Исследование CNews Analytics показало, что практика применения больших данных в передовых российских банках углубляется, хотя круг банков-инноваторов не становится шире. Основными причинами, тормозящими адаптацию технологий на российском рынке, эксперты называют сокращение IT-бюджетов на развитие и неочевидную эффективность больших данных.
В 2015 г. CNews Analytics провел опрос среди тридцати крупнейших российских банков по совокупным активам (по итогам трех кварталов 2014 г.), чтобы узнать, какие технологии больших данных они применяют и с какими целями. По сравнению с опросом 2014 г., число банков топ-30, сообщивших о применении технологий больших данных, увеличилось, но это изменение связано скорее с изменением состава топ-30, чем с запуском новых проектов по анализу больших данных. Например, к тридцатке крупнейших присоединился банк «ФК Открытие», применявший эти технологии и ранее.
В 2015 г. представители 11 финансовых учреждений ответили, что их банк применяет современные технологии для анализа больших данных. В 5 банках планируют внедрять эти технологии, и число таких банков сократилось по сравнению с опросом 2015 г. Скорее всего это связано с общей тенденцией к сокращению IT-бюджетов на развитие в свете сложных экономических условий. В 14 крупнейших банках страны технологии не используются и не планируются к внедрению.
Таким образом, круг банков, применяющих технологии больших данных, по сути не расширился, хотя практика применения технологий больших данных очевидно стала гораздо более глубокой. Кредитные учреждения, проинвестировавшие в большие данные до кризиса, развивают это направление. Банки, не успевшие запустить такие проекты, не спешат это делать, так как бюджеты на развитие замораживаются, а вопрос монетизации больших данных остается достаточно сложным.
Используете ли вы технологии больших данных?
(респонденты — топ-30 российских банков)
Источник: CNews Analytics, 2015
В IBS привели пример из жизни: в одном из банков, в котором компания проводила пилот по большим данным, внедрение не состоялось, так как был введен мораторий на закупку нового оборудования и ПО. В компании подтвердили, что в банках сейчас проходит достаточно большое количество пилотов, направленных именно на подтверждение работоспособности того или иного решения.
«Крупные банки в ближайшие 3-5 лет будут наращивать экспертизу и проекты в области больших данных. Остальные игроки будут довольствоваться доступными SaaS-решениями, либо пытаться сделать что-то самостоятельно, но это не будет эффективно, так как профит маловат, а требуемые вложения в инфраструктуру и команду все еще очень высоки», — считает Максим Азрильян, главный технический архитектор центра инноваций и технологий блока электронного бизнеса «Альфа-Банка».
Применяют | Планируют к внедрению | Не применяют и не планируют |
---|---|---|
Сбербанк | ВТБ | Россельхозбанк* |
Газпромбанк | Юникредит Банк | Банк Москвы |
ВТБ24 | Нордеа Банк | НКЦ АКБ |
Альфа-Банк | МДМ Банк | Росбанк |
ФК Открытие | Петрокоммерц | Московский Кредитный Банк |
Промсвязьбанк | Россия* | |
Райффайзенбанк | Санкт-Петербург | |
Русский Стандарт* | Ак Барс* | |
ХМБ Открытие | Уралсиб* | |
Ситибанк | Связь-Банк | |
ХКФ Банк | СМП Банк* | |
Банк Зенит | ||
Бинбанк | ||
Глобэксбанк |
* По данным CNews
Источник: CNews Analytics, 2015
Текущая практика применения больших данных в российских банках находится на этапе становления, считает Андрей Ермаков, руководитель архитектурного отдела департамента аналитических решений компании IBS. Причины медленной адаптации больших данных в России он видит в настороженном отношении IT-специалистов заказчиков к новым технологиям. Они не испытывают уверенности в том, что технологии больших данных помогут решать задачи в полном объеме. К тому же специалистов по этим технологиям на рынке явно недостаточно. «Бизнес в принципе не знает и не понимает, что такое технологии больших данных; ему вообще не так интересно, на какой платформе, с использованием какой технологии сделано то или иное решение — главное, чтобы оно работало, стоило дешево, выполняло все необходимые задачи», — комментирует Ермаков.
«Монетизация технологий больших данных — до сих пор открытый вопрос, — подчеркивает Денис Сотин, IT-директор Росбанка. — Перспективно выглядят технологии по прескорингу клиентов на основании данных из социальных сетей и иной информации, например, истории поисков и посещений сайтов клиентами». В Росбанке сейчас сделан фокус на развитии корпоративного хранилища данных, повышении качества информации о клиентах и продуктах — своего рода фундаменте с точки зрения аналитики. На следующем этапе банк планирует перейти к эффективному использованию имеющейся клиентской информации для получения объемного (360°) видения клиента для персонализации услуг.
В этом году крупнейшие банки рассказали о том, какие конкретно решения они применяют и какие задачи решаются с применением технологий больших данных. Преимущественно это быстрое формирование финансовой отчетности, управление взаимоотношениями с клиентами, персонализация услуг, борьба с мошенничеством, кредитный скоринг и управление оттоком клиентов. Не все решения, о которых упомянули респонденты, можно отнести к классическим технологиям больших данных. В то же время картина наглядно иллюстрирует уровень применения больших данных российскими банками.
Название банка | Технологии, используемые для работы с большими данными | Задачи, решаемые с применением технологий для обработки больших данных |
---|---|---|
Сбербанк | Teradata, Cloudera Hadoop, Impala, Zettaset, стек продуктов Apache (Hadoop, HBase, Hive, Mahout, Oozie, Zookeeper, Flume, Solr, Spark и пр.), специализированные базы данных (Neo4j, MongoDB и т.д.), различные аналитические инструменты, собственные решения в области data minig, predictive/prescriptive-аналититки, обработки текстов на естественном языке. | - Управление рисками, - противодействие мошенничеству, - сегментация клиентов, - оптимизация эквайринговой сети, - управление оттоком, - расчет бонусов для сотрудников массового сегмента, - технологии по работе с большими данными рассматриваются к применению в транзакционных и расчетных системах банка. |
Газпромбанк | Передовые технологии российской и зарубежной разработки: надежные системы хранения данных, отказоустойчивые системы резервного копирования и восстановления большого объема данных, системы управления базами данных различного уровня, системы индексирования, системы и интерфейсы для создания запросов и получения удобных отчетов и др. В банке эксплуатируется уникальная система работы с большими данными — «Корпоративное хранилище данных». | - Оперативное получение отчетности, - скоринг, - противодействие мошенничеству, - персонализация конкретных продуктов для различных категорий клиентов, - верификация данных при внедрении новых систем и решений (сравнительное тестирование выдаваемых результатов), - построение вспомогательных аналитических материалов для работы фронт-, мидл- и бэк-офисных подразделений, - выполнение требований регуляторов по предоставлению информации о различного рода операциях клиентов в разрезе операционного дня или любого другого отчетного периода, - поиск информации во внешних информационных хранилищах (платные сервисы в интернет), - проверка репутации потенциальных заемщиков (до скоринга), - построение электронных архивов (хранение первичных документов в электронном виде). |
ВТБ24 | Teradata, SAS Visual Analytics, SAS Marketing Optimizer. | - Сегментация клиентов, - управление оттоком клиентов, - формирование финансовой отчетности, - анализ отзывов в соцсетях. |
Альфа-Банк | Oracle Exadata, Oracle Big Data Appliance, Hadoop. | - Анализ информации в соцсетях, - кредитный скоринг, - анализ поведения пользователей сайта, - вторичные продажи, - персонализация контента. |
ФК Открытие | RS-DataHouse, SAP Business Objects. | - Управленческая и обязательная отчетность; - Оперативная аналитическая отчетность для бизнес-подразделений. |
Райффайзенбанк | н/д | - Быстрое формирование отчетности, - управление взаимоотношениями с клиентами, - персонализация услуг, - противодействие мошенничеству, - кредитный скоринг. |
ХМБ Открытие | HP Vertica, SAP Business Objects. | - Управление рисками, - онлайн-мониторинг продаж банковских продуктов, - мониторинг процессов взыскания. |
Ситибанк | Hadoop, Teradata. | - Управление рисками, - противодействие легализации доходов, полученных преступным путем, - моделирование при разработке новых продуктов. |
Нордеа Банк | Vertica (пилотный проект) | - Параллельная загрузка в хранилище данных, - расчет агрегатов, - получение отчетов взамен реляционным отчетам и иногда OLAP Cubes. |
Источник: CNews Analytics, 2015
В банках уровня топ-10 создаются центры компетенции по большим данным. В 2012 г. отдел технологических исследований Сбербанка развернул инфраструктуру для реализации проектов в области больших данных, которая с тех пор успешно эксплуатируется. «Накопленный за это время опыт и экспертиза позволяют сказать, что данное направление принесет свои дивиденды в результате внедрения в различных сферах бизнеса», — рассказывает Алексей Винниченко, руководитель направления Big Data отдела технологических исследований Сбербанка.
С изменением рыночных условий спектр задач, решаемых средствами больших данных, расширяется. «Если раньше банки думали о том, как найти потенциальных клиентов по их сообщениям в социальных сетях и как увеличить вторичные продажи, используя технологии больших данных, то сейчас банки активно рассматривают применение технологий больших данных для поиска должников и более эффективной работы коллекторской службы», — рассказывает Эллиот Гойхман, начальник департамента информационных технологий «МДМ Банка».
«В настоящее время зрелость технологий больших данных для рынка не совсем достаточна, — комментирует IT-директор «Нордеа Банка» Аркадий Затуловский. — Мы ждем, что на рынке появятся интегрированные системы, реализующие все основные технологии больших данных, которые позволят потребителям без дополнительного системного программирования начать их использовать по аналогии с DBMS, BI и так далее». Эксперт допускает, что технологии больших данных в ближайшие годы вызовут переворот на рынке корпоративных хранилищ данных.
Источник: CNews Big Data, 03.06.2015