данным кадровых агентств, наибольший спрос на этих специалистов предъявляют ИТ-компании и телеком-операторы, крупные розничные сети. Вместе с тем и
финансовые организации испытывают недостаток в представителях таких профессий, как data scientist, data analyst и data engineer.
Специалисты data scientist занимаются созданием технологий, способных извлекать нужную информацию из неструктурированных данных. Профессия data analyst предполагает владение навыками анализа информации, а специалисты data engineer разрабатывают необходимые для решения конкретных задач больших данных комплексы программного или программно-аппаратного обеспечения. Чтобы подготовить специалистов, реализующих столь разные навыки и компетенции, необходимо уже сегодня внедрять совершенно новые методологические подходы к их подготовке. Эти профессии довольно редкие, но спрос на них уже колоссальный: так на одно резюме специалиста data analyst приходится порядка 50 запросов на работу [5]. Дефицит кадров связан не только с тем, что от таких специалистов требуется довольно сложный набор навыков и компетенций, но и с тем, что мало кто знает, как готовить такие кадры. Для подготовки специалистов ведущие центры обучения предлагают различные курсы, в основном от ключевых поставщиков - EMC, Microsoft, Oracle и т. п.; некоторые компании самостоятельно занимаются подготовкой специалистов для собственных нужд (например, Школа данных «Билайн», Школа анализа данных «Яндекс»); также открываются центры компетенции, но специалистов все равно не хватает.
Применение технологий big data обостряет проблему конфиденциальности при сборе, анализе и хранении информации о персональных данных клиентов. При выборе решений в области работы с большими данными компаниям следует обращать внимание на то, где хранятся конфиденциальные данные о клиентах (с учетом недавних федеральных законов). Помимо этого, требуется прилагать дополнительные усилия по деперсонализации в случаях, когда данные передаются на обработку партнерам или сторонним организациям, специализирующимся на подобных сервисах [6]. Профессии data scientist, data analyst и data engineer в области big data в России пока не стали массовыми еще и потому, что ощущается острая нехватка компетентных преподавателей.
3. Еще одним сдерживающим развитие рынка больших данных в России фактором является недостаточный опыт внедрений, небольшое количество кейсов, на которые можно было бы опираться заказчикам и интеграторам, из-за чего проекты big data зачастую оказываются излишне рискованными.
Важной проблемой внедрения технологий больших данных в практику финансовых организаций являются, зачастую, недостаток опыта накопления больших данных и невысокое качество полученной информации. Специалисты считают, что «накоплению данных и повышению их качества могла бы помочь программа государственной поддержки открытых источников, оцифрованных данных, например доступ к первичным данным Росстата» и т. п. [1].
Можно выделить несколько решений для финансовой отрасли России в области работы с большими данными.
Первый подход заключается в самостоятельном (либо с использованием услуг системного интегратора) выборе аппаратной и программной платформы для
сбора, хранения, изначальной обработки и последующего анализа и визуализации данных, принятия решений на их основе. В этом случае часто используются программное обеспечение с открытым кодом (дистрибутив Apache Hadoop) и серверная платформа от одного или нескольких производителей. Помимо этого, для анализа и визуализации данных могут применяться как готовые продукты, предлагаемые зарубежными или отечественными разработчиками, так и заказные разработки, учитывающие специфику конкретного заказчика. По мере развития рынка технологий больших данных на нем складываются устойчивые сочетания аппаратной платформы и программного обеспечения, предварительно протестированные и оптимизированные поставщиками решений.
Второй подход предполагает интегрированное, программно-аппаратное решение от единого поставщика. Такие решения оптимизированы под работу с большими данными и опираются на собственные платформы для обработки данных, состоящие из программных компонентов и серверов.
Сегодня компании-заказчики имеют возможность минимизировать или полностью отказаться от инвестиций в собственную инфраструктуру и решений для обработки больших данных, т. е. выбрать облачные технологии [7]. Такой подход может быть использован, например, в пилотном проекте, цель которого - оценка целесообразности инвестиций в сбор, хранение и обработку больших данных или тестирование предложений от различных поставщиков программного обеспечения. Также надо отметить, что большинство поставщиков программных решений предлагают варианты, которые могут быть развернуты как в локальной инфраструктуре, так и в облаке.
Заключение
Для финансовых организаций big data — это больше чем новая технология, это вопрос того, как с ее помощью улучшить взаимоотношения с клиентами, партнерами, регулятором, собственными сотрудниками, как минимизировать риски и обеспечить повышение эффективности деятельности. Применение технологий big data своеобразно для каждой финансовой организации и определяется влиянием многих факторов, включая готовность наличной информационной инфраструктуры организации и доступность ресурсов внутри организации. Один из важных моментов для руководителя ИТ-подразделения - вопрос приоритета внедрения решений в области больших данных, определение направлений, в которых технологии big data будут приносить максимальную пользу. Как правило, это требует компромисса между удовлетворением требований регулятора, управлением рисками, оптимизацией операций и качеством обслуживания клиентов.
Внедрение технологий больших данных необходимо осуществлять последовательно, этап за этапом. Нужно добиться того, чтобы приложения для работы с big data стали частью повседневной деятельности организации, неотъемлемым элементом анализа, управления данными, сориентированными на достижение стратегических целей финансовой организации.
