Как Big Data улучшает качество финтех-услуг и помогает компаниям эффективно использовать информацию о клиентах

Чтобы лучше знать предпочтения своих клиентов, предугадывать их действия или анализировать платежеспособность, компании могут пойти двумя путями.

Первый — долгий и сложный — нанять целый отдел аналитики, который будет анализировать данные о клиентах и прогнозировать их действия. У такого метода есть существенный минус — большие затраты на содержание отдела аналитики и серверов для хранения информации, которую отделу предстоит обрабатывать.

Второй — простой — работать с помощью Big Data. В этом случае нужно собрать только информацию, а обрабатывать её будет искусственный интеллект с технологией машинного обучения. При этом процесс сбора информации тоже можно упростить — интегрироваться с другой компанией, которая уже применяет Big Data в работе. Например, так можно интегрироваться с банковской инфраструктурой и знать информацию о платежах и предпочтениях своих клиентов.

В статье мы расскажем, что такое Big Data, как она помогает в финтехе и какие недостатки у неё есть. Если нет времени вникать в тонкости и технические детали, переходите в последний раздел — в нём собрали главную информацию.

Что такое Big Data 

Big Data (с англ. «большие данные») — это огромный объём структурированной и неструктурированной информации, а также технологии поиска, обработки и применения этой информации. К примеру, с помощью обработки больших данных банки практически моментально могут проверять кредитную историю клиента и на её основе автоматически принимать решение о выдаче кредита.

Big Data работает на основе баз данных, блокчейна и машинного обучения. Термины сложные, но важные — давайте в них разберёмся:

• Базы данных — это и есть хранилища информации.

• Блокчейн — непрерывная цепочка блоков для хранения информации. При этом не существует единого центра управления, поэтому данные хранятся одновременно у каждого участника сети на равных правах. Технология позволяет информации оставаться неизменной и безопасной, а самой сети — устойчивой к внешним и внутренним атакам. 

• Машинное обучение — это направление искусственного интеллекта, которое помогает компаниям с большими данными предсказать реакцию клиентов: будут ли они пользоваться продуктом или полностью проигнорируют его.

Главная особенность Big Data в том, что со временем объём её данных продолжает экспоненциально расти — поэтому и обрабатывать приходится всё больше информации. 

При этом рост Big Data зависит количества информации, которая поступает от пользователей. Например, такая информация собирается, когда люди пользуются мобильными приложениями, социальными сетями или интернет-сервисами.

Иногда данные могут загружаться в Big Data вручную, например, при импорте информации из старых баз данных. Сама обработка больших объемов информации будет происходить за секунды. 

Пример. Big Data используют логистические компании. На основании информации о загруженности складов, пробок на дорогах, состояния парка машин и расположения автозаправок компании планируют оптимальные пути маршрута. Одна из таких компаний — логистическая компания ПЭК.

Она запустила Центр управления перевозками на базе больших данных. Это помогло им прогнозировать загрузку 189 складов по всей России на месяц вперед и планировать маршруты грузового транспорта.

Как Big Data помогает в финтехе

Оценивает кредитоспособность клиента. Анализ больших данных помогает узнавать платежеспособность клиентов и оценивать риски. Для этого компания интегрирует банковскую инфраструктуру по модели BaaS и обменивается с банком информацией о своих клиентах. В итоге скорингом, расчётами и выдачей кредитов занимается банк, но это происходит от лица бизнеса.

Пример. У интернет-магазина появился потенциальный покупатель, который хочет купить несколько товаров. Если ему не хватает денег на покупку, поэтому он запрашивает рассрочку у магазина. Последнему не придётся вручную проверять клиента — в этом случае банковская технология скоринга «под капотом» поможет проанализировать кредитный рейтинг потенциального клиента и решить, давать покупателю рассрочку или нет.

Автоматизирует бизнес-процессы. Большие данные помогают вести отчётность, упрощают подбор персонала и анализируют работу сотрудников. 

Пример. Компания Stafory набирает сотрудников с помощью робота-рекрутера Веру. Он сортирует резюме, обзванивает потенциальных кандидатов и выделяет среди них наиболее заинтересованных людей в работе. Этот робот помог PepsiCo заполнить 10% от необходимых вакансий.

Улучшает персонализацию. На основании данных о пользователе и его предпочтениях технологии больших данных компании могут предлагать своим клиентам персонализированные услуги. 

Пример. Разработчик СRМ-систем встроил технологии Big Data в свои продукты. Теперь компания собирает больше информации о клиентах и показывает персональные рекомендации в CRM по каждому их них. Работает просто: менеджер компании звонит покупателю при подтверждении заказа и предлагает ему дополнительный товар по акции, которым покупатель интересовался на другом сайте — информацию об этом он увидит в CRM.

Кроме того, анализ клиентов с помощью больших данных помогает в разработке новых финансовых продуктов, которые будут полезны клиентам.

Пример. Сеть магазинов строительных товаров интегрировалась с банком и получила доступ к большим данным. Теперь она может автоматически собирать информацию о своих клиентах и с помощью анализа и сегментации делить покупателей на группы.

Если клиент в последнее время часто покупает материалы для постройки дома, то, скорее всего, он строит дом — а, значит, ему можно предложить карту лояльности или бонусную программу на строительные материалы или оборудование для работ.

