Имеет ли все это какое-то значение для ИТ-директора банка? На базе самых CRM-решений мирового уровня целый ряд банков реализует сегодня принцип «одного окна».


Чтобы посмотреть этот PDF файл с форматированием и разметкой, скачайте файл и откройте на своем компьютере.
ИТ служба банка на переднем крае борьбы за клиента Известные информационные технологии как основа для реализации ИТ служба банка на переднем крае борьбы за клиента На российском банковском рынке продолжаются слияния и поглощения, все новые и новые иностранные кредитные организации открывают здесь свой бизнес, десятки крупных и средних банков инвестировали значительные капиталы в розничный бизнес. Растет число финансовых корпораций объеди няющих банковские, страховые, инвестиционные организации и имеющих возможность предложить клиентам комплексный продукт (инвестиционный депозит, беспроцентную рассрочку оплаты авто и пр.). Американский Sub- Prime кризис и снижение темпов экономического роста в США уже затронуло экономики многих стран. Во втором квартале, по мнению некоторых аналити ков, влияние Sub-Prime может стать весьма заметным и у нас. Ограниченные возможности привлечения ресурсов, жесткая конкуренция в сегменте наибо лее прибыльных клиентов, отсутствие возможности длительного сохранения продуктовых ноу-хау, сокращение прибыльности продуктов. Имеет ли все это какое-то значение для ИТ-директора банка? В общем и целом, да, ведь в боль шинстве случаев развитие информационных технологий все же определяется именно потребностями бизнеса и, если бизнес оказался в новых для себя условиях, то и в ИТ что-то должно меняться, чтобы помочь бизнесу. В «CIO» №1 за 2008 год Михаил Зырянов справедливо заметил, что директор ИТ-службы может стать полноправным партнером бизнес-руководителей, выстраивающим цели ИТ в соответствии со стратегией развития бизнеса. С другой стороны, он может быть и просто продавцом ИТ внутри организации, преследующим, в первую очередь, собственные бизнес-цели. На растущем рынке с эластичным спросом, который был в России и пять, и три, и даже год назад главное было обслужить как можно больше клиентов при ограниченном числе специалистов, офисов, при высокой текучке кадров, быстрой смене продуктового ряда и т.п. И основной задачей ИТ было обеспечить реализацию этих требований. Оптимизация бизнес-процессов, в первую очередь, за счет их лучшей автоматизации стала ключевой задачей. В продолжение этой тен денции, основные ресурсы до сих пор вкладываются в реализацию проектов предполагающих повышение эффективности бизнес-процессов. Производится внедрение АБС нового поколения, часто связанное с централизацией инфор мационной системы многофилиального банка и построением мощного ЦОД. Для повышения качества обслуживания клиентов внедряются специализи рованные фронт-офисные решения. На базе самых CRM-решений мирового уровня целый ряд банков реализует сегодня принцип «одного окна». Наряду с этим, создание корпоративных хранилищ данных позволило тем кредитным организациям, кто уже преуспел в этой области, существенно сократить трудо затраты на подготовку разного рода отчетности. Внедрение средств Business Intelligence дало возможность многочисленным пользователям получить удоб ный доступ к огромным массивам информации, накопленным в банковских информационных системах и, одновременно, существенно снизило нагрузку на ИТ по обслуживанию информационных потребностей различных подраз делений. Тем не менее, приходится констатировать, что на банковском рынке с уси ливающейся конкуренцией за клиента, сужающейся маржой и постепенно выравнивающимся уровнем применяемых технологий на первый план выхо дят уже иные ИТ-потребности вытекающие из необходимости реализации принципиально новой стратегии для банков. Здесь уместно привести мнение одного из мировых «гуру» в области корпоративного управления Гэри Кокинса. В своих книгах и лекциях он предлагает четко разделять две задачи: оптими зацию бизнес-процессов и стратегическое управление. Очевидно, что второй блок с учетом последних изменений рыночной ситуации выходит из небытия и получает все больший приоритет. Конечно, ведь выстраивая и оптимизируя процессы, мы создаем современный локомотив, который с все возрастающей скоростью мчит нас к горизонту. Если мы двигаемся в правильном направ лении, то скорость большой плюс. Но вдруг мы едем не в ту сторону? В этом случае, лучше вообще притормозить, чтобы иметь больше времени на раз ИТ служба банка на переднем крае борьбы за клиента мышления? Быть может, ускоряясь и сжигая все больше ресурсов, организа ция двигается с целью параллельным курсом? Цель видна, но не становится ближе. Нет никаких шансов достичь ее в обозримой перспективе. В таких усло виях, вопрос о том правильно ли проложен путь, ведет ли он к стратегической цели или от нее, становится ключевым. Очевидно, собственно стратегия развития бизнеса не является прерогативой ИТ-директора. Тем не менее, поиск и внедрение специализированных инстру ментов помогающих быстрее двигаться в требуемом направлении достойная задача для CIO, как для равноправного партнера бизнес-руководства, мотиви рованного, в первую очередь, на достижение бизнес-целей. Универсальных бизнес-стратегий не существует по определению. Тем не менее, для банков предлагающих продукты и услуги в массовом сегменте, уже сформировалась некоторая универсальная система координат. Происходит постепенное продвижение от продуктоориентированной стратегии, вполне оправданной и выигрышной еще вчера, к клиентоориентированной. Хоте она и является стратегией будущего, но весьма актуальна уже и сегодня. Что такое клиентоориентированность? Если говорить вообще, то об этом можно рас суждать слишком долго. Можно сказать, что это довольно избитое выражение, склоняемое в связи с актуальностью в последнее время, по поводу и без. Кто-то скажет что это просто чудесное заклинание, для кого-то это не более чем лозунг наших дней. Применительно к задачам ИТ раскрыть это понятие несколько проще. В рамках данной статьи я хотел бы привести несколько при меров того, как современные технологические решения оказываются просто незаменимыми, в случае если банк ставит клиента в центр своей стратегии развития. Как быстро окупить создание хранилища данных. Технология помогает развитию бизнеса, а бизнес продвижению технологии. Технологии хранилищ данных набирают популярность, но происходит это довольно медленно. Никакой революции в этой сфере за последние годы не произошло. Те, кто предсказывал хранилищам бурный рост, несколько про считались. Одна из основных причин относительно медленного продвижения этой технологии заключается в очень высоких трудозатратах на построение полноценного хранилища данных организации, в котором были бы собраны первичные данные по всем направлениям деятельности и при этом было бы обеспечено высокое качество информации с учетом всех ее взаимосвязей. При этом, как это ни странно, ни цена вопроса, ни даже значительные трудоза траты на внедрение и поддержание хранилища данных в актуальном состоя нии обычно не являются главным камнем преткновения. Основная проблема заключается в отсутствии в банке реального заказчика ХД и действительно стоящей задачи, решение которой позволило бы в разумные сроки окупить внедрение хранилища и в дальнейшем финансировать его эксплуатацию. Почему ситуация складывается так? Посмотрим на стандартные задачи для ХД, которые обычно ставит перед вендорами и интеграторами заказчик – управленческая отчетность, обязательная отчетность перед регуляторами, консолидация по МСФО, поддержка принятия решений, анализ исполнения бюджета... На практике, хотя все эти задачи очень важны, но... для большин ства из них, практически невозможно определить реальный экономический эффект. Соответственно и эффект от внедрения хранилища ставится под вопрос, а ведь затраты на его развертывание и наполнение отнюдь не эфе мерны. Да, отчетность стала готовиться быстрее, показатели считаются более точно, но ведь и раньше как-то обходились. Трудности оценки реального эффекта от внедрения трансформируются в сложности при планировании раз вития корпоративного хранилища данных. Наладили загрузку данных бухучета, их раскраску и трансформацию, получили управленческий баланс и P&L, а что дальше? Стоит ли грузить договора, сделки, операции по ним, расширенную информацию по клиентам? Какие ресурсы на это выделить? Какой уровень ИТ служба банка на переднем крае борьбы за клиента качества данных можно признать приемлемым? Окупит ли себя расширение хранилища? Но не все так печально. Слава Богу, существует ряд задач, решение которых без использования хранилища данных представляется практически невозмож ным. Но при этом особенно важно, что их реализация позволяют получить и достаточно точно посчитать экономический эффект от применения хранилища. Одна из главных задач такого типа - это CRM-аналитика позволяющая пре образовать огромные массивы накопленной во многих банках информации в ценные знания о клиентах, которым достаточно просто найти практическое применение. Опыт компании SAS более 30 лет успешно работающей на рынке аналитических решений позволяет выделить в области клиентской аналитики как минимум три направления: • Cross-Sell/Up-Sell (перекрестные и дополнительные продажи), • Customer Retention (удержание клиентов от перехода к конкурентам), • Customer Segmentation (поведенческая сегментация клиентов). Результатом выполнения первых двух являются построенные с применением методов Data Mining прогнозные модели, позволяющие с достаточно высокой точностью предсказать вероятность отклика клиента на предложение ему того или иного продукта или вероятность ухода клиента к конкурентам (либо сни жения активности клиента в потреблении банковских услуг ниже приемлемого для кредитной организации уровня). Сегментация клиентской базы позволяет выстраивать продуктовую стратегию банка с учетом реальных предпочтений собственных клиентов. Она дает хорошее представление, какие продукты и пакеты продуктов, с одной стороны, вызовут у клиентов больший интерес, а с другой будут способствовать росту их лояльности по отношению к банку. Почему для полноценного применения CRM-аналитики не обойтись без хра нилища данных? Все дело в информации, которая требуется для построения качественных прогнозных моделей. В их основе лежит не только набор базо вых демографических характеристик клиентов (пол, возраст, размер основного дохода...), собрать которые даже из учетных систем достаточно просто. Для построения и обучения моделей, в первую очередь, используется широкий спектр поведенческой информации (например, количество операций по кон кретным типам продуктов за последний год, полгода, три месяца, среднехро нологические остатки по определенным счетам, количество обращений в банк в разрезе каналов доступа, имеющиеся сведения о реакции на предыдущие предложения банка и т.п.). Поведенческих характеристик клиента может быть достаточно много, и, в общем, чем их больше при прочих равных (в разумных пределах, естественно) тем более высокого качества прогноз можно полу чить. Например, в структуре базовой витрины данных для Cross-Sell/Up-Sell соответствующего решения компании SAS более 1600 поведенческих атри бутов! Почему именно они и в таком количестве были включены в структуру витрины? Исключительно на основании практического опыта реализации проектов. У сотен крупных заказчиков, где те или иные характеристики дей ствительно оказывались значимыми с точки зрения целевой функции модели (например, вероятности отклика на предложение увеличения лимита по кредитной карте, вероятности покупки инвестиционного пая и т.п.). При необ ходимости состав этих атрибутов модифицируется с учетом реального опыта специалистов заказчика. Какие из этих 1600 атрибутов окажутся значимыми в вашей организации заранее сказать нельзя, это собственно уже одна из задач Data Mining. Точно также как и определение степени влияния каждого атрибута или их групп на целевую функцию. В одном из банков, например, был обнаружен такой факт, что срок, прошедший с момента получения авто кредита, очень существенно влияет на вероятность отклика на предложение купить кредитную карту. Если предложить карту примерно через полгода то шансы, что клиент ее возьмет, сильно повышаются. Конечно, даже неоче ИТ служба банка на переднем крае борьбы за клиента хранилищ буксуют именно вследствие размытости целей и отсутствия одно значной поддержки со стороны бизнеса. Но самое главное, заключается в том, что инвестиции во внедрение хранилища данных для CRM-аналитики быстро окупаются (в большинстве случаев менее чем за год). Это дает возможность, отталкиваясь от этой задачи, распространять успех проекта на другие области применения технологии хранилищ данных, для которых эффект его примене ния менее очевиден. Приведу в качестве примера опыт одного из европейских банков. В условиях очень жесткой конкуренции он, благодаря внедрению SAS Customer Retention, сократил отток клиентов более чем на 25% за год. При объеме клиентской базы около 2 млн., среднем оттоке до внедрения решения более 10% в год и средней прибыли на клиента около 800 Евро в год банк сумел получить дополнительно почти 50 миллионов Евро. И это, не считая видную зависимость от одного-двух факторов, как в данном случае, может понять и не вооруженный специальными технологиями человек, внимательно наблюдающий за соответствующими графиками и диаграммами. Но вот если влияющих факторов десятки, как бывает на практике, то без Data Mining не обойтись. Как организовать регулярный расчет сотен поведенческих атрибутов клиентов? Ведь поведение клиентов подвержено изменениям с течением вре мени и, следовательно, пересчитывать вероятности, перестраивать сегменты, нужно периодически. На практике лучше делать это не реже чем раз в месяц, по крайней мере, для целей валидации моделей. Самый простой и надежный способ решения этой задачи это организация загрузки в корпоративное храни лище первичных данных из различных систем (см. рис. 1) и формирование на основе собранного массива информации специализированной витрины дан ных для Cross-Sell, Segmentation и пр. В аналитическом решении SAS Customer Intelligence for Banking, например, вышеуказанные 1600 атрибутов рассчитываются автоматически на основании примерно 500 параметров первичных данных сгруппированных в чуть более 30 взаимосвязанных таблиц, описывающих различные направления деятельности банка (главная книга, кредиты, депозиты, карты, платежи...). Создавая храни лище данных для задач CRM-аналитики, ИТ подразделение банка получает достаточно четкие «осязаемые» цели (какие данные нужно собирать, в каком объеме, с какой периодичностью). Кроме того, хранилище получает крайне заинтересованных в результате бизнес-заказчиков, а это немаловажно для такого проекта с учетом того, что по статистике больше половины внедрений Рис.1. Применение технологий Customer Data Mining на основе хранилища данных. ИТ служба банка на переднем крае борьбы за клиента того, что, используя возможности решения, банк сконцентрировался на удер жании не всех клиентов, а только прибыльных и перспективных. А, кроме того, собственно удержание клиентов, как известно, обходится гораздо дешевле, чем привлечение новых и тем более чем возврат потерянных. Таким образом, банк получил дополнительную, и весьма ощутимую, экономию маркетинговых бюджетов. Как сделать Service Oriented Architecture (SOA) не просто полезным средством интеграции приложений, а краеугольным камнем клиентоориентированной стратегии банка. Сервис-ориентированованная архитектура (SOA) приложений применяется сегодня во многих крупных организациях, исторически использующих множе ство разнородных систем для решения различных бизнес-задач. Часть из них сознательно выбирает Best of Breed как наилучший способ подбора программ ного обеспечения для различных направлений деятельности. Другая просто унаследовала гетерогенность прикладной ИТ-среды. Сегодня с уверенностью можно утверждать, что, применяя SOA можно решать актуальные различные задачи в области построения и оптимизации бизнес процессов. Часто SOA это лучший вариант организовать двусторонний обмен данными в режиме реального времени между системой клиент-банк и АБС. Можно, например, организовать сквозной бизнес-процесс обслуживания клиента, в котором будут задействованы CRM-система, бэк-офисное приложение, учетная система. А как SOA может помочь в улучшении отношений с клиентами и увеличе нии объема продаж? Ответ - Real-Time Decisioning (RTD). В основе главного направления применения этой технологии результаты многочисленных иссле дований доказавших следующее: самый эффективный способ предложить клиенту новую услугу или продукт, с точки зрения вероятности его положитель ного отклика, это использовать для этого момент обращения самого клиента в банк. Подавляющее преимущество RTD перед другими способами обращения к клиенту заключается в возможности индивидуального обращения к каждому клиенту и именно тогда, когда он сам желает разговаривать с банком. Понятно, что если даже в этот «самый подходящий» момент «вывалить» на клиента весь список доступных продуктов, или даже просто предложить