Този сайт използва бисквитки (cookies). Ако желаете можете да научите повече тук. Разбрах

Новини Технологии и концепции
бр. 3, 2017

Банките и големите данни - или как можете да знаете почти всичко за клиента

от , 20 март 2017 1 266 прочитания,

Познаването на историята на разходите на клиентите позволява да се предскаже, за какво те ще похарчат парите си в бъдеще

Банките вече доста отдавна консолидират огромни масиви с данни за клиентите, а съвременните технологии позволяват гъвкава работа с тях. Така възниква потенциал за оптимизация и допълнителна монетизация. Областите на приложение на подобни разработки са много - от маркетинга до сигурността, но в тази статия ще се фокусираме върху един от най-простите и резултатни варианти на прилагането на Big Data - а именно за продажба на допълнителни услуги на клиентите.

През последните години банките се конкурираха на първо място в привличането на клиенти. Сега, когато нивото на проникване на финансовите услуги е високо и да се намерят нови клиенти е все по-трудно, на първи план вече започва да излиза умението на банката да работи със съществуващата клиентска база. За целта институцията трябва да познава добре финансовите аспекти от живота на своите потребители – по възможност дори по добре, от самите тях.

Потребностите

И така, към момента, банките се намират в една донякъде парадоксална ситуация - притежавайки цялата необходима информация, те не разполагат с необходимите знания. Например, много средностатистически клиенти редовно получават предложения за кредити, които, първо, не са им необходими, второ - не могат да си позволят да изплащат. При това, ако за да се установи първото обстоятелство се изисква относително нетривиална обработка на данни, то второто е очевидно от трансакциите по банковата карта.

Възможностите

Съвременните методи за работа с данни позволяват да бъдат избегнати такива грешки. Освен това, познаването на историята на разходите на клиентите позволява да се предскаже, за какво те ще похарчат парите си в бъдеще. Ако разполагаме с такава прогноза, банките могат да предлагат на всеки клиент необходимия му продукт в подходящия момент - независимо дали това е банков продукт или предложение от партньори. Очевидно това е възможност за увеличаване на кръстосаните продажби и приходите, както и възможност за повишаване на клиентската лоялност. Използвайки този потенциал, банката се превръща от доставчик на краен брой финансови услуги в личен финансов съветник. Да бъде заменен такъв съветник с неговия конкурент е далеч по-трудно.


Примери

На първо място нека си спомним широко тиражираната история за търговската верига Target (въпреки че тя не е банка), която преди няколко години изпрати на своя млада клиентка каталог със стоки за бъдещи майки, преди самата клиентка да знае, че ще се нуждае от такива стоки. Алгоритъмът, анализиращ покупките на клиентите бе отнесъл младата жена в съответната категория, идентифицирайки нейните потребности преди самата нея.

Крупните банки по света вече също ползват подобни алгоритми.

>> Wells Fargo въведе подобни технологии още през 2004 г. Обединявайки информация за трансакциите и информация постъпваща от клиента, банката започна оперативно да отправя към потребителите целенасочени предложения. Това позволи на Wells Fargo да продава средно по 4 различни продукта на всеки свой клиент, докато средната стойност на този показател за банките е 2,2.

>> Испанската банка Santander е още един пример. Всяка седмица тя изпраща на своите подразделения списък с клиенти, заинтересовани от един или друг банков продукт. Например, за да бъдат определени клиентите, за които в даден момент е актуална услугата застраховане на недвижима собственост, се вземат тези от тях, които напоследък са извършили трансакция за доста голяма сума. Подобни хипотези, в повечето случаи, не изискват създаване на сложни алгоритми, а при това са доста ефективни.

>> Citigroup Сингапур стига дори по-далеч от испанската банка в анализите на информацията за клиентите. По данни за трансакциите, тяхното местоположение и време на денонощието, по което те са преведени, банката си прави изводи за предпочитанията на клиента и му отправя индивидуални предложения. Например ако харесвате италианската кухня (т.е. плащали сте в италиански ресторанти) и по обяд сте платили с карта такси, с което сте пътували до място в близост с италиански ресторант, с който банката има партньорско споразумение, вие ще получите SMS или push-известие от мобилното банково приложение със специално предложение за отстъпки в това заведение.

В заключение

Могат да бъдат приведени още много примери, илюстриращи потенциала на Big data технологиите за повишаване на продажбите на допълнителни услуги на клиентите. В същото време и по света и у нас, банките, които развиват проекти в сферата на големите данни все още са малко на брой, на фона на останалите. Основните причини за това са, че Big data проектите са сравнително скъпи и че компетентните специалисти в тази сфера са дефицитни. Несъмнено през следващите 1-2 години все повече финансови институции ще работят за преодоляването на тези предизвикателства и оползотворяване на възможностите, предоставяни от анализите на големи данни. Според прогнозите на IDC, през 2019 г. банковият сектор ще бъде вторият най-голям потребител на Big data технологии, инвестирайки в това направление $22,1 млрд. и изпреварван единствено от сектора на дискретното производство, с разходи $22,8 млрд.

Източници:

[1] “Worldwide Big Data and Business Analytics Revenues Forecast to Reach $187 Billion in 2019”, IDC, May 2016

[2] How the Chief Data Officer at Wells Fargo Views Big Data, Platfora.com, March 2015

КОМЕНТАРИ ОТ  

КОМЕНТАРИ

 
  
06:12, 13 април 2017 # 1
Трябва да сте регистриран потребител, за да коментирате статията
"Банките и големите данни - или как можете да знаете почти всичко за клиента"



    

Полезни страници
    За нас | Аудитория | Реклама | Контакти | Общи условия |
    Действителни собственици на настоящото издание са Иво Георгиев Прокопиев и Теодор Иванов Захов