Analityka Big Data strategicznym narzędziem rozwoju nowoczesnego banku

2

IMG_1622_doneKompleksowe i innowacyjne wykorzystanie dostępnych danych decyduje dziś o bezpieczeństwie, konkurencyjności i satysfakcji klientów instytucji finansowych

Nie minął jeszcze rok od zdobycia przez Blika prestiżowej nagrody Efmy – organizacji skupiającej ponad 3,3 tys. instytucji finansowych z ponad 130 krajów – w konkursie „Distribution & Marketing Innovation in Retail Financial Services”, a PKO Bank Polski może się poszczycić kolejnymi innowacyjnymi projektami. Tym razem ich charakter jest nieco inny, nakierowany na osiągnięcie doskonałości operacyjnej organizacji i związanego z tym wzrostu satysfakcji i lojalności klientów banku. Nowoczesna bankowość detaliczna korzysta z dobrodziejstw digitalizacji, umożliwiającej powstawanie i powszechne korzystanie z takich aplikacji jak Blik. Jednakże narażona jest na nowe zagrożenia wynikające z przekazania klientom wielu narzędzi i uprawnień do samoobsługi produktów bankowych, do niedawna zarezerwowanych wyłącznie dla pracowników banku. Do tego dochodzą hiperkonkurencyjny rynek i ogromna presja na poprawę efektywności. Szansą na neutralizację zagrożeń i uzyskanie przewagi konkurencyjnej jest nowatorskie wykorzystanie ogromnych wolumenów danych produkowanych przez zdigitalizowany bank – tzw. Big Data.

Analitycy firmy Gartner (badanie Gartner Research na panelu Circle Members, 2015) szacują, że ok. 44 proc. banków na świecie już zainwestowało w przetwarzanie i wykorzystanie Big Data w codziennym biznesie, a kolejne 31 proc. planuje takie inwestycje w tym roku i kolejnym. Niestety, większość wdrożeń ma charakter izolowanych projektów, adresujących wybrane potrzeby biznesowe, przez co ich wpływ na kluczowe wskaźniki efektywności banku jest ograniczony, a ekspozycja na poziomie zarządu niewielka. Tylko najbardziej innowacyjne organizacje, takie jak HSBC i Commonwealth Bank of Australia (CBA), potraktowały analitykę Big Data jako kluczowy instrument budowania strategicznej przewagi konkurencyjnej. W ramach tak zdefiniowanej strategii wdrażane są oparte na analityce Big Data kompleksowe programy, znajdujące się na stałe w agendzie zarządów. Z badań Capgemini (Aureus Insights przy współpracy Capgemini-consulting, 2015) wynika, że zintegrowane podejście do analityki Big Data daje o 60 proc. wyższy zwrot z inwestycji niż w przypadku izolowanego podejścia projektowego.

Trzy kluczowe obszary zastosowań
W najszerszym i najdojrzalszym ujęciu banki implementują rozwiązania oparte na analityce Big Data w trzech obszarach o największym potencjale: kompleksowym zarządzaniu ryzykiem, cyberbezpieczeństwie oraz zarządzaniu wiedzą o kliencie i relacjami z klientem. Dotychczas domeny te traktowane były jako wyizolowane obszary biznesowe, a przynajmniej takie silosowe podejście dominowało do tej pory w praktyce bankowej. W nowym podejściu wszystkie te obszary mają wspólny mianownik, a elementem spajającym jest szczegółowa i kompleksowa wiedza o kliencie dostępna w czasie rzeczywistym. Ta sama informacja, ale wykorzystywana w różnych ujęciach, pozwala na bardziej elastyczne zarządzanie ryzykiem kredytowym, płynności i operacyjnym, skuteczniejsze wykrywanie nadużyć i cyberzagrożeń oraz lepsze, kontekstowe dopasowanie portfela produktów dla klienta.

Taką drogą strategicznego wykorzystania analityki Big Data podąża PKO Bank Polski, co pozycjonuje go w gronie najbardziej innowacyjnych instytucji finansowych. Wszystkie trzy wymienione powyżej obszary są obecnie w końcowej fazie modernizacjina podstawie analityki Big Data. Strategicznym partnerem Banku jest SAS Institute, który dostarczył niezbędną technologię oraz know-how i najlepsze praktyki ze swoich wdrożeń na świecie.

