ИТ-ДиректорИТ в бизнесеУправление

Монетизация больших данных в "Открытии"

| 24.12.2014

ВКонтакт Facebook Google Plus Одноклассники Twitter Livejournal Liveinternet Mail.Ru
Довольно часто можно встретить общие сведения о том, что такое Big Data в банках. Но, к сожалению, подобная информация не содержит никакой конкретики. Наша инновационная задача, которая сейчас выросла в целое направление, состояла в том, чтобы получить онлайн-мониторинг продаж банковских продуктов. Самой системой онлайн-мониторинга уже никого не удивишь, ведь аналогичных вариантов и так существует довольно большое количество и они отлично справляются с данными по доступности систем или банкоматов. 

img

Вячеслав Благирев

В чем же заключалось ноу-хау? Мы хотели не только считать, сколько нами продано кредитов или карт, но и видеть различные аналитические показатели по воронке продаж, и тоже онлайн, чтобы перейти в будущем к управлению бизнесом на базе анализа аномалий. Примерами таких показателей послужили Approval Rate (уровень одобрения), Booking Rate (уровень выдачи), Time-2-Yes (время до принятия полного решения по продукту), Time-2-Money (время до выдачи денег клиенту) и многие другие важные параметры. Каждый из них содержит определенную математическую логику, которую мы рассчитываем в режиме just-in-time, что означает «вовремя». 

Этапы пути

Источниками данных для проекта послужили сведения нашего кредитного конвейера, данные о кредитных решениях по заявкам клиентов, которые формирует модуль принятия решений плюс ряд дополнительных справочников. К выбору технологий для проекта мы подошли довольно тщательно и рассмотрели четыре класса систем: системы класса ETL, предназначенные для трансформации и загрузки данных; системы для загрузки инкремента данных; системы СУБД MPP, на чем, собственно, и будет строиться расчет; системы BI в части отчетности и представления данных. Было проведено достаточное количество пилотов и конкурсов. Весь процесс отбора занял от четырех до пяти месяцев. 

Затем мы приступили к проектированию и разворачиванию кластера Big Data. На все работы, включая запуск полного функционала и подсоединение источников, у нас ушло около четырех месяцев. Многие до конца не верили в эту затею, не представляли, что может что-то получиться, но у нас была четкая убежденность в своей правоте, и сейчас мы продолжаем придерживаться этого проактивного инновационного направления. 

img

Алексей Благирев

Первые опытно-промышленные запуски провели в начале лета. Это был довольно простой дашборд, который считал approval rate, объем выдач и средний чек для продукта «Нужные вещи» и кредитных карт по всей сети каждые 15 минут. Другими словами, то, что изначально готовилось каждую неделю вручную, мы начали формировать онлайн, причем полностью автоматически. Название сервиса появилось сразу — BAM (Business Activity Monitoring).

На наш взгляд, это был один из знаковых моментов, поскольку подобный инструмент позволил выстроить и согласовать единый набор бизнес-метрик в части оценки эффективности работы сети в формате just-in-time. Буквально через месяц мы выпустили обновление сервиса, где уже предусмотрен анализ тарифов и продаж, вплоть до конкретной точки сети. А вскоре появилась и возможность анализировать каналы и новые важные метрики. 

Результаты не заставили себя ждать. Мы выявили довольно много различных кейсов, например зависшие или забытые заявки, анализируя которые, значительно улучшили качество процесса, кредитную стратегию, оптимизировали обработку вызовов и ответов, повысили эффективность деятельности сети в целом. Сейчас сервис крайне востребован, он стал отличным инструментом для мгновенной оценки эффективности продаж того или иного продукта. 

Это очень удобно, ведь запуская тот или иной продукт или маркетинговую компанию, сразу же можно увидеть, как идут его продажи, а не ждать, пока специалисты подготовят выгрузки. Впрочем, мы не остановились на достигнутом и продолжаем совершенствовать подходы в части использования аналитики just-in-time. Одним из таких небольших проектов стал счетчик проданных карт с начала года, обновляемый каждые 15 минут. Он отображает данные по всем банкам нашего холдинга. Каждый гость, посетивший нашу штаб-квартиру на Летниковской улице, может увидеть этот счетчик. Кстати, он также помещен в нашем интранет-журнале и доступен онлайн всем сотрудникам холдинга. 

Довольно интересно смотреть, сколько карт продается в минуту, в час, в день. И особенно приятно, когда значение достигает красивых круглых цифр.

Мониторинг скоростей

Не так давно был реализован еще один проект — расчет скорости работы кредитных стратегий по принятию решений по продаже банковских продуктов. Нам очень важно, чтобы мы смогли оказать клиенту не только самый высокий уровень сервиса, но и самый быстрый, в том числе и в части принятия решений. Для многих банковских айтишников не секрет, что нередко при вызове модуля принятия решений конвейер может снижать производительность из-за пиковых нагрузок. К сожалению, подобные вещи заметны только постфактум, когда деградация уже произошла, а вот превентивно управлять ею — задача довольно сложная. 
Но мы с ней справились. Каждые 30 минут наш сервис рассчитывает скорость принятия решений по стратегии и формирует соответствующие, довольно понятные диаграммы. Теперь мы достаточно четко стали понимать, когда у нас начинаются пиковые нагрузки, что делать в такие моменты, какие места могут стать проблемными и над чем предстоит еще работать. Следует отметить, что буквально в первый день запуска сервиса мы нашли несколько критичных ошибок, влияющих на скорость стратегии. 

Аналогично мы построили мониторинг скорости работы внешних сервисов, таких как обращения в кредитные бюро, и прочее. Теперь каждое обращение можно разложить на этапы — по секундам и микросекундам, эффективно управляя целевым показателем в 30 секунд, отведенным на принятие решения по заявке. Хочу сказать, это очень хорошее время. Представляете, у вас есть возможность анализировать эффективность работы риск-технологий в формате реального времени. 

Вперед, в будущее

Если говорить о наших дальнейших планах, то мы намерены подключить ипотечный конвейер к ВАМ’у, а также настроить сервис, позволяющий увеличить эффективность технической воронки движения заявки по статусам. 

Дополнительно у нас ведется большая программа по автоматизации деятельности Collection, где мы также хотим перейти на just-in-time-управление просрочкой, в том числе и ранней просрочкой (Early Collection), помогая нашим клиентам оптимально выбирать схему рефинансирования и оставляя клиента в банке. 
Помимо всего прочего, на базе этих технологий мы строим большой контур по противодействию мошенничеству и отмыванию денежных средств.

Вячеслав Благирев, бизнес-партнер по технологиям банка "Открытие"

Алексей Благирев, руководитель направления BI в банке "Открытие"

Источник: IT Manager №12, 2014

Ключевые слова: кейсы

Журнал IT-Manager № 12/2014    [ PDF ]    [ Подписка на журнал ]


Поделиться:

ВКонтакт Facebook Google Plus Одноклассники Twitter Livejournal Liveinternet Mail.Ru

Другие материалы рубрики

Компании сообщают

Мероприятия

17.07.2018
NetApp Directions

Москва