Интервью с Chief Data Officer
Альфа-Банк является одним из лидеров по работе с большими данными. Крупнейший российский частный банк успешно реализует стратегию управления данными для создания ценности клиенту. Имея более 15 млн клиентов — физических лиц, банк ставит перед собой задачу существенно увеличить активную базу клиентов, в том числе благодаря технологическим платформам Oracle Exadata и Oracle Big Data Appliance, на которых «живут» и «работают» данные и модели. Как в Альфа-Банке любят, понимают и монетизируют данные, и как стать успешным Chief Data Officer, рассказывает Ирина Елистратова, главный директор Центра по управлению и монетизации данных Альфа-Банка.
Какую роль сегодня играют информационные технологии в работе профессионального финансиста?
В финансово-кредитных организациях технологии всегда оказывали и оказывают ключевое влияние на бизнес. Приоритетными направлениями развития технологий всегда были инфраструктура, безопасность, управление сервисами и приложениями. Но если ранее фокус был на автоматизацию банковских продуктов — платежей, кредитов, вкладов и т.д., — то есть банку важно было автоматизировать то, что он предлагает, сейчас важнее, как банк предоставляет услуги клиенту. Необходимо упростить взаимодействие с клиентом, стать существенно ближе к нему. Банки серьезно вкладываются в диджитализацию своих услуг, происходит переход на взаимодействие с клиентами онлайн, например, с помощью мобильных приложений. Именно здесь помогают технологии, в том числе, обеспечивающие дистанционную аутентификацию.
Маржинальность банковского бизнеса существенно снижается, а конкуренция становится все выше и выше. Еще некоторое время назад люди знали, что если есть накопления, сбережения, то это Сбербанк, а если нужна бытовая техника в кредит (экспресс-кредитования в торговых сетях), то это Банк «Русский Стандарт» или Альфа-Банк, или Хоум Кредит. Сейчас почти все банки предлагают полный перечень финансовых и частично нефинансовых услуг, которые нужны клиенту. В наш технологичный век все продукты легко и быстро копируются. За клиента идет борьба, и побеждает тот, кто делает это быстрее, «вкуснее» и удобнее для клиента и, что немаловажно — выгоднее для себя.
Технологии меняют способы привлечения и удержания клиентов, а также продвижения банковских услуг. Это все позитивно влияет на лояльность клиентов и серьезно сокращает затраты банка
Есть ли у Альфа-Банка цифровая стратегия? Какие этапы цифровой трансформации бизнеса обозначил для себя банк?
Сегодня многие понимают, что компании, в стратегии которых, не лежит цифровая трансформация бизнеса, завтра просто исчезнут под давлением новых рыночных реалий.
Модели потребления продуктов существенно меняются во всех сферах: банки, телекоммуникации, ритейл, страхование, промышленность. Уже каждый человек вне зависимости от возраста, в той или иной мере пользуется гаджетами и современными цифровыми сервисами, начиная от телевидения, музыки, книг, до потребления чисто интернет-услуг.
В связи с этим, возможно, кто-то и не называет напрямую свою стратегию цифровой трансформацией бизнеса, но все ключевые компоненты цифровой трансформации точно реализуются в современных организациях и Альфа-Банк не исключение.
В моем понимании есть несколько ключевых компонентов цифровой трансформации. Первый — это клиентоцентричная модель, в которой сервисы создаются исходя из того, что потребности клиента находятся в центре. Второй компонент — это люди — новая HR-стратегия, новые компетенции и культура инноваций по всей организации. Третий — работа с данными, их накопление и управление ими. Четвертый — это внедрение инноваций, которое предполагает постоянную работу над поиском новых направлений развития бизнеса, пилотирование новых гипотез. Следующий компонент — создание ценности, т.е. когда именно digital становится ценностью для клиента. И наконец — партнерство, когда создание новых продуктов происходит путем интеграций с другими сервисами и компаниями-партнерами.
Важно, что это командная работа всей организации: бизнес, маркетинг, ИТ, HR, подразделение, ответственное за данные, и другие подразделения вовлечены в трансформацию. Они вместе реализуютя набор инициатив в бизнесе, в продуктах, каналах. Данные тут — лишь часть процесса.
Какое место в этом процессе занимает Центр по управлению и монетизации данных?
В начале 2017 года при определении долгосрочной стратегии развитии Альфа-Банка, среди топ-10 ключевых стратегических инициатив была утверждена Стратегия Центра. Когда мы определяли какие бизнес-цели должны быть поддержаны Центром в первом приоритете, то сфокусировались на построении долгосрочных отношений с клиентами и увеличении количества активных клиентов. Мы назвали ее — «Стратегия управления данными для создания ценности клиенту».
Главная идея состоит в том, не продукт, а именно клиент находится в центре. И только правильная работа с клиентом на всех этапах жизненного цикла поможет банку сохранить существующих, привлечь новых и в результате кратно увеличить клиентскую базу в долгосрочной перспективе. Мы сформулировали конечную цель — клиент получает релевантные решения повседневных и долгосрочных задач в удобное время и удобным способом.
Стратегическая инициатива состоит из четырех ключевых блоков и ее реализация поддержана как набором определенных проектных инициатив, так и организационно.
Первый блок: накопление данных (гибридная архитектура DWH+Hadoop)
Когда мы определили, что хотим лучше знать клиента мы поняли, что значительную часть информации, которую он нам оставляет, мы не сохраняем и не используем, например, такую важную — как все коммуникации клиента с банком.
Исторически в Альфа-Банке есть единое централизованное хранилище данных (DWH), которое мы постоянно развиваем, запуская новые проекты и подключая новых внутренних клиентов — финансы, казначейство, продукты, продажи и т.д.
Мы поняли, что накопленная, очищенная, структурированная информация в хранилище, такая как сведения о счетах, остатках, клиентах, продуктах и др., является «ядром» развития больших клиентских данных и должна дополняться новыми детальными данными. Поэтому к классическим задачам дирекции BI — построение отчетности, витрин, подготовка аналитики, — мы добавили новые задачи и новое подразделение, отвечающее за развитие и наполнение больших данных на платформе Big Data (Hadoop). Центр BI, который до этого в основном работал на внутренних клиентов, потребителей из подразделений банка, превратился в центр, который в том числе помогает зарабатывать бизнесу и доставлять ценность конечному клиенту.
Второй блок: золотая запись клиента, качество и управление данными
Важный элемент при работе с клиентом — знание клиента и возможность оперативно и согласованно реагировать на все коммуникации с ним в различных каналах. Клиенты называют это — «приятно, когда банк меня узнает». Мы внутри банка это называем «построение золотой записи клиента», «управление данными клиента», «работа с качеством и актуальностью клиентских данных».
То есть мы, как банк, должны хорошо идентифицировать разные активности пользователя, понимая, что это действительно один клиент, не терять знания о нем, полученные в момент продажи и обслуживания разных продуктов в разных каналах. Особенно это важно в онлайн.
Мы трансформировали Дирекцию качества и управления данными — подразделение, отвечающее за качество финансовых, сделочных аналитик. Набрали команду, которая серьезно сфокусируется именно на клиентских данных. Это подразделение возглавляет проект по созданию расширенного профиля клиента Client 360, выстраивает процессы Data Governance по всей организации, работает с качеством клиентской информации и создает политики ее обогащения и актуализации.
Третий блок: глубокая аналитика (Data Science): сегментация, поиск гипотез и построение моделей
Данные должны работать! А это значит, что кто-то должен помогать им работать. Мы создали новое подразделение в банке, Управление инноваций и монетизации, собрав команду специалистов по Data Science, которые, на основании накопленных данных, исследований, методов машинного обучения строят «модели лучшего» — лучшего продукта для клиента, лучшего канала коммуникаций, времени звонка или СМС, аргументов коммуникации, поведенческой сегментации. Все это строится на основании богатых накопленных данных, методов машинного обучения и, что самое главное, на основании глубокой экспертизы команды.
Четвертый блок: развитие отношений с клиентом (Next Best Action)
Основная задача подразделения — внедрить инфраструктуру создания и доставки ценности клиенту через банковские и партнерские предложения для решения его повседневных и долгосрочных задач.
В это подразделение входит проектный лидер со стороны бизнеса и проектная команда, которая отвечает за внедрение подходов Next Best Action — «следующее лучшее действие» для клиента. Подразделение отвечает за трансформацию процессов, подходов и платформ, используемых при работе с клиентом, от продвижения продуктов к событийными real-time и offline-кампаниям, закрывающим потребность клиента.
Это подразделение формирует конечный набор действий и коммуникаций, которые улучшают взаимодействие клиента с банком во вторичных продажах, в процессах привлечения, в работе с сегментацией клиентов и т.д. По сути, оно осуществляет имплементацию экспертизы и трудов всех предыдущих блоков в повседневную деятельность взаимодействия клиента с банком
Все эти блоки мы объединили в Центр по управлению и монетизации данных.
Планирует ли Альфа-Банк использовать возможности Big Data в корпоративном сегменте?
Для Альфа-Банка развитие Big Data для клиентов — физических лиц и работа с малым бизнесом являются первым приоритетом. Количество предпринимателей в РФ достаточно большое. Их поведение в чем-то схоже с поведением физических лиц, но есть часть бизнеса в этом сегменте, когда поведение и потребности предпринимателей в финансовых услугах ближе к крупным юридическим лицам. Инструменты Big Data и аналитика помогут работать банку с малым бизнесом эффективнее, предоставляя им удобные финансовые инструменты. Если говорить о крупным корпоративном секторе, то здесь основную роль играют персональные менеджеры, которые хорошо знают своих клиентов, и их подход уникален для каждого клиента. Количество крупных корпоративных клиентов на территории РФ не очень большое, поэтому модели склонности к продукту, модели обслуживания, построенные на Big Data здесь не работают.
На рынке сейчас заметно изменение отношения к данным: «данные как источник прибыли», «данные как актив», «данные как конкурентное преимущество». Как это реализуется в Альфа-Банке?
Если мы говорим про данные как источник прибыли, то внутри финансовых организаций это связано с тремя большими направлениями.
Первое — все, что касается развития отношений с клиентами. Их привлечение, развитие услуг и сервисов для них, увеличение срока жизни клиента в Банке, снижение неэффективных коммуникаций, затрат, сокращение оттока и т.д.
Второе направление — управление рисками, борьба с мошенничеством, сегментация и оценка кредитоспособности клиентов. Стандартные методы, такие как запросы в бюро кредитных историй, действительно помогают банкам, они дают базовые знания о платежеспособности клиента, но поведенческие характеристики клиента становятся настолько важными для улучшения его понимания, что без технологий и работы с большими данными сделать невозможно.
Третье направление — повышение эффективности процессов, которые есть в банке. Регулярно повторяющиеся операции с помощью Big data, а в будущем и искусственного интеллекта, можно автоматизировать, и где-то уже сейчас искусственный интеллект заменяет ряд операций, выполняемых людьми.
Альфа-Банк на текущий момент достаточно серьезно сконцентрировался на первых двух направлениях. Все эксперименты и работающие процессы живут на Hadoop в Oracle Big Data Appliance. В качестве инструментов обработки данных и построения моделей мы используем Spark, Hive, Impala Python. Третье направление находится в стадии накопления данных и пилотирования, но уже в текущем году и здесь стартует ряд конкретных проектных инициатив.
Какие результаты от использования Big Data вы получили?
Поскольку в 2018 году мы сфокусировались на построении долгосрочных отношений с клиентами с клиентами именно розничного бизнеса, то и результаты находятся в этой области.
В части проектов, которые уже запущены, отклик и попадание в релевантность были увеличены от 25% до 40%. Это коррелирует с увеличением прибыли в кросс-продажах примерно в том же объеме.
Еще одну из задач, которую мы ставили для себя — сокращение спама для клиента. Результат мы получили, собрав все отклики клиента, включая негативные, во всех каналах, и смогли построить модели лучшего канала и лучшего времени коммуникаций для каждого клиента.
Ранее у нас были плановые коммуникации, когда мы разбивали клиентов на крупные группы и применяли к ним несколько стратегий коммуникаций: например, мы ставили клиенту сначала звонок, потом смс, e-mail. Мы смогли персонально определить лучший канал и лучшее время для каждого клиента. По мере постоянного накопления и обогащения данными все больше и больше клиентов будут чувствовать снижение спама, а банк уже начал ощущать сокращение затрат.
Сейчас мы пилотируем различные модели точечных sales-аргументов, определяющих не только «лучший следующий продукт», но и лучшие аргументы для его продажи. Выявленная потребность и понимание правильного поведения клиента на основании больших данных повышают открываемость и читаемость сообщений в 2,5-3,1 раза, а в конечном итоге это влияет на доходы банка и снижение затрат. Мы ожидаем, что к середине года тиражируем такие модели на всю клиентскую базу.
А как технологически это все реализовано?
Данные «живут» в едином корпоративном хранилище данных. С точки зрения технологий мы используем комбинацию оптизированных программно-аппаратных комплексов Oracle Exadata и Oracle Big Data Appliance — на них консолидировано 60-70% всех данных, которые были накоплены банком более чем за 10 лет.
Oracle Exadata служит в качестве классического хранилища данных (Data Warehouse, DWH) — для сбора, очистки, преобразования и агрегирования больших массивов структурированных данных. Комплекс зарекомендовал себя как эффективная платформа для расчета различных аналитических показателей, например, таких, как кредитный портфель, доходность продукта, доходность клиента, включая доходность клиента физического лица, расчет Unit Cost операции и т.д. На DWH построены витрины данных для поддержки кросс-продаж, взыскания просроченной задолженности, расчета и управления процентным риском и др.
На Oracle Big Data Appliance в Hadoop живут модели и мы тут применяем машинное обучение. Здесь размещаются структурированные и неструктурированные данные в виде файлов с информацией о клиентах. Технологии Big Data позволяют ускорить доступ к глубокой истории и сократить затраты на дисковое пространство при хранении больших массивов данных. Мы активно их используем при построении моделей машинного обучения в интересах розничного бизнеса — для улучшения предлагаемых клиентам продуктов, оптимизации коммуникационных каналов и т.д.
Планируете ли вы перевести аналитику в облако?
Персонализация, событийные кампании, релевантность предложений для клиента — все это возможно только при использовании data-driven подхода. Это значит, нам нужно все больше и больше знать о клиенте, а не о продуктах, счетах, остатках, нам нужна детальная клиентская аналитика, включая его поведение в мире offline и в мире online.
Потенциально облако может стать более эффективным решением с точки зрения затрат. Но, в то же время, именно клиентская информация является наиболее уязвимой как с точки зрения хранения и обработки персональных данных, так и банковской тайной. На сегодня у нас нет однозначного ответа. Решение, двигаться ли в публичное облако, или двигаться в локальное облако внутри Альфа Банка или идти по какому-либо иному пути, банк примет, взвесив все «за» и «против».
Специалист по Big Data – одна из самых востребованных профессий в России сейчас. Как Вы формируете свою команду, обучаете и повышаете профессиональный уровень?
Действительно, они очень востребованы. В Управление инноваций и монетизации мы начали набирать сотрудников из разных предметных областей: банки, телеком, интернет-компании типа «Яндекс», Rambler и др. И это очень полезно и важно для хорошего понимания поведенческих данных. Часть специалистов выросли внутри Альфы. Это те ребята, которые влюблены в данные, они занимались самообучением, дополнительным образованием. Они стали ядром команды, так как глубоко и хорошо знают бизнес-процессы розничного бизнеса банка и уже к ним добавлялись новые подходы и экспертиза ребят из других отраслей.
Поиск новых специалистов почти со студенческой скамьи — это важно, потому что все равно их лучше выращивать в определенной предметной области. Мы планируем продолжить работать с вузами, приглашать студентов на стажировку.
Вы – успешный руководитель и высокий профессионал. Могли бы дать совет, как стать Chief Data Officer и каковы секреты этой профессии?
Надо действительно любить данные и понимать их специфику. Я около 8 лет работала в сотовой связи, и уже более 12 лет в банковской сфере.
Важно понимать суть бизнеса и его основные драйверы, так же важно понимать ключевые бизнес-процессы организации, так как без этого сложно понять, как они могут быть поддержаны данными. Цифровизация телекоммуникационных компаний и банков достаточно высока, но даже здесь существуют пробелы, где процесс есть, а данные в виде цифр все равно не живут. Главный по данным должен знать, как эти проблемы можно устранить, с чего важно начать, какая боль затрагивает большее количество подразделений, какие улучшения принесут «выздоровление», а значит и рост бизнеса и как разные подразделения, участвующие в процессе, могут друг другу помочь.
И еще одна важная вещь – уметь разговаривать на одном языке со всеми подразделениями в организации от уровня аналитика/ разработчика/специалиста до уровня руководителя, включая топ-менеджмент. Нужно уметь быть таким лидером, который лоббирует, переводит, объясняет как знание технологий, бизнес-процессов может повлиять на такие обычные и понятные показатели оценки бизнеса, как прибыль, эффективность, рост отклика и т.д. Chief Data Officer (CDO) должен быть синхронным переводчиком с разных языков людей-экспертов разных функций как по всей вертикали организации, так и наоборот — по всей ее горизонтали, т.к. у каждого отдела, подразделения своя специфика.
Источник: блог Oracle