IT@BANK 2014: Big Data/Fast Data – mamy dane klientów i nie zawahamy się ich użyć!

BANK 2014/11

Od zarania dziejów człowiek gromadził i przetwarzał informacje związane ze sobą i swoim otoczeniem. Choć na samym początku swoje doświadczenia i związane z nimi przemyślenia odwzorowywał na ścianach jaskini, to pierwsze "urządzenia mobilne" w postaci kamiennych tabliczek pojawiły się już jakieś 30 tys. lat temu.

Od zarania dziejów człowiek gromadził i przetwarzał informacje związane ze sobą i swoim otoczeniem. Choć na samym początku swoje doświadczenia i związane z nimi przemyślenia odwzorowywał na ścianach jaskini, to pierwsze "urządzenia mobilne" w postaci kamiennych tabliczek pojawiły się już jakieś 30 tys. lat temu.

Kamil Pachuta
eSourcing S.A.

Wraz z postępem cywilizacyjnym potrzeba gromadzenia i przetwarzania informacji rosła, a wraz z nią wciąż ulepszano związane z tym technologie - zwoje papirusu, arkusze papieru, Biblia Gutenberga, komputery, bazy danych, internet... Dziś sam tylko Google przetwarza w ciągu dnia ponad 24 petabajty danych (to tak jakby w ciągu dnia "przeczytał" tysiąc razy wszystkie z 26 milionów woluminów zgromadzonych w Bibliotece Kongresu USA), a wartość ta rośnie z roku na rok. Szacuje się, że pomiędzy rokiem 2014 a 2016 globalna ilość przetwarzanych przez człowieka danych podwoi się, co oznacza, że w ciągu zaledwie dwóch lat ludzkość wytworzy i przeprocesuje więcej informacji, niż w całej swojej historii.

Kopalnia wiedzy

W tych gigantycznych pokładach danych tkwi niesamowity potencjał, którego umiejętne wykorzystanie może przynieść nam wiele korzyści. Tak właśnie narodziło się pojęcie Big Data, odnoszące się do dużych, różnorodnych i wciąż zmieniających się zbiorów danych, których przetwarzanie i analiza prowadzi do zdobywania nowej, przydatnej wiedzy. W bankowości mianem Big Data zwykło się określać zbiory danych o zachowaniach klientów, ich aktywności, preferencjach, nawykach - pochodzące zarówno ze źródeł wewnętrznych banku (np. systemy centralne, CRM, systemy transakcyjne, bankowość internetowa, geolokalizacja urządzenia mobilnego), jak i tych zewnętrznych (np. BIK, KBIG, KRD, ale także portale społecznościowe, sklepy internetowe, fora dyskusyjne). W rezultacie banki mają w ręku narzędzia pozwalające na nowe podejście biznesowe w trzech podstawowych obszarach: utrzymania klienta (np. poprzez analizę częstotliwości i kierunku jego przelewów, świadczących o potencjalnej próbie przeniesienia obrotów do konkurencyjnego banku), wczesnego ostrzegania w sytuacjach awaryjnych (np. poprzez wykrywanie zachowań klienta, mogących mieć wpływ na ograniczenie jego zdolności do regulowania swoich zobowiązań w przyszłości) oraz rozwoju nowego biznesu (np. targetowanie behawioralne).

Dzisiaj to właśnie targetowanie behawioralne jest zdecydowanie najbardziej ciekawym i perspektywicznym zastosowaniem Big Data w bankowości. Analiza danych o zachowaniach i preferencjach klientów pozwala na precyzyjne, a przez to znacząco bardziej efektywne, oferowanie im nowych produktów i usług (np. poprzez tworzenie okazji do tzw. zakupów impulsywnych i natychmiastowe wykorzystanie szansy sprzedażowej, która już nigdy więcej może się nie powtórzyć). A tak mogłaby wyglądać taka zachęta: "W górach spadł już pierwszy śnieg! Od kilku lat w grudniu zawsze wyjeżdżałeś na narty do Austrii. Teraz jednak jakoś tak krucho u Ciebie z gotówką... Mamy więc atrakcyjną pożyczkę - właśnie na ten wyjazd, specjalnie dla Ciebie! A dodatkowo dostaniesz od nas kupony rabatowe na nowy sprzęt zjazdowy u naszego partnera - nie zapomnij oczywiście zapłacić tam naszą kartą...".

Błyskawiczne podejmowanie decyzji

Dzięki zaawansowanym algorytmom analizującym na bieżąco dane klientowskie możliwe jest aktywizowanie pasywnych do tej pory kanałów sprzedaży (np. bankomaty), dokładne przewidywanie potencjału na nowe produkty, a także osiągnięcie bardzo wysokiego stopnia personalizacji przygotowywanych ofert. Taka analiza danych i decyzyjność, wykonywana w czasie rzeczywistym i na bieżąco, nazywana jest Fast Data. To kolejny poziom zaawansowania, pozwalający m.in. na tworzenie dla klientów spersonalizowanych ofert tu i teraz, w zależności od ich aktualnego miejsca pobytu, czytanego w danej chwili artykułu, oglądanej właśnie wystawy czy mijanego przed chwilą sklepu.

Ultraszybka technologia

Aby jednak sprostać wygórowanym wymaganiom systemów typu Fast Data, trzeba pamiętać o stojącej za nimi technologii. Tradycyjne systemy bazodanowe doskonale radzą sobie z przetwarzaniem dużych ilości danych historycznych, będących jednak głównie w spoczynku. Czas potrzebny na ich przetworzenie i, w finale, podjęcie biznesowej decyzji jest tu zdecydowanie zbyt długi - nasz klient zdążył już zamknąć swoją przeglądarkę lub odszedł od bankomatu. Jak więc osiągnąć sprawność, która pozwoli nie tylko na analizę danych pochodzących z wielu rozproszonych źródeł, lecz także na podejmowanie decyzji w ułamkach sekund?

Odpowiedzią na to wyzwanie są m.in. systemy oparte na nowoczesnych, ultraszybkich bazach danych, których mechanizmy pozwalają przetworzyć nawet kilkaset tysięcy transakcji w ciągu jednej sekundy, zapewniając jednocześnie niespotykaną w standardowych rozwiązaniach rynkowych dostępność (High Availability) oraz wysoki poziom niezawodności, zapewniający ciągłość działania w przypadku awarii (Disaster Recovery). Technologia ta sprawdza się więc znakomicie w każdym zastosowaniu biznesowym, w którym kluczowe jest przetwarzanie dużych ilości danych (strumienia informacji) w ekstremalnie krótkim czasie. W rezultacie umożliwia ona podejmowanie decyzji i związanych z nimi działań biznesowych nie tylko w trybie on-line, ale też w zasadzie w czasie rzeczywistym, budując w ten sposób przewagę konkurencyjną w zakresie natychmiastowej reakcji na zmieniające się nieustająco potrzeby klientów.

Choć wykorzystanie systemów typu Big Data i Fast Data niesie ze sobą znaczące korzyści, budzi również wśród wielu osób wiele kontrowersji i pewne zaniepokojenie. Oto bowiem instytucje korzystające z tych systemów mogą analizować i przetwarzać dane niezwiązane bezpośrednio z ich podstawową działalnością - wiedzą z kim i gdzie się spotykamy, jakie mamy poglądy polityczne, co robimy w wolnym czasie i jakiej słuchamy muzyki. Big Data czy Big Brother? Funkcjonujące w ramach takich systemów skomplikowane algorytmy podejmują decyzje, które choć z punktu widzenia matematyki i rachunku prawdopodobieństwa są bardzo trafione, jednak w niektórych przypadkach mogą być niesprawiedliwe, nieetyczne czy nawet wręcz krzywdzące. Rick Smolan, słynny amerykański fotograf i autor książki Ludzka twarz Big Data, przytacza w niej przykład algorytmu zastosowanego przez jeden z banków, który określając wiarygodność kredytową klientów, negatywnie ocenia tych, którzy słuchają muzyki rap (traktując to jako jeden z czynników ryzyka). Kliencie, uważaj czego słuchasz, bo może ci się zmniejszyć limit na karcie!

Jednak z drugiej strony, algorytm tego banku chyba działa trochę na błędnych założeniach - wszak wielu znanych powszechnie klasycznych kompozytorów borykało się w życiu z problemami finansowymi, w przeciwieństwie do obwieszonych złotem raperskich gwiazd i gwiazdeczek...

 

Udostępnij artykuł: