Поделиться
В финансовой сфере регулярно появляются новые продукты, которые могут повысить эффективность работы банков и привлечь новых клиентов. Но в последнее время стали появляться также механизмы на основе анализа больших данных, которые позволяют бороться с мошенничеством в финансовой сфере. Например, недавно подразделение Yandex Data Factory представило Банку России систему, выявляющую нелегальные кредиты в Сети. Такая система потребовалась ЦБ, чтобы оперативно принимать меры в отношении "черных кредиторов", предлагающих свои услуги в России. Программа будет анализировать большие массивы данных, фильтровать их, выявляя сомнительные интернет-ресурсы с предложениями о кредитах. В перспективе система сможет выявлять не только подозрительные услуги по кредитам, но и работать в других финансовых сегментах.
По мнению экспертов ИТ-отрасли, программа собирает большой объем информации по различным предложениям предоставления кредитов. "Для этого расставляются признаки о легальных организациях, предоставляющих кредиты, - пояснил заместитель директора департамента функциональной и технологической экспертизы компании "Техносерв" Александр Горшков. - Таких признаков может быть много. Например, информация о номере лицензии или реквизиты организации, которые есть в базе регулятора".
В случае, если номер лицензии или другие реквизиты принадлежат компании, которая не числится в официальном реестре, запускается проверка на нелегальность деятельности". Дополнительно можно сверять информацию о владельце сайта со списком кредитных организаций, имеющих лицензию на право выдачи кредитов или тех, у кого эта лицензия отозвана. Таким образом, для выявления сайтов "черных" кредиторов применяет специально разработанные собственные алгоритмы семантического поиска.
Банки и финансовые организации в лидерах по внедрению технологий Big Data для управления рисками, противодействия мошенничеству, анализа данных о клиентах и других целей. "Многие инструменты анализа больших данных, такие как статистические пакеты SAS, SPSS, средства Data Mining, давно используются банковскими специалистами по управлению рисками, - рассказала директор по исследовательским проектам ФОРС и руководитель направления Big Data Ольга Горчинская. - Однако раньше состав анализируемой информации был ограничен только данными собственных систем. Сейчас горизонт возможностей существенно расширен - технологии Больших данных позволяют извлекать и использовать для анализа гораздо более широкий спектр данных, в т.ч. из внешних источников - таких как социальные медиа, интернет-СМИ, готовые базы данных". Крупные банки уже приступили к использованию этих технологий, особенно в части расширения знаний о клиентах на основе социальных сетей.
За счет использования принципиально новых источников данных - таких как социальные сети, электронные СМИ - повышается эффективность решения традиционных для данного сектора задач. "Среди них прежде всего кредитный скоринг, таргетированный маркетинг, сегментирование клиентской базы, повышение лояльности клиентов, продвижение продуктов и услуг, - пояснила Ольга Горчинская. - Привлечение дополнительных источников информации помогает лучше оценить кредитоспособность заемщика и вести его кредитную историю с учетом тех сведений и фактов, которые можно обнаружить в публичном доступе". Таким образом, снижается риск невозвратов заемных средств, повышается качество моделей кредитного скоринга и создаются возможности для привлечения новых благонадежных клиентов.
"Наша компания предлагает готовые системы для розничного банковского рынка для решения двух групп задач - кредитного скоринга и анализа контрагентов, - добавила эксперт ФОРС. - Технологии Больших данных дают возможность решать и новый класс задач, которые помогают повысить эффективность бизнеса. Это, например, управление брендом или репутацией, что является важной компонентой стратегии развития любого банка". Использование лингвистических технологий, по словам Ольги Горчинской, позволяет обрабатывать данные социальных сетей и выявлять отношение к банку, его продуктам, проектам со стороны существующих и потенциальных клиентов, вести мониторинг реальной репутации банка и управлять ею.