Павел Карайван: «Большие цифры позволяют строить успешные стратегии»

— Какие технологии использует банк для анализа поведения клиентов?

— Мы используем системы умного профилирования, основанные на актуализации и аналитике Big Data. Все данные о клиентах фиксируются в базах данных, а затем обрабатываются с помощью специальных средств анализа больших данных (ML-модели). Важно, что мы эти инструменты разрабатываем самостоятельно при поддержке внутренних специалистов банка. Результат — глубокое понимание логики поведения клиентов и их предпочтений. От выбираемых магазинов до регулярных платежей.

— Как именно вы используете полученную информацию в работе?

— Во-первых, для формирования актуальных продуктов и услуг. Анализируя выбор клиентов, мы видим интерес к тем или иным сервисам в зависимости от сезона и даже дня недели. На основе полученных данных можно формировать группы пользователей и выдвигать гипотезы о том, какие продукты и услуги будут интересны различным категориям клиентов, учитывая их возраст, семейное положение и финансовое состояние. Эти сведения крайне полезны для продуктовых доработок, разработки привлекательных акций или расширения партнерской сети банка.

Например, наши облигации и вклады с привязкой к ключевой ставке ЦБ. Анализируя риск-профиль и корректировки портфелей, мы поняли, что инвесторы, да и вкладчики, ищут способ зафиксировать доходность в долгосрочной перспективе, а не следить за всем рынком и менять один продукт на следующий с более выгодной ставкой. Как только мы внедрили инструменты, способствующие получению доходности, релевантной в любой момент времени основному индикатору денежно-кредитной политики, увидели и рост портфеля этих продуктов. На текущий момент он составляет 1,8 трлн рублей.

Во-вторых, для создания уникальных решений. На основании накопленной информации мы делаем персональные предложения клиентам, прогнозируя личные будущие потребности. Например, если недавно состоялось бракосочетание, можем предположить, что скоро потребуется ипотечный кредит, и предложить соответствующий продукт.

В-третьих, управление большими данными помогает предотвращать оттоки клиентов и средств. Строя прогностические модели, наблюдая, как клиент, например, сокращает объем подписок на платные сервисы, мы можем своевременно передать сигнал его менеджеру. Информация автоматически появляется у специалиста, далее он может предложить индивидуальные условия, чтобы заинтересовать и убедить продолжать обслуживание в банке.

— А есть ли риски хранения такой детализированной информации?

— Это вопрос работы с ней и базовой степени безопасности. Контур банка ВТБ был полностью переведен на отечественные IT-решения. Работа специальных подразделений по защите данных от мошенников и информационных утечек усилена сопутствующими решениями: страховками от мошеннических действий и активным внедрением программ финансовой грамотности. С точки зрения развития партнерской сети банк проводит тщательную проверку каждой компании со стороны и службы безопасности, и юридической службы. Такие подходы показывают зрелость аналитических систем и их готовность к дальнейшему развитию.