V současné době ovšem lze dělat analýzu dat v pravidelných intervalech nebo v reálném čase a zjistit, odkud pocházejí příjmy klienta, kdo jsou jeho spolupracovníci, kde a jak často nakupuje, s kým bydlí ve společné domácnosti (podle podobnosti nákupního chování) a kde se právě pohybuje. Namísto základní segmentace podle věku či místa bydliště mají dnes banky velmi přesný přehled, kde se klient pohybuje.
Analýza všech bezhotovostních převodů, plateb kartou nebo výběrů z bankomatů představuje zpracování obrovského množství dat. Na straně datového centra je proto třeba nejen dostatečná úložná kapacita a výpočetní výkon, ale také kvalitní algoritmy navržené pro hledání souvislostí v datech. Výsledek ovšem stojí za to: Detailní poznání každého jednotlivého klienta umožňuje výrazně přesnější cílení nabídky nových služeb i komunikaci s klientem na úrovni osobního bankéře – to vše s přijatelnými náklady na obsluhu klientů.
Osobní bankéř pro každého
Čeští zákazníci bank nejsou s jejich službami ve skutečnosti příliš spokojení, ale zároveň jsou velmi konzervativní a neochotní svoji banku změnit. Svědčí o tom například i nedávný průzkum agentury SC&C, připravený pro Českou bankovní asociaci. Podle něj jsou sice čtyři z pěti Čechů se svou hlavní bankou spokojeni, ale bezmála třetina klientů uvažuje o změně svého primárního finančního ústavu. Ke změně ale většinou nakonec nedojde, jelikož mezi klienty převládá názor, že služby poskytované českými bankami jsou ve svém výsledku prakticky stejné. Klíčový význam pro odlišení nabídky produktů a služeb, stejně jako k jejich přesnějšímu cílení na konkrétní zákazníky, má analýza velkých dat. Cílevědomé banky lépe poznají své klienty, odliší se od ostatních na trhu a díky inovativním službám získají i nové zákazníky.
Dnes v rámci kampaní nabízejí banky a další finanční instituce vždy určitý typ produktu či služby – masově a s minimální segmentací. Zpravidla dokážou odlišit jen segmenty klientů s nízkými a vysokými příjmy, ale jinak neváhají plošně nabízet úvěry, hypotéky, životní pojištění či investice, nejčastěji zcela bez ohledu na to, jaké jsou skutečná finanční situace, nákupní chování či osobní preference klientů. Bez detailní analýzy a důkladného poznání klientů ale ani jiný způsob možný není.
Jakmile ale banka nasadí datovou analýzu, s využitím technologií, jako je například in-memory computing, na velmi rychlé zpracování databázových dat v operační paměti serverů, budou mít o svých klientech detailní informace prakticky v reálném čase. Dalším nezbytným prvkem jsou vhodně navržené algoritmy, se kterými může banka na základě analýzy plateb o klientech snadno zjistit důležité informace. Když bude banka například vědět, že zákazník často cestuje do zahraničí, pořídil si nové auto nebo bydlení, jezdí lyžovat, začal žít s partnerem ve společné domácnosti nebo že se mu narodilo dítě, může lépe cílit například nabídku vedení účtu v cizí měně, hypotéky, úrazového pojištění a další služby.
Jen s využitím datové analýzy mohou banky rychle reagovat na změny v životě klienta. Podle finančních toků může banka například zjistit, že klient přišel o zaměstnání, aktivně jej kontaktovat a včas s ním začít řešit úpravu splátek hypotéky či spotřebního úvěru. Podobných situací vyžadujících rychlou reakci ze strany finančního ústavu bychom našli ještě celou řadu.
