Индустрия финансовых услуг производит огромное количество данных. Банки имеют внутренние данные о вкладах, платежах, остатках, инвестициях. Затем есть внешние данные с веб-сайтов, данные социальных сетей и правительственные данные. Технически подкованные миллениалы предпочитают цифровые платформы, дополняющие большие данные.

Бизнес-аналитики используют данные, чтобы понять, что происходит. Специалисты по данным используют машинное обучение, чтобы рассказать нам, почему и как это произошло, и сделать прогнозы.

Применение больших данных и машинного обучения в сфере финансовых услуг

Обработка кредита –

Инструмент ML может ответить на вопрос о кредитоспособности. Аналитика рисков может принимать незамедлительные решения о приемлемости кредита клиента. Представьте, что ваш кредит обрабатывается за считанные минуты. Заслуживающие заявки на получение кредита получат одобрение быстрее, а безнадежные кредиты будут сокращены.

Обслуживание клиентов –

Данные, собранные с помощью чат-ботов и IVR, могут помочь улучшить обслуживание клиентов. Мгновенное профилирование клиентов может помочь в перекрестных продажах или дополнительных продажах и снизить нагрузку на отдел продаж.

Обнаружение мошенничества –

Программа нейронной сети может обнаруживать мошенничество в режиме реального времени, используя входные данные. Это может заблокировать банковскую карту за считанные секунды мошеннических транзакций и избежать потерь. Затем отмеченная карта проверяется человеком.

Лучшие финансовые продукты с лучшими ценами —

Согласно отчету Глобального института McKinsey, маркетинг и продажи составляют около 15% расходов банков. Большие данные помогут получить более качественные продукты и цены. Это увеличит доходы и прибыль в конкурентной отрасли финансовых услуг.

Прогноз рынка –

Потребность в анализе больших данных возникла после финансового кризиса 2008 года. Большие данные могут сделать точные прогнозы будущего рынка.

Регтех-

Инструменты машинного обучения можно запрограммировать на выполнение протоколов в соответствии с трудоемкими нормативными требованиями. Это повышает эффективность бэк-офиса, поскольку около 70–80% сотрудников банка работают в бэк-офисах.

Приложения в ОАЭ

19 октября ОАЭ назначили своего первого государственного министра по искусственному интеллекту (ИИ). Правительству необходимо будет сотрудничать с частным бизнесом в формате частно-государственного партнерства (ГЧП) для реализации своей Стратегии искусственного интеллекта до 2031 года.

Mashreq использует ИИ для обслуживания клиентов с помощью чат-ботов, которые отвечают на основные запросы. У Emirates NBD есть двуязычный робот, который говорит на английском и арабском языках, а также EVA с голосовым управлением, который отвечает на основные вопросы. Подробнее здесь.

Задачи

В настоящее время банки перегружены своими внутренними данными. Кроме того, разрозненные устаревшие системы не приспособлены для обработки больших данных. Отсутствие более квалифицированных специалистов по данным также является препятствием. В ближайшие годы в отрасли финансовых услуг произойдут большие изменения в области больших данных и технологии блокчейн. Исследование, проведенное Juniper, прогнозирует, что к 2022 году индустрия финансовых технологий вырастет в 10 раз. В отчете World Retail Banking Report за 2016 год говорится, что банки, которые применяют аналитику к данным о клиентах, лидируют по доле рынка на 4%.

Конфиденциальность будет слоном в комнате. Какие данные этично анализировать, нужны ли нам явные разрешения? Да, мы обязаны информировать клиентов о том, какие персональные данные добываются и с какой целью.