Zapobieganie nadużyciom
I tak system Enterprise Fraud Management to złożone rozwiązanie mające na celu zapobieganie nadużyciom i wyłudzeniom. Ze względu na zróżnicowanie metod oszustów banki z reguły utrzymują kilka odseparowanych systemów monitorujących nadużycia na wnioskach kredytowych, nadużycia transakcyjne w bankowości elektronicznej i nadużycia kartowe. Ponieważ każdy z takich systemów zwykle działa autonomicznie, na podstawie dedykowanych, specyficznych informacji, uzyskanie kompleksowego obrazu łączącego informacje z różnych obszarów nadużyć jest mocno utrudnione.

W PKO Banku Polskim postawiono na rozwiązanie zintegrowane. Dla przykładu zaawansowane algorytmy poprzez eksplorację terabajtów danych zgromadzonych w banku identyfikują podejrzane powiązania i prezentują je graficznie w postaci sieci powiązań. Dzięki wizualizacji możliwe jest szybsze i bardziej efektywne diagnozowanie nowych form i sposobów wyłudzeń. Jednocześnie analityka, wykorzystywana w czasie rzeczywistym do monitorowania transakcji pod kątem ryzyka wystąpienia nadużyć, pozwala na podjęcie trafnej decyzji o ewentualnej blokadzie transakcji, zanim środki finansowe zostaną wyprowadzone z rachunku klienta.

Zarządzanie relacjami z klientem
Podobne podejście, ale w zupełnie innym celu, przyświeca modernizacji systemu do zarządzania relacjami z klientem. Kluczem jest kompleksowa wiedza o nim i możliwość jej wykorzystania w odpowiednim momencie, w czasie rzeczywistym. Współczesny klient większość swych kontaktów z bankiem realizuje w kanałach cyfrowych, a ich częstotliwość jest nieporównywalnie większa od tradycyjnych. Zaawansowane algorytmy analityczne umożliwiają budowę szczegółowego profilu klienta, uwzględniającego jego potrzeby, preferencje i możliwości. Wykorzystanie tych algorytmów na ogromnym wolumenie danych transakcyjnych pozwala na odkrywanie czasem nieintuicyjnych ścieżek i interakcji klientów, które prowadzą do zdarzeń pożądanych (np.zakupu produktu) i tych, którym bank chce przeciwdziałać (np. rezygnacji). Spersonalizowana oferta uzależniona jest od aktualnego kontekstu i kanału kontaktu. Dla klientów PKO Banku Polskiego oznacza to zintegrowaną i komfortową obsługę. Dla przykładu klient, który właśnie przekroczył próg określonego rodzaju wydatków w danym miesiącu, może otrzymać natychmiast propozycję „pomostowego” kredytu konsumpcyjnego lub czasowego powiększenia salda debetowego.

Zarządzanie ryzykiem
Trzeci z obszarów – zarządzanie ryzykiem – również w istotnym stopniu opiera się na detalicznej wiedzy, zarówno o portfelu posiadanych instrumentów, jak i o kliencie, co jest kluczowe zwłaszcza w obszarze zarządzania ryzykiem kredytowym. W obszarze zarządzania aktywami i pasywami, w tym zarządzania ryzykiem płynności i ryzykiem stopy procentowej oraz wyceny instrumentów finansowych, do przeliczeń są obecnie wdrażane silniki analityczne SAS działające na zgromadzonych danych Big Data. Zaawansowane podejście do analiz symulacyjnych oraz testów warunków skrajnych w połączeniu z monitorowaniem zarówno wewnętrznych, jak i obligatoryjnych wskaźników ryzyka wraz z możliwością zejścia od wyników ogólnych do poziomu pojedynczejtransakcji zapewni, że decydenci na czas uzyskają kompleksową wiedzę niezbędną do podejmowania decyzji biznesowych w zakresie struktury portfela.

Dzięki wprowadzeniu wysokich standardów zarządzania ryzykiem operacyjnym oraz automatyzacji procesów operacyjnych i wykorzystaniu analityki SAS w zakresie ryzyka operacyjnego PKO Bank Polski uzyskał zgodę regulatora na wykorzystanie metody zaawansowanego szacowania kapitału (AMA), która gwarantuje bankowi większą elastyczność inwestycyjną i bardziej efektywne wykorzystanie, jakże cennego w dzisiejszych niestabilnych czasach, posiadanego kapitału.