Banky čelí v současné době několika zásadním výzvám, které ohrožují jejich tradiční trh. Patří mezi ně především konkurence v podobě poskytování finančních služeb po internetu (kryptoměny, P2P půjčky, crowdfunding, internetové platební služby ad.) a klesající výnosy z poplatků za běžné bankovní služby. Toto historicky velmi konzervativní odvětví má nejvyšší čas naskočit na rozjetý vlak v podobě analýzy velkých objemů dat.
Nejsou data jako data
Banky jsou samozřejmě ze své podstaty doslova přeborníky ve zpracování dat – ať už jde o samotné zpracování milionů transakcí nebo náročnou analýzu tržních rizik a analytiku na úrovni jednotlivých produktů (především půjček, hypoték atd.). Zaostávají ovšem v oblasti analýzy velkých dat s cílem poskytovat flexibilnější a personalizované služby jednotlivým klientům. Big data přitom zásadně mění prakticky všechna odvětví poskytování služeb – finanční služby nevyjímaje. Analýza velkých dat může přinést tolik potřebnou konkurenční výhodu v jinak srovnatelných finančních službách. Cenným zdrojem pro analýzu přitom může být každá jednotlivá bankovní transakce.
Potenciál služeb postavených na analýze dat je téměř nekonečný a sahá od úzce zaměřené marketingové komunikace přes optimalizované zpracování jednotlivých transakcí až po personalizovanou správu majetku a finanční poradenství šité na míru jednotlivým klientům. To vše připravené bez extrémního úsilí obchodního týmu a zaměstnanců na pobočkách, ale na základě již dnes dostupných technologií pro analýzu velkých dat, strojové učení a umělou inteligenci. Dnešní nároční zákazníci přitom na podobné služby přímo čekají – na vysoce personalizovanou komunikaci a na míru připravené služby jsou zvyklí z e-shopů a dalších on-line služeb. Poskytovatelům takových služeb se pak odvděčí svojí loajalitou, vyšší útratou a šířením dobré pověsti.
Díky vytvoření nových datových modelů a souvisejících scénářů pro co nejhomogennější skupiny klientů mohou banky navíc posílit svoje řízení rizik, lépe hodnotit žadatele o úvěr a předcházet podvodům i rizikovým transakcím.
Soukromí především
Klienti bank si zpravidla vysoce cení diskrétnosti a zachování soukromí při svých finančních operacích. Lze ovšem tyto principy zachovat i při vytěžení velkých dat a personalizaci bankovních služeb? Někteří klienti by totiž mohli být nepříjemně překvapení tím, že jejich banka vlastně ví, pro koho pracují a za co nejvíce utrácejí (obzvláště pokud jsou všechny tyto subjekty klienty stejné banky), a podle toho jim nabídne personalizované služby.
Banky si v tomto ohledu mohou vzít příklad z internetové kryptoměny bitcoin, která sama o sobě může v blízké budoucnosti představovat pro banky ohrožení. Jednotlivé transakce jsou zde zcela anonymizovány, což uživatelům poskytuje maximální úroveň soukromí, zatímco každá transakce má ale zároveň svůj unikání identifikátor s časovým razítkem. Banka by tak zajistila svým klientům vyšší soukromí a zároveň se nezbavila možnosti pokročilých datových analýz.
Co chtějí zákazníci slyšet?
Banky dnes aktivně prodávají služby, které jim přinášejí nejvyšší marži. Pokud ovšem využijí analýzu velkých dat a veřejně dostupné informace o svých klientech (například jejich profily v sociálních sítích), mohou jim nabídnout vhodné služby ve správný čas. Pokud by například banka věděla, že jejich klient uzavřel manželství nebo že se mu narodilo dítě, může vhodným způsobem nabídnout hypotéku na bydlení nebo úrazové pojištění. Pořizuje si klient často letenky a rezervuje si hotely po celém světě? Pak by měl třeba zájem o cestovní pojištění nebo příznivěji nastavené poplatky za platby a výběry hotovosti v zahraničí. Individuálním přístupem si může banka získat spokojené a loajální klienty, aniž bude střílet úplně naslepo, jako se dnes velmi často děje.
Nová data, staré IT
Problémem většiny bank je nesoulad aktuálních požadavků na datovou analýzu s existujícími transakčními systémy. Nasazení nových nástrojů na existující datové zdroje a databáze je proto pro finanční ústavy značnou výzvou. Stejně jako v dalších oborech využívajících big data je třeba vhodně navrhnout algoritmy pro hledání souvislostí a jejich smysluplné prezentace. Příliv nových závěrů z datové analýzy je nutné efektivně vizualizovat, aby mohly skutečně sloužit jako podpora rychlejšího rozhodování a vytváření nových produktů a služeb šitých na míru konkrétním zákazníkům.
