Jak można wykorzystać zaawansowane systemy analityczne? Najlepsze praktyki z bankowości

W jakim kierunku rozwijają się systemy Business Intelligence? W jaki sposób je wykorzystać, aby osiągnąć największe możliwości w zakresie diagnozowania sytuacji i wsparcia decyzji biznesowych? W niniejszym artykule zaprezentowane zostały przykłady wykorzystania systemów analitycznych w bankowości zebrane na podstawie doświadczeń firmy Cogit z wielu wdrożeń w Europie.

Business Intelligence (BI) to procesy, technologie i narzędzia służące do transformacji danych w informacje oraz informacji w wiedzę i decyzje, które wspomagają działalność biznesową. Umożliwiają one zamianę danych w informacje użyteczne biznesowo – to krytyczna miara wartości tych rozwiązań w organizacji oraz główny motyw ich wdrożenia. Sztuką jest takie dobranie strumienia informacji, który do nas dociera, żeby był optymalnie wykorzystywany dla naszych potrzeb. Chodzi o to, żeby znaleźć ten punkt, w którym zarówno forma informacji, jak i sposób jej dostarczania, częstotliwość, dokładność, szczegółowość itp. są dopasowane do tego, w jaki sposób chcemy je wykorzystać i jakie decyzje podjąć na ich podstawie.

Rozwój technologii i możliwości

Systemy Business Intelligence mocno się rozwijają i zmiany te są widoczne wraz z każdą ich kolejną wersją. Dysponujemy również coraz lepszymi możliwościami technicznymi oraz obliczeniowymi. Coraz bardziej zaawansowane algorytmy pozwalają konstruować sposoby obliczeń, które dostarczają informacji, jakich nie mogliśmy uzyskać jeszcze kilka lat temu. Liczy się również coraz większa dostępność większej ilości danych dla coraz bardziej zaawansowanych algorytmów. Już nie musimy koncentrować się wyłącznie na danych z wewnątrz organizacji, możemy bowiem przetwarzać coraz to nowsze ich formaty. Co najważniejsze, wszystkie powyższe elementy można skutecznie łączyć w sieć stanowiącą olbrzymi strumień danych, który stwarza niesamowite możliwości.

Efekty rozwoju systemów BI dla użytkowników

Dla użytkownika rozwój systemów BI oznacza, że ma dyspozycji coraz lepiej zwizualizowane, ciekawsze i szybsze informacje, z których może korzystać w łatwiejszy i bardziej interaktywny sposób. Dzięki sztucznej inteligencji system może się uczyć i dostarczać użytkownikom coraz bardziej dopasowanych do ich potrzeb informacji – wszystko za sprawą zaawansowanych interfejsów oraz metod prezentacji i przekształcania danych w informacje. To przed użytkownikiem stoi decyzja, jak wykorzystać klasyczne systemy Business Intelligence lub bardziej zaawansowaną analitykę do realizacji ich celów.

Docelowo: Każdy, Wszędzie, Zawsze, Automatycznie

Analizując możliwości wykorzystania narzędzi BI warto posłużyć się przykładem kolejnych faz wykorzystania systemów analitycznych wg Gartnera (BI maturity). Docelowo chodzi o to, żeby każdy użytkownik systemów analitycznych był przez te systemy wspierany wszędzie, zawsze i coraz bardziej automatycznie w podejmowaniu decyzji biznesowych. Pierwszym, najniższym poziomem wykorzystania systemów jest poziom opisowy, który polega na tworzeniu prostych raportów generowanych na podstawie danych historycznych – poziom ten dostarcza informacji na temat tego, co się wydarzyło. Może to być odpowiednio złożona i szczegółowa informacja, ale w każdym przypadku stanowiąca dalszą lub bliższą historię. Kolejnym poziomem wykorzystania systemów BI jest poziom diagnostyczny, który polega na tym, że z pomocą systemu jesteśmy w stanie odpowiedzieć sobie na pytanie, dlaczego coś się wydarzyło. Po systemie diagnostycznym występuje poziom predykcyjny, który pozwala nam wykorzystać dane do podejmowania decyzji na przyszłość, aby zoptymalizować działania i zmierzać w konkretnym, wyznaczonym kierunku. Na tym etapie mamy do dyspozycji olbrzymią ilość technik wyciągania wniosków i ostrzegania o tym, co może się zdarzyć. Ostatni poziom dojrzałości systemów to poziom receptualny, w ramach którego pozwalamy, żeby część naszych decyzji była podejmowana przez system. Obejmuje on zautomatyzowane działania polegające m.in. na wykorzystaniu sztucznej inteligencji do rozmów z klientami czy generowania ofert. Główna fala rozwoju zmierza właśnie w tym kierunku. Zakłada się, że coraz więcej elementów w ramach systemów będzie generowanych automatycznie, a nasza rola będzie polegała bardziej na nadzorze nad takimi decyzjami – bardziej niż konkretnym działaniu z danymi i wyciąganiu z nich wniosków na potrzeby decyzyjne.

Co i w jaki sposób jesteśmy w stanie wiedzieć na temat naszego klienta?

W bankowości obszar Know Your Customer to zestaw obligatoryjnych i regulacyjnych wymogów znajomości klienta. Ale to wiedza na temat tego, w jaki sposób klienci mogą się zachować i jak się zachowają w określonej sytuacji pozwala osiągać coraz lepsze wyniki. W artykule przedstawione zostaną przykładowe obszary, które jesteśmy w stanie analizować z wykorzystaniem systemów analitycznych. Pierwszy obszarem jest segmentacja, którą rozumiemy jako wyszukiwanie takich podziałów, mechanizmów i grup naszych klientów, o których nie mieliśmy świadomości wcześniej. Zatem nie chodzi o taką segmentację, która porusza się według zadanych wcześniej przez analityka czy użytkownika kryteriów, ale o taką, która odbywa się automatycznie. Bada ona takie podobieństwa między klientami, których wcześniej nie mieliśmy świadomości, a mogą się okazać bardzo skuteczne we współpracy – czy to w kwestii konstruowania oferty, wykrywania zagrożeń czy innych elementów, które są potrzebne do podejmowania decyzji związanych z klientami. Kolejnym krokiem jest prognozowanie przyszłości na podstawie takich danych jak np. opisana powyżej automatyczna segmentacja. Chodzi o prognozowanie zachowań zarówno na poziomie pojedynczego kontraktu czy umowy, ale też całych grup klientów i wszystkich innych układów, parametrów które przyjdą nam do głowy.

W bezpośrednim kontakcie z klientami, systemy BI pozwalają obecnie na wykorzystanie informacji dość nietypowych z punktu widzenia typowej analizy danych, np. analizy emocji klienta w trakcie jego rozmowy z call center. Większość takich rozmów jest obecnie nagrywana i mamy dostęp do algorytmów, które pozwalają nie tylko badać słowa kluczowe czy analizować kontekst rozmowy, ale też wykrywać emocje, którymi klient się kieruje w trakcie takiej rozmowy, co może być bardzo istotnym wskaźnikiem, jak powinniśmy dalej z nim współpracować. Dzięki zaawansowanym systemom analitycznym jesteśmy również w stanie wykrywać emocje pracownika call center, co z kolei może umożliwić lepsze zarządzanie zespołem na poziomie operacyjnym. Z punktu widzenia zrozumienia i znajomości klienta są to rozwiązania dostępne i możliwe do wykorzystania już teraz. Dobrze mieć świadomość istnienia tego typu możliwości i spróbować je wykorzystać w raportach, analizach i dashboardach.

Life Events Detection i generowanie ofert – informacja zarówno dla ryzyka, jak i sprzedaży

Pierwszym przykładem, który przychodzi na myśl w kontekście informacji bankowych jest próba wykrywania zdarzeń z potocznie zwanych 3D: Debt, Death & Divorce, które bardzo mocno wpływają na stabilność finansową klientów. Przykładem takich nieoczywistych danych może być duża korelacja płatności kartą kredytową w hotelach w pobliżu miejsca zamieszkania z prawdopodobieństwem rozwodu – trochę w klimacie anegdoty, ale przykład ten dobrze pokazuje, jakie związki może wykrywać zautomatyzowana analityka. Ostatnim elementem jest cały obszar automatycznego (czyli bez konieczności jakiegokolwiek udziału użytkownika) generowania oferty czy dopasowywania produktów do konkretnej osoby. W przypadku klientów detalicznych jest to szczególnie potężne narzędzie, bo to konstruowanie zindywidualizowanych ofert dla pojedynczych klientów detalicznych stