Data Fusion: огромные перспективы больших данных
Вице-президент, заместитель руководителя департамента анализа данных и моделирования банка ВТБ Сергей Голицын — о концепции Data Fusion
Понятие Data Fusion — сквозное объединение данных — появилось в аэрокосмической отрасли и робототехнике и первоначально подразумевало алгоритмы, которые объединяли и обрабатывали данные от различных датчиков для автоматического принятия наиболее эффективного решения. Теперь под Data Fusion мы понимаем не только одновременное использование разных и косвенно связанных массивов больших данных, но и применение для их обработки сразу нескольких технологий. Например, машинное обучение и георазметка данных или машинное обучение и графовая аналитика.
Вице-президент, заместитель руководителя департамента анализа данных и моделирования банка ВТБ Сергей Голицын
Вице-президент, заместитель руководителя департамента анализа данных и моделирования банка ВТБ Сергей Голицын
Сегодня бизнес-стратегии многих компаний, начиная от самых мелких и заканчивая транснациональными корпорациями из самых разных отраслей экономики, основаны на концепции Data Fusion. В частности, в финансовой сфере ее считают естественным шагом в развитии Data Science. Работа с большими данными — это минимум, без которого уже невозможно создавать современные конкурентоспособные продукты и сервисы, условие устойчивого развития бизнеса.
Данные применяются прежде всего для улучшения клиентского сервиса, управления рисками, персонификации предложения и противодействия мошенничеству. Однако компаниям мало только собственных данных, и без кросс-индустриальных данных о клиенте они рискуют терять позиции. Концепция Data Fusion — это новое направление работы с данными, которое значительно расширяет знания бизнеса о потребителе.
Большие данные являются источником инсайтов о клиентском поведении и позволяют вычленять закономерности и предпочтения разных категорий потребителей. Именно аналитика больших данных дает возможность предлагать клиентам персонифицированные продукты или выстраивать таргетированные коммуникации. Например, в ритейле большие данные обеспечивают эффективную работу рекомендательных систем, а данные о геолокации, взятые у телеком-операторов, позволяют оптимизировать маршруты общественного транспорта.
На сегодняшний день все успешные финансовые организации используют в своей работе большие данные. Во многом именно от этого зависит конкурентоспособность организации на рынке. Благодаря Big Data и алгоритмам искусственного интеллекта в банковской сфере произошел важный поворот от продуктоцентричного к клиентоцентричному подходу: для повышения эффективности продаж услуги должны быть ненавязчивыми, удобными. Среди направлений, в которых банк ВТБ применяет объединение данных прямо сейчас,— кредитный скоринг, прогнозирование рисков, разработка новых продуктов, геоаналитические сервисы для эффективного развития бизнеса и выстраивание маркетинговых коммуникаций на основе более узкого сегментирования клиентов по поведенческим группам.
Вопреки заблуждениям о том, что сбор персональных данных финансовыми организациями ущемляет безопасность, аналитика больших данных помогает пресекать мошенничество. К тому же Big Data — это способ банка обезопасить себя и своих клиентов от чрезмерных рисков. Например, геоаналитические модели, разрабатываемые банком на основании объединения внутренних и внешних данных о финансовой активности клиентов, позволяют компаниям более эффективно открывать точки продаж, одновременно минимизируя бизнес-риски и повышая свою доступность для потенциальных покупателей.
В настоящий момент потенциал уже собранных данных раскрыт не полностью. Данные всегда несут большой синергетический потенциал, однако ни одна из отраслей не способна создать полную картину цифровых следов своих клиентов без синергии с другими отраслями. Для того чтобы синергия данных несла новые возможности, а не риски для клиентов, она должна базироваться на качественно новых современных технологических концепциях, таких как Data Fusion.