тот единствен ный продукт, который банк больше всего хочет продать, то большого эффекта не будет. Наоборот, навязчивым сервисом можно надолго отпугнуть клиента. Технология RTD предусматривает использование накопленных организацией знаний о клиентах, их потребительских предпочтениях и поведенческих осо бенностях для формирования наилучших предложений в режиме реального времени и непосредственно в процессе обращения клиента. Это позволяет повысить вероятность положительного отклика на предложение до 40%, а по некоторым отчетам и до 60. То есть, таким образом, сбывается голубая мечта всех продавцов – Вы делаете предложение, от которого клиент «не может отказаться». Клиент может прийти в отделение банка для открытия вклада, использовать банкомат для снятия наличных или оплаты услуг, получать выписку через Интернет-банк... Практически в любой бизнес-процесс взаи модействия с клиентом может быть встроено обращение к сервису RTD. На основании накопленной в базе данных информации о клиенте (в том числе результатов применения моделей CRM-аналитики), а также с использованием переданных сведений о параметрах его текущего запроса система подберет для клиента наилучшее из имеющихся именно в данный момент предложений. При этом система может не только использовать ранее рассчитанные пока затели склонности клиента к тем или иным продуктам и характеристики его чувствительности к параметрам продуктов. Ее преимущество как раз в том, что она в состоянии в режиме on-line на основании хранящихся в репозитории прогнозных моделей провести переоценку предпочтений, и при необходимости уточнить необходимые для подбора оптимального предложения сведения. Для этого система RTD может, используя механизмы SOA, интерактивно и полностью автоматически взаимодействовать с другими информационными ИТ служба банка на переднем крае борьбы за клиента системами организации, направляя дополнительные вопросы непосред ственно клиенту или обслуживающему его сотруднику банка. Приведу пример. Клиент направил в банк заявку на получение кредита. Система при этом, в зависимости от настройки процесса Decision Flow и собственно параметров клиента, автоматически обратится с запросом в кредитное бюро, рассчи тает вероятность дефолта (скоринговый бал), запросит список имеющихся у клиента продуктов, «поднимет» список предложений направленных клиенту ранее, оценит склонность клиента к тому или иному продукту, не забудет про анализ чувствительности к параметрам продуктов (процентной ставке, размеру первоначального взноса, возможности досрочных погашений, максимальному сроку, составу предоставляемых документов и пр.). Результатом может стать не только оптимизированное под клиента предложение того продукта, который он запросил, но и, возможно, предложение ему дополнительного продукта, который будет куплен с высокой вероятностью, поскольку предложение учи тывает индивидуальные склонности клиента и момент и предмет обращения клиента в банк. В реальности, рядовой специалист фронт-офиса среднеста тистического банка сможет предложить клиенту лишь стандартный продукт и стандартный же набор дополнительных продуктов. А RTD в режиме реального времени сделает индивидуальное предложение, от которого «клиент не смо жет отказаться» и таким образом будет создавать для банка ключевые конку рентные преимущества. Еще один большой плюс применения RTD заключается в том, что это решение позволяет ИТ в случае, если технологии SOA уже внедрены, «собрать с них второй урожай». В случае же, если SOA только внедряется или планируется к внедрению, RTD дает возможность ИТ-директору заручиться поддержкой новых влиятельных сторонников в банке, заинтересованных в повышении лояльности клиентов и увеличении объемов продаж. Не секрет, что сегодня для крупного розничного банка как никогда остро стоит проблема кадров. Наиболее существенна эта проблема во фронт-офисах, где квалификация в среднем ниже, а текучка выше, чем в среднем по банку. При Рис. 2 . Обращение к различным информационным системам через ESB SOA в процессе выполнения RTD Decision Flow. ИТ служба банка на переднем крае борьбы за клиента этом в крупных учреждениях с клиентами ежедневно взаимодействуют тысячи сотрудников (специалисты доп. офисов, операторы контакт-центра, консуль танты по ипотеке, агенты в магазинах, андеррайтеры...). Дополнительное пре пятствие на пути реализации клиентоориентированной стратегии представляет то, что традиционно по складу характера большинство сотрудников банков ского фронт-офиса скорее банковские клерки (работающие с бумагами и циф рами), чем настоящие сконцентрированные на клиенте продавцы. Обучение здесь может помочь лишь частично, поскольку в любом случае не может сло мать психологические стереотипы поведения людей. Система RTD благодаря возможностям SOA сопрягаемая в режиме реального времени с инструмен тами CRM-аналитики и фронт-офисными приложениями позволяет сделать банковских сотрудников намного лучшими продавцами, чем они есть на самом деле. В итоге это решение дает возможность более качественно обслужить клиента, по какому бы каналу он ни обращался в банк, исключив неэффек тивные затраты времени и менеджеров банка и клиента на поиск требуемой информации, предоставление ненужной рекламы. Как результат сотрудниче ство становится более выгодным для обеих сторон. Из вышесказанного может сложиться впечатление, что применение RTD исчерпывается только задачами формирования «best offer» – наилучшего предложения для клиента в момент его обращения в банк. Конечно, это не так, просто возможно «best offer» это наиболее яркий и эффектный для банка спо соб применения новой технологии. Дополнительно RTD может применяться в банке, например, для: выявления мошенничества, интерактивного удержания клиента (клиент закрывает счета и т.п.), поддержки процесса одобрения кредитной заявки, использования альтернативных вариантов оценки кредитоспособности для клиентов, не имеющих кредитной истории, но являющихся клиентами финансовой группы по другим продуктам, повышения полноты и качества клиентских данных (система может запро сить дополнительную информацию, если она потребовалась в процессе подготовки предложения именно для этого клиента, но не была введена опе ратором), сокращения стоимости обслуживания за счет переключения менее выгодных клиентов на менее дорогие каналы (расширение возможностей самообслу живания) и т.п. Индивидуальное взаимодействие с каждым из сотен тысяч и миллионов клиентов основанное на глубоких знаниях потребительского поведения и реальных предпочтений, учитывающее всю историю отношений с ним и ясное понимание связанных с ним рисков, предусматривающее оптимальный выбор момента контакта и канала обращения, и все это в режиме on-line. Это уже не фантастика – сегодня это реальность на Западе и очень скоро станет частью банковской практики и в России. В условиях конкурентного российского рынка банковских услуг, последовательная реализация клиентоориентированной стратегии становится нормой, а не исключением. Соответственно, все боль шую значимость приобретает внедрение самых современных инструментов поддерживающих реализацию этой стратегии на практике - CRM-аналитики и Real-Time Decisioning. Безусловно, уже в ближайшее время возрастающий интерес к этим решениям приведет к росту популярности и дополнительным инвестициям в банковские хранилища данных, сервис-ориентированную архи тектуру, технологии Master Data Management. И важно, что эти инвестиции на этот раз будут не просто данью новым технологическим веяниям, а станут непосредственным вкладом ИТ в развитие бизнеса. Юлий Гольдберг Директор по работе с финансовым сектором, SAS Россия/СНГ ИТ служба банка на переднем крае борьбы за клиента SAS and all other SAS Institute Inc. product or service names are registered trademarks or trademarks of SAS Institute Inc.in the USA and other countries. ® indicates USA registration. Other brand and product names are trademarks of their respective companies. Copyright © 2006, SAS Institute Inc. All rights reserved. Московское представительство SAS Institute GmbH: 109004 г. Москва, ул. Станиславского, дом 21, строение 1, • Тел: +7 495 937 4151 • Факс: +7 495 937 4155 • www.sas.com/russia Представництво «САС ІНСТІТЬЮТ ЧР, С.Р.О.» Україна, 01601, Київ, вул. Шовковична 42-44 • Тел: +38 (044) 459 0355 Факс: +38 (044) 490 1200 SAS Institute Inc. Мировая штаб-квартира SAS Campus Drive, Cary, NC 27513 USA. • Tel: +1 919 677 8000 • Fax: +1 919 677 4444 http://www.sas.com

Приложенные файлы

  • pdf 15183265
    Размер файла: 454 kB Загрузок: 0

Добавить комментарий