Большие данные требуют создания отраслевых практик, стандартов и регулирующих документов. В первых пилотных проектах руководству финансовых организаций следует принимать непосредственное участие в обсуждении того, как существующие корпоративные правила и политики конфиденциальности должны распространяться на данные, собираемые как внутри организации, так и получаемые извне.
Необходимо определить четкие количественные показатели успеха проекта по внедрению решений в области БД. Такие клиентские метрики, как потеря существующих или приобретение новых клиентов, можно объединить с другими метриками, такими как полнота и точность данных. Это позволит взглянуть на управление данными как на инструмент обеспечения ориентированности на клиентов.
Рекомендуется использовать специализированное программное обеспечение для автоматизации управления данными. Расширение числа сотрудников для решения этих задач, особенно при экспоненциальном росте объемов данных, вряд ли будет рациональным. В дальнейшем специализированное программное обеспечение будет только снижаться в цене и предоставлять больше функциональности по сравнению с заказными разработками.
В управлении большими данными необходимо придерживаться единой архитектуры. Это касается сбора данных, их обработки и интеграции в единую информационную систему организации. Единой схеме необходимо следовать при управлении качеством информации, обеспечении безопасности и конфиденциальности. Отсюда появляется необходимость в координации между IT-подразделением и организацией в целом. Нужно добиться того, чтобы проекты по управлению большими данными не оставались исключительно IT-проектами, а приводили к изменениям в работе с данными во всей организации. Финансирование, выделенное на управление рисками и создание отчетности для регулятора, целесообразно использовать и на подготовку данных для операций, направленных на улучшение работы с клиентами.
Источники
1. Большие данные (Big Data). URL: https://www.tadviser.ru/index.php/Статья: Большие_дан-ные_(Big_Data) (дата обращения: 10.09.2020).
2. Аналитический обзор рынка Big Data. URL: https://habr.com/ru/company/moex/ blog/256747 (дата обращения: 18.08.2020).
3. Волшебная палочка: зачем банкам big data. URL: https://www.banki.ru/news/ daytheme/?id=9949915 (дата обращения: 10.09.2020).
4. Big Data в банковской сфере: проблемы и пути решения. URL: https://docplayer. ru/61895933-Bigdata-v-bankovskoy-sfere.html (дата обращения: 02.11.2020).
5. Теория и практика Больших данных в отраслях. URL: https://www.tadviser.ru/index.php/ Статья:Теория_и_практика_Больших_данных_в_отраслях (дата обращения: 10.09.2020).
6. Большие данные (BigData): конференция TAdviser. URL: http://www.tadviser.ru/index.php/ Статья:Большие_данные_(Big_Data) (дата обращения: 22.10.2020).
7. Исследования в России и СНГ: сайт International Data Corporation. URL: http://idcrussia. com/ru/research/overview (дата обращения: 12.09.2020).
USE OF BIG DATA TECHNOLOGIES IN THE FINANCIAL INDUSTRY
Kozlova N.P.
KOZLOVA Nadezhda Pavlovna - Ph.D. in economic sciences, associate professor of the Department of logistics and marketing of the Financial University under the Government of the Russian Federation, Moscow, Russia. E-mail: nadezda5665@yandex.ru
Abstract. This article discusses the use of Big Data technologies in the financial sector. It was revealed that big data technologies are extremely important for the financial industry, since with their help financial organizations can make their products and services more accessible and effective for clients. The author defines the concept of Big Data, compares traditional business analytics and big data technologies, characterizes the advantages of using big data technologies in financial organizations. The article analyzes the problems of introducing big data technologies into the practice of Russian financial organizations, caused by a lack of implementation experience and a lack of specialists, as well as additional requirements for ensuring confidentiality when collecting, processing and storing personal data about clients. Several solutions are proposed for the Russian financial industry in the field of working with big data, which will help to make them an integral part of the digital life of the financial sector.
Keywords: big data, digital economy, finance, financial institutions, business analytics, information.
For citation: Kozlova N.P. Use of big data technologies in the financial industry. Economic Systems. 2020. Vol. 13. No. 4 (51). P. 32-38. DOI 10.29030/2309-2076-2020-13-4-32-38.
References
1. Big data (Big Data). URL: https://www.tadviser.ru/index.php/CTaTba: Bolshiedozy(Big_Data) (accessed: 10.09.2020).
2. Analytical review of the market of Big Data. URL: https://habr.com/ru/company/moex/ blog/256747 (accessed: 18.08.2020).
3. Magic wand: why are banks big data. URL: https://www.banki.ru/news/daytheme/?id=9949915 (accessed: 10.09.2020).
4. Big Data in banking: problems and solutions. URL: https://docplayer.ru/61895933-Bigdata-v-bankovskoy-sfere.html (accessed: 02.11.2020).
5. Theory and practice of Big data in industries. URL: https://www.tadviser.ru/index.php/ CTaTbfl:TeopMfl_M_npaK™Ka_Bo^bWMX_flaHHbix_B_OTpac^flx (accessed: 10.09.2020).
6. Big data: tadviser conference. URL: http://www.tadviser.ru/index.php/CTaTbfl:Bo^bwue_flaH-Hbie_(Big_Data) (accessed: 22.10.2020).
7. Research in Russia and the CIS: International Data Corporation website. URL: http://idcrussia. com/ru/research/overview (accessed: 12.09.2020).