Кирилл Левин, генеральный директор ООО «Интеллектуальные разработки» Для больших данных финтеха собирают информации об истории транзакций, кредитном рейтинге, доходах, демографии (пол, возраст), поведении (например, какие праздники человек отмечает и когда ездит отдыхать) и биометрии (фото и голос) клиента.

Эти данные подаются на вход алгоритмов data mining: они очищаются, классифицируются и структурируются. Далее на их основе различные алгоритмы искусственного интеллекта строят прогнозные модели. Они помогают предугадывать глобальные финансовые тренды, помогать в принятии управленческих решений и значительно расширять клиентские сервисы.

Борется с мошенничеством. На основании анализа больших объёмов данных финтех-компании могут выявлять аномальные и мошеннические транзакции. Вот в чём дело: банк получает данные о клиентах и «запоминает» типичное поведение клиентов. И если с их стороны будут аномальные транзакции, банк автоматически распознает и заблокирует их. Это может помочь компаниям предотвратить потери и улучшить безопасность своих услуг.

Пример. Компания грузоперевозок выдаёт сотрудникам предоплаченные карты для трат во время командировок. Если мошенники получат доступ к карте сотрудника или он сам начнёт тратить деньги сверх лимита, банк заметит, что траты с карты не соответствуют его шаблонному поведению. И автоматически заблокирует карту сотрудника до выяснения обстоятельств..

Кирилл Левин, генеральный директор ООО «Интеллектуальные разработки»Сами по себе технологии больших данных от атак не защищают, но они могут играть существенную роль в идентификации и смягчении таких атак.

Например, они позволяют мониторить сетевой трафик (а это огромный массив информации) и предупреждать об аномальном поведении. Существуют специализированные программы, которые выявляют шаблоны, характерные для хакерских атак и предупреждать об этом заранее, пока ущерб минимален.

У больших данных есть маленькие недостатки

Долгий процесс разработки аналитической модели. Чтобы создать работающую аналитическую модель, придётся изначально собрать большой объём информации. Затем разработать модель обработки этих данных и прописать алгоритмы, по которым эти данные нужно анализировать. 

Кроме того, для разработки понадобится нанимать штат квалифицированных разработчиков. И скорость разработки напрямую будет зависеть от квалификации специалистов.

Разрабатывать собственную аналитическую модель необязательно — можно интегрировать в компанию чужую инфраструктуру с чужими мощностями. Например, в банковской сфере это работает в формате BaaS. Эта модель позволяет любым компаниям использовать банковские мощности и предлагать своим клиентам финуслуги на выгодных условиях.

Мы уже рассказывали в нашей большой обзорной статье, как BaaS помогает среднему и крупному бизнесу больше зарабатывать и снижать издержки. Обязательно почитайте, если хотите сделать бизнес более технологичным и рентабельным.

Работа с теми данными, которые даёт компания — даже если они ошибочные. Если изначально заложить неправильную модель анализа данных или задать неполную информационную базу, то и анализ информации о клиентах будет идти с ошибками. Технологии не смогут распознать, ложные данные или нет, — поэтому и работу будет строить на том, что есть.

Риск утечки конфиденциальной информации. Большие данные подразумевают сбор различной информации о клиентах. С одной стороны, это помогает повысить качество финансовых услуг за счёт персонализации и борьбы с мошенничеством. С другой стороны, из-за этого увеличиваются риски потери конфиденциальной информации пользователей.

Пример. В январе 2023 года исследователи из компании Recorded Future's Insikt сообщили, что в 2022 году на платформах даркнета продавали почти 60 млн записей о платёжных картах. Но и в этой ситуации есть положительные стороны — количество украденных карт снизилось на 40 млн по сравнению с 2021 годом, когда мошенники распродавали данные почти 100 млн карт.

Тимур Мухитдинов, Senior Software Development Engineer сервиса Booking.com Не бывает систем, которые невозможно взломать. При этом есть несколько общих подходов, которые повышают сложность взлома: управление доступом, обезличивание и шифрование данных, а также соблюдение определенных требований для защиты информации.

Управление доступом. Компании должны настраивать уровни доступа на основе ролей и обязанностей сотрудников.

Обезличивание данных. Информацию следует размещать так, что если злоумышленник получит доступ к системе, то увидит минимальный объём данных и не сможет понять, кому они принадлежат.

Шифрование данных. Информация должна передаваться и храниться в зашифрованном виде. А алгоритмы шифрования и ключи должны быть надежно защищены.

Соблюдение требований для защиты данных. Компании должны следовать международным стандартам вроде GDPR, ISO/IEC 27001, PCI DSS.

О Big Data в финтехе за 30 секунд

• Big Data — это огромный объём структурированной и неструктурированной информации, а также специальные технологии поиска, обработки и применения этой информации.

• Big Data в финтехе помогает бороться с мошенничеством, улучшает персонализацию, оценивает кредитоспособность клиента и автоматизирует бизнес-процессы.

• У больших данных есть маленькие недостатки: долгий процесс разработки аналитической модели, работа на основе ошибочных данных и риск утечки конфиденциальной информации о клиентах.