Raport Specjalny. Analityka biznesowa w Systemie Bankowym: Klucz do sukcesu w XXI wieku

BANK 2020/01

Fot. ty/stock.adobe.com

Podstawą funkcjonowania współczesnej gospodarki jest wykorzystanie danych. Konkurencyjność organizacji, w szczególności tych działających w branży finansowej, uzależniona jest w znacznej mierze od tego, jak sprawnie potrafią one przekształcać dostępne im dane w informacje, a te z kolei w użyteczną wiedzę biznesową. Procesy te, jak i narzędzia służące ich obsłudze, składają się na business intelligence.

Czym jest analityka biznesowa? Pojęcie to definiowane jest jako połączenie architektury systemu, aplikacji i baz danych w taki sposób, który pozwala w czasie rzeczywistym analizować dane pochodzące z różnych źródeł oraz na tej podstawie uzyskiwać użyteczne dla firm informację i wiedzę. W nowoczesnej analityce biznesowej wykorzystuje się w znacznym stopniu nie tylko hurtownie danych, ale też zaawansowane narzędzia z zakresu sztucznej inteligencji i uczenia maszynowego. 

Problemem we współczesnym świecie jest nie tyle brak samych danych (w tym przypadku mamy do czynienia raczej z ich nadmiarem), ile efektywne wykorzystanie zasobów własnych i pozyskiwanych ze źródeł zewnętrznych przez systemy informatyczne używane w działalności przedsiębiorstwa. Tymczasem nie od dziś wiadomo, że umiejętne wykorzystanie dostępnych informacji to klucz do sukcesu w biznesie. Termin „inteligencja biznesowa” pojawił się już w „Cyclopædia of Commercial and Business Anecdotes” Richarda Millara Devensa (1865). Autor użył tego pojęcia, by opisać, jak bankier, sir Henry Furnese, osiągał przewagę nad konkurentami, wykorzystując pozyskane informacje wywiadowcze. 

Inteligencja biznesowa we współczesnym rozumieniu wywodzi się z systemów wspomagania decyzji (ang. decision support system, DSS), które zaczęto stosować jeszcze w latach 60., a rozwinęły się w połowie lat 80. XX w. Z kolei w 1989 r. Howard Dresner, późniejszy analityk w firmie Gartner, zaproponował, by pojęciem tym określać „koncepcje i metody usprawniające podejmowanie decyzji biznesowych za pomocą opartych na faktach systemów wsparcia”.

Business intelligence u progu nowej dekady

„Od wejścia w życie postanowień ogólnego rozporządzenia o ochronie danych (RODO) coraz większy nacisk kładziony jest na ochronę zasobów” – czytamy w BI Trend Monitor 2020, opracowanym przez Business Application Research Center (BARC). Wobec zalewu informacji firmy będą musiały znaleźć sposoby przetwarzania danych zgodnie z wymogami prawnymi, a zarazem pomagające usprawnić procesy i codzienną działalność. Amerykańska firma analityczna Izenda wymienia pięć trendów w business intelligence, które będą miały kluczowe znaczenie w obecnej dekadzie. Jednym z nich jest analiza wykresów (graph analytics). Wraz z ilością danych zwiększa się złożoność problemów, poddawanych analizie w organizacjach. Tradycyjne metodyki przestają być skuteczne, a cennym wsparciem może być właśnie graph analytics. Adopcja tej technologii jest wprawdzie powolna ze względu na deficyt specjalistycznej wiedzy, jednak wraz ze wzrostem zapotrzebowania na bardziej złożone analizy danych stawać się będzie ona coraz powszechniejsza. Analiza wykresów pomoże chociażby w wykrywaniu oszustw, modelując relacje danych na wielką skalę z dużą elastycznością. Coraz częściej stosowane będzie przetwarzanie zapytań w języku naturalnym. Według szacunków firmy Gartner, już w roku bieżącym połowa zapytań analitycznych będzie generowana za pomocą wyszukiwania, przetwarzania języka naturalnego (NLP) lub głosu.

Duże zainteresowanie budzi dziś Continuous Intelligence (CI). Jest to analityka w czasie rzeczywistym zintegrowana z obiegiem pracy firmy. Wykorzystując zasoby bieżących oraz przeszłych danych, CI pomaga podjąć odpowiednią reakcję na zewnętrzne zdarzenia. Eksperci firmy Izenda uważają, że dzięki wykorzystaniu takich technologii, jak przetwarzanie strumienia zdarzeń i uczenie maszynowe, CI będzie wspierać (lub całkowicie automatyzować) proces decyzyjny. Stosunkowo świeżą, ale zarazem dynamicznie rozwijającą się dziedziną analityki biznesowej jest tzw. wyjaśnialna sztuczna inteligencja (XAI – eXplainable Artificial Intelligence). Tworzone w ten sposób modele pozwalają człowiekowi zrozumieć, skąd się biorą generowane przez system decyzje. Technologia ta może przynieść przełom w informowaniu klientów o powodach decyzji podejmowanych przez banki. Ponadto XAI zwiększy ogólną wydajność sztucznej inteligencji, pomagając w identyfikowaniu problemów związanych z zachowaniem danych i funkcji. 

Ostatnim trendem, który będzie mieć znaczenie w nadchodzących miesiącach jest „przetwarzanie w pamięci” (In-Memory Computing, IMC). Koszt pamięci w ostatnich latach obniżył się znacząco, zatem przechowując dane w pamięci RAM serwerów oraz przetwarzając je równolegle, IMC może zapewnić dużą wydajność i wyniki w czasie rzeczywistym. Zaletą tej technologii jest bardzo szybkie przetwarzanie informacji przy ograniczonych potrzebach sprzętowych.

Dostawcy IT gotowi na zmiany

Jakie narzędzia z obszaru analityki biznesowej mogą zaoferować bankom dostawcy technologii teleinformatycznych? Michał Kordyzon, IT Solutions Architect w IBM Polska, wskazuje dostępną w chmurze obliczeniowej giganta usługę Watson Studio, która umożliwia realizację procesów analitycznych i tworzenie skryptów w językach programowania. Pozwala to na wykonywanie takich zadań, jak planowanie, budżetowanie, prognozowanie czy wizualizacje danych, a w toku ich realizacji można korzystać z funkcji wykrywania i przewidywania wzorców czy też języka naturalnego. Dla bankowców szczególne znaczenie będą miały dostarczane przez IBM algorytmy natural language processing i chatboty, dzięki którym każdy klient będzie mógł otrzymać własnego concierge’a do dyspozycji. Równocześnie będziemy świadkami sukcesywnej digitalizacji siły roboczej w bankach. 

„AI nie zastąpi menedżerów, ale menedżerowie korzystający z AI zastąpią menedżerów, którzy tego nie robią”, stwierdził Rob Thomas, dyrektor generalny IBM ds. danych i sztucznej inteligencji. Procesom tym towarzyszyć będzie rosnące znaczenie cloud computingu, instytucje przestaną być zamkniętymi twierdzami i będą powszechnie korzystać z gotowych usług w chmurze. Już dziś tak właśnie czynią finansowe startupy. W obszarze płatności znaczenia nabiera blockchain, który może odmienić rynek przelewów międzynarodowych. Wśród tak licznych nowych technologii warto zwrócić uwagę na uczenie się przez wzmacnianie (reinforcement learning, RL) – dziedzinę uczenia maszynowego związaną z tym, w jaki sposób agenci oprogramowania powinni podejmować działania w środowisku, aby zmaksymalizować pewne pojęcie skumulowanej nagrody. Obok uczenia się nadzorowanego i uczenia się bez nadzoru jest to dziś jeden z trzech podstawowych paradygmatów machine learningu.

Analityka biznesowa poprawi user experience

Rafał Gilarski, dyrektor konsultingu systemów Comarch Business Intelligence, przypomniał, że współczesne banki doskonale radzą sobie z rejestracją transakcji, naliczaniem odsetek i generowaniem sprawozdań obligatoryjnych. Natomiast interpretacja zaistniałych faktów, wyciąganie z nich wniosków, a tym bardziej modyfikowanie procesów na ich podstawie, to zjawiska wciąż nie do końca opanowane. Dlatego sektor finansowy w coraz szerszym zakresie wykorzystuje rozwiązania business intelligence do analizowania informacji z wielu obszarów i budowania konkurencyjności. Comarch poprzez realizację wielu projektów wypracował własny model generyczny, możliwy do implementacji w każdej instytucji finansowej, ze szczególnym uwzględnieniem banków. Rozwiązanie jest zintegrowane z produktami bankowymi z portfolio firmy. 

W branży analitycz­nej oraz w świecie biznesu głów­nym tematem jest szybsze oraz bardziej precyzyjne raportowanie i prognozowanie. Zdecydowana większość przedsiębiorstw doce­nia wartość inteligencji bizneso­wej w procesie decyzyjnym. Nie bez znaczenia jest również postęp technologiczny, jaki obserwujemy w ostatnich kilku latach. Aby do­trzymać kroku konkurencji i za­oferować swym klientom nowator­skie usługi, trzeba używać coraz to nowszych rozwiązań.

Współczesne banki przetwarzają olbrzymie ilości danych związanych z różnymi aspektami ich funkcjonowania. Ten ogromny potencjał może zostać wykorzystany tylko za pomocą wydajnej, nowoczesnej platformy analitycznej, stąd tak wielką popularność zdobywa sztuczna inteligencja i uczenie maszynowe. Zaawansowana analiza danych pozwala na dostarczenie wysokiej jakości customer experience, wykorzystując takie techniki, jak segmentacja czy personalizacja ofert (next best offer). W Comarch wykorzystuje się rozwiązania machine learning m.in. w algorytmach CRM w bankowości internetowej dla dużych i małych firm. Umożliwiają one znalezienie wzorców zachowań podczas korzystania z aplikacji mobilnej czy strony internetowej banku. Wyniki analiz usprawniają dopasowanie interfejsu do najczęstszych ścieżek użytkownika, co pozytywnie wpływa na user experience. 

Na pytanie o wykorzystanie business intelligence Bank Pekao SA odpowiedział, że wykorzystuje takie rozwiązania i obecnie prowadzi projekty mające na celu m.in. budowę narzędzia dla menadżerów i specjalistów zajmujących się analizami oraz strategią. Rozwiązania te są tworzone przy wykorzystaniu narzędzia Microsoft Business Intelligence. W planach jest szersze wykorzystanie systemów analityki biznesowej w kontekście wizualizacji danych, big data, mobilności i chmury obliczeniowej. 

Szybko, coraz szybciej

Oceniając dziś rozwój BI, należy stwierdzić, że w branży analitycznej oraz w świecie biznesu głównym tematem jest szybsze oraz bardziej precyzyjne raportowanie i prognozowanie. Zdecydowana większość przedsiębiorstw docenia wartość inteligencji biznesowej w procesie decyzyjnym. Nie bez znaczenia jest również postęp technologiczny, jaki obserwujemy w ostatnich kilku latach. Aby dotrzymać kroku konkurencji i zaoferować swym klientom nowatorskie usługi, trzeba używać coraz to nowszych rozwiązań. W opublikowanym we wrześniu 2019 r. artykule „Top 10 business intelligence trends to watch in 2020” Priya Dialani przytaczała dane Gartnera, z których wynikało, że do 2020 r. ponad 40% wszystkich zadań związanych z analizą danych zostanie zautomatyzowanych. To konsekwencja zauważalnego braku kompetencji przedsiębiorstw w zakresie analizy danych. Firmy zdają sobie sprawę, że muszą odkryć metody wykonywania większej liczby zadań przy mniejszych zasobach, a najskuteczniejszą z nich jest bez wątpienia automatyzacja. Również sztuczna inteligencja szybko staje się technologią, bez której współczesne organizacje nie mogą funkcjonować. Wykorzystują ją, by poprawić produktywność i zoptymalizować proces decyzyjny.

Mariusz Gromada
dyrektor Departamentu Zarządzania Kampaniami w Banku Millennium

Z jakich rozwiązań BI korzysta Bank Millennium i jak się sprawdzają?

– BI to znacznie więcej niż możliwość raportowania wyników, faktów z przeszłości, dziś to przede wszystkim przewidywanie, prognozowanie i wspieranie działań przyszłych. W czasach, gdy sukces biznesowy jest coraz bardziej zależny od szybkości i elastyczności dostosowywania się do zmian, istotnym aspektem jest trafne identyfikowanie i wykorzystywanie, mitygowanie pojawiających się szans i ryzyk. Jest to szczególnie prawdziwe w odniesieniu do bankowości, gdzie procesy decyzyjne niemal w całości opierają się na pogłębionej analizie danych. BI to zaawansowane narzędzia i technologie, ale również utalentowani ludzie z wielką pasją – taka kombinacja to klucz, to gwarant, że wydobycie praktycznych informacji z dużych wolumenów danych wewnętrznych i zewnętrznych, nieustannie wzrastających, stanie się osiągalne. Możliwości są nawet większe, obecnie wielką szansą staje się ekstrakcja wiedzy w czasie rzeczywistym, przy jednoczesnym wsparciu ogromnej liczby różnych formatów danych. Dzisiejsze rozwiązania technologiczne sprawiają, że jest to wykonalne i akceptowalne kosztowo.

Wykorzystywanie BI w sektorze bankowym obejmuje niemal każdy obszar biznesu, od raportowania wyników operacyjnych, przez CRM, ryzyko kredytowe, aż po wykrywanie i prewencję nadużyć. Kluczowym elementem modelu BI jest hurtownia danych, jej głównym zadaniem jest ujednolicenie i powiązanie informacji dostępnych w banku wraz z ich udostępnieniem dla użytkowników. Należy tu zdecydowanie podkreślić, że udostępnione dane powinny zapewniać maksymalnie detaliczny poziom informacji, w możliwie długim ujęciu historycznym. Jest to niezbędne ze względu na dynamicznie zmieniające się otoczenie biznesowe wymagające stawiania nowych hipotez, nowych pytań, które niemal każdorazowo prowadzą do indywidualnego podejścia analitycznego. Właśnie dlatego obecne zapotrzebowanie na wiedzę mocno ewoluowało w kierunku analityki biznesowo-ekonomicznej i analityki predykcyjnej realizowanej w trybie ad hoc. Dodatkowo zintegrowane dane, zgromadzone w jednym miejscu, o dobrej jakości, pełnią funkcję wysoko dostępnego data hubu, upraszczając znacząco integrację systemów IT, będąc zarazem jednym z ważnych elementów architektury rozwiązań wspierających operacyjne procesy biznesowe.

Muszę podkreślić, że Bank Millennium wykorzystuje obecnie przodujące rozwiązania w zakresie Customer Intelligence, platform i środowisk analitycznych, w rozumieniu analityki ad hoc, modelowania predykcyjnego, wdrażania i monitorowania modeli oraz procesu zarządzania komunikacją z klientami.

Czy planowane są nowe wdrożenia w tym zakresie?

– Środowisko jest wysoce utylizowane, z ciągłym rozwojem i wzrostem zarówno po stronie sprzętowej (przestrzeń na dane, moc obliczeniowa), jak też oprogramowania (np. instalacje dla nowych pracowników). Na bieżąco weryfikujemy nasze wymagania i śledzimy rynek w celu zapewnienia nowych kluczowych funkcjonalności, następnie inwestując w rozbudowę. Nasze najbliższe plany inwestycyjne skupiają się w obszarze sztucznej inteligencji w połączeniu ze zdarzeniami czasu rzeczywistego (real time).

Udostępnij artykuł: