Raport Specjalny ANALYTICS w Biznesie Bankowym: Właściwe i skuteczne decyzje

BANK 2016/02

Informacja i jak najszybsze jej pozyskiwanie to gwarancja sukcesu w biznesie. Tak było, jest i zapewne będzie w przyszłości. Bez odpowiedniej wiedzy nie można skutecznie rywalizować na rynku, ani podejmować właściwych decyzji. Pomóc w tym mogą odpowiednie systemy informatyczne.

Informacja i jak najszybsze jej pozyskiwanie to gwarancja sukcesu w biznesie. Tak było, jest i zapewne będzie w przyszłości. Bez odpowiedniej wiedzy nie można skutecznie rywalizować na rynku, ani podejmować właściwych decyzji. Pomóc w tym mogą odpowiednie systemy informatyczne.

Artur Król

Dziś liczy się nie tylko szybkość gromadzenia wiedzy o rynku, konkurencji, o bieżących i potencjalnych klientach, ale coraz częściej jakość i wielość źródeł, z jakich te dane pozyskujemy. Do tego dochodzi jeszcze specyficzna organizacja instytucji finansowych, w szczególności banków, które ze względu na swoją strukturę klientów - od indywidualnych po instytucjonalnych, konieczność planowania działań itp. muszą stosować dość wyrafinowane sposoby pozyskiwania informacji - wszystko po to, by personel zarządzający mógł podjąć właściwe decyzje.

Od DSS do BI

Bardzo ważnym elementem w łańcuchu podejmowanych decyzji jest czynnik ryzyka i sposoby zarządzania nim. Jak wiadomo kwestie oszacowania przyszłych inwestycji czy też wprowadzenia nowych usług zawsze niosą ze sobą pewne ryzyko - i z tym musi liczyć się kierownictwo banku. Przy jego określaniu pomocne są odpowiednie systemy informatyczne i oprogramowanie. DSS (Decision Support System) to inaczej system wspomagania decyzji, którego celem nadrzędnym jest dostarczanie odpowiedniej informacji kierownictwu średniego i wysokiego szczebla. Tyle definicja. W praktyce DSS to aplikacje - oprogramowanie o dużym stopniu złożoności, które przetwarza informacje dotyczące organizacji, jej struktury i formy działalności.

Pierwsze tego typu systemy pojawiły się w latach 80. ubiegłego wieku, miały postać zapytań SQL do baz danych, generowanych w taki sposób, aby optymalnie odpowiedzieć na pytanie użytkownika. Programy DSS mogły mieć różne zastosowania, wszakże pod warunkiem, że ich opis był przechowywany w relacyjnej bazie danych. Użytkownik mógł zadawać pytania o szerokim zakresie zastosowań w biznesie, a uzyskane odpowiedzi mógł w prosty sposób formatować w bardziej zrozumiałe prezentacje. Dla przykładu - w aplikacji DSS można zadawać następujące: Jak wielu klientów korzysta z usług firmy? Jaki produkt czy usługa sprzedają się najlepiej? Jaki produkt bądź usługa sprzedają się słabo lub wcale? etc. Osoby decyzyjne zyskują zatem niezbędną wiedzę, a oceniające ryzyko otrzymują wsparcie, którego znaczenie trudno jest przecenić. Przez lata systemy DSS ewoluowały, aby ostatecznie stać się częścią wyższej klasy rozwiązań znanych pod nazwą Business Intelligence (BI). Dziś stanowią nierozłączną ich część i są ich mocnym fundamentem. Same zaś systemy BI to źródło kompleksowej wiedzy, ułatwiającej podejmowanie decyzji na wszystkich etapach zarządzania firmą.

Wiedzieć, znaczy wygrać

Rozbudowana struktura organizacyjna banku, wiele źródeł informacji, różnorodność klientów instytucjonalnych i indywidualnych, bogata oferta produktów i usług, tradycyjne i elektroniczne kanały dystrybucji i sprzedaży - wszystko to dostarcza olbrzymiej ilości danych. O ich jakości decydują źródła pozyskiwania informacji. Są one jednocześnie bazą wiedzy dla systemów wspomagających podejmowanie decyzji. Najlepszy nawet system bez odpowiedniego zasilania będzie przecież bezużyteczny. Rzecz jasna musi skutecznie informacje zgromadzić, a następnie przefiltrować, aby uzyskać te, które ze względu na swoją istotę są szczególnie ważne. Dzięki temu zdobywa się tę wiedzę, która umożliwia wygranie batalii z konkurencją i pozyskanie jak największej grupy klientów oraz generowanie wysokich przychodów.

Jak jednak dzisiaj pozyska odpowiednią wiedzę? Jakie źródła są optymalne, a przy tym wiarygodne?

Wielość źródeł informacji

Dzięki internetowi i postępowi technologicznemu świat zmienił się nie do poznania. Jego wyznacznikiem stała się wielowymiarowość źródeł pozyskiwania informacji. A dzięki mobilności i Big Data możemy pozyskiwać takie ilości danych, o jakich dawniej można było jedynie pomarzyć.

Internetu umożliwia komunikowanie się na niespotykaną skalę, dzięki portalom społecznościowym dowiadujemy się całkiem sporo o każdym, kto ma na nich profil. Wiemy np., jakich ma przyjaciół, co lubi, czym się interesuje, a nawet o czym marzy i co zamierza. Z historii używania elektronicznych kart płatniczych banki pozyskują wiedzę o preferencjach zakupowych swoich klientów. W internecie znaleźć można wiele informacji o klientach instytucjonalnych, nie tylko o ich kondycji finansowej (fiskus, ZUS czy wywiadownie gospodarcza), ale i o ludziach i ich zainteresowaniach. Przy analizie ryzyka pomocne będą informacje o stanie aktywów firmy, pozyskane z bilansu zamknięcia roku.

Wszędobylska mobilność, dostęp do internetu ze smartfonów czy tabletów, to kolejna kopalnia - dzięki geolokalizacji można dowiedzieć się, gdzie potencjalni i aktualni klienci lubią spędzać czas, w jakich restauracjach najchętniej jedzą, gdzie robią zakupy, gdzie chodzą na niedzielny spacer itp.

Jak widać, wiedzę stosunkowo łatwo jest pozyskać. Jednak jest ona bezwartościowa, jeśli nie dysponuje się analitycznymi możliwościami przetworzenia tych ogromnych woluminów danych. W sukurs przychodzą chmura obliczeniowa czy Big Data. Ta pierwsza umożliwia przetwarzanie informacji na poziomie sprzętowym, nie wymaga przy tym od instytucji posiadania ogromnych centrów daplnych - można bowiem uzyskać potrzebne moce obliczeniowe u dostawców zewnętrznych. Big Data pozwala na odpowiednie przetworzenie danych i analizę otrzymanych wyników. Dostarcza niezbędnej wiedzy ogólnej o trendach rynkowych czy też zachowaniach grupy klientów, pozwala też na głębszą ocenę w wymiarach niestandardowych, np. dotyczących oczekiwań klientów i ich upodobań. Wprowadzenie nowego produktu czy usługi wiąże się z daleko idącą jego personalizacją, konieczne jest zatem wybranie i poznanie czynników, które umożliwią stworzenie produktu najlepiej dostosowanego do grupy użytkowników. Oczywiście wymaga to przetworzenia ogromnej liczby nowych informacji, ale minimalizuje przy tym ryzyko nietrafienia z usługą, a to właśnie jest najważniejsze.

 

Udostępnij artykuł: