Предиктивная аналитика может стать жизненно важным инструментом для сектора финансовых услуг. Адам Майер, старший менеджер компании Qlik, рассказывает на портале Information Age о преимуществах, которые она может принести.

Сфера финансовых услуг переполнена данными. Из всех отраслей именно она собирает больше всего информации о своих клиентах. Кроме того, это одна из отраслей, которую ждут большие перемены, поскольку ускоряющиеся темпы технологического развития требуют новых бизнес-моделей и навыков, которые определяют эволюцию услуг и продуктов, предоставляемых клиентам.

Имея под рукой все эти данные, компания имеет все возможности для того, чтобы ответить на этот вызов с поднятой головой, не так ли? Конечно, отрасль хочет наилучшим образом использовать свои данные. Что же удерживает организации, работающие в сфере финансовых сервисов, от внедрения последних инноваций в области данных и аналитики? Отсутствие доверия и регуляторные риски.

Недостаток доверия исходит как от клиентов, так и от ИТ-руководителей организаций, предоставляющих финансовые сервисы. Доверие клиентов к банкам низкое, до такой степени, что согласно Accenture за последние пять лет только 14% потребителей обратились за помощью в банк, столкнувшись с финансово значимым событием в жизни. Чтобы восстановить доверие, финансовые организации должны доказать потребителям, что они способны каждый раз принимать наиболее точные и последовательные решения. Это может быть непросто при внедрении все более совершенных аналитических решений, таких как предиктивная аналитика и машинное обучение, которые отодвигают человека на шаг дальше от процесса принятия решений.

Ричард Спейгал, руководитель BI Centre of Excellence в британском Nationwide Building Society, признает: «Если вы не можете объяснить, как построены модели и как они работают, всегда будет существовать вопрос доверия».

Работа в высокорегулируемой отрасли также привносит дополнительные сложности, настолько, что 46% ИТ-лидеров в сфере финансовых сервисов считают, что нормативное бремя предиктивной аналитики перевешивает ее преимущества.

Проблемы, связанные с доверием и регулированием, вполне понятны. Тем не менее, если финансовые организации хотят двигаться вперед, используя имеющиеся у них данные с наибольшей пользой, им придется найти способ преодолеть их. Начать надо обеспечения того, что эти решения не будут пущены на самотек. В конечном счете, управление их результатами должно осуществляться человеком, который может задавать вопросы и определять наилучший подход на основе информации и своего опыта.

Но как объединить машинный и человеческий интеллект, чтобы не перегружать сотрудников, добавляя дополнительные шаги в процесс принятия решений? Одним из решений является интеграция предиктивной аналитики в существующие платформы бизнес-аналитики (BI), которые используются сотрудниками всех уровней почти во всех организациях, предоставляющих финансовые сервисы. Это поможет демократизировать доступ к мощным аналитическим результатам, а также организовать управление, обеспечивающее надежный контроль над каждым принятым решением. Решением, которому может доверять сотрудник, его руководство и — что самое важное — клиент.

Конечно, я упрощаю. В реальности осуществить эту интеграцию несколько сложнее. В чем же секрет того, как сделать это правильно и использовать потенциал, который она дает? Есть два ключевых момента.

1. Начните с конвейера аналитических данных

Если вы хотите улучшить результаты своей аналитической деятельности, то первым делом необходимо построить высокопроизводительные конвейеры аналитических данных, предоставляющие данные в режиме реального времени. Какова конечная цель аналитики в организации? Предоставление сотрудникам возможности предпринимать обоснованные действия. Что, если бы вы могли позволить оперативно принимать меры, основываясь на анализе и проактивных предупреждениях, которые подпитываются гиперконтекстными данными в реальном времени? Если вам удастся этого добиться, то именно тогда вы сможете перейти от пассивного режима потребления данных с помощью бизнес-аналитики к состоянию активного интеллекта. Однако это достижимо только в том случае, если конвейер надежен. В противном случае, как вы можете быть уверены в том, что действия предпринимаются на основе правильных данных?

Именно здесь многие компании сталкиваются с трудностями. С интеграцией данных в конвейер, а затем с достаточной надежностью их предоставления для использования в программах предиктивной аналитики. Это приводит к опасениям относительно качества данных, вопросов конфиденциальности и скорости процесса интеграции.

Как сказал Ник Блюден из Lloyds of London, «сами данные не являются самой ценной частью; важно то, что вы с ними делаете». Поэтому очень важно инвестировать в весь процесс, который поможет преобразовать необработанные данные в готовые для бизнеса, достоверные инсайты.

2. Расширяйте возможности своих сотрудников

Естественно, мы чувствуем себя более уверенно при использовании чего-либо, если мы это что-то понимаем. Поэтому неудивительно, что вторым моментом является грамотность в области данных.

Предиктивная аналитика позволяет пользователям принимать более эффективные решения на основе имеющихся данных с учетом того, что уже произошло и что может произойти. А такие решения могут быть приняты только в том случае, если сотрудники понимают, с чем они работают.

Им необходимы хорошие навыки работы с данными, чтобы понимать их, оспаривать и предпринимать действия на основе полученных данных, а также более глубокие способности осознавать ограничения и ставить под сомнение результаты прогнозной аналитики. В конце концов, точность прогноза зависит от данных, на которых он основывается, поэтому его эффективность может пострадать во время аномальных событий или из-за внутренней предвзятости набора данных.

Сотрудники должны быть уверены в своем понимании данных, чтобы подвергать сомнению вытекающие из них выводы. Это особенно актуально, когда решения могут напрямую влиять на жизнь клиентов, особенно сильно влияние решений, принимаемых в финансовом секторе — от согласия на овердрафт и доведения его до выплаты до своевременного одобрения заявки на ипотеку. И когда они сталкиваются с потенциально эмоционально опасными решениями, принятыми с использованием предиктивной аналитики, важно, чтобы они чувствовали себя комфортно, объясняя клиентам и другим заинтересованным сторонам, как эти решения были приняты.

Спейгал прекрасно это подытожил: «Способность понять, что стоит за принятием решения, обладать грамотностью в области данных, чтобы убедиться в правильности принятого решения, имеет решающее значение».

Инвестиции в предиктивное будущее

Как сказал Малкольм Икс, «будущее принадлежит тем, кто готовится к нему сегодня». Хотя мы не обладаем способностью видеть будущее, предиктивная аналитика поможет индустрии финансовых сервисов предсказать, каким оно может быть, и принять решения, которые позволят ей подготовиться — и подготовить своих клиентов — к этому будущему.

При наличии надежного конвейера данных и грамотного персонала предиктивная аналитика — это не то, чего следует бояться; скорее, это инструмент, который поможет организациям сферы финансовых сервисов вернуть доверие своих клиентов и сотрудников по мере продвижения вперед благодаря возможности принимать все более обоснованные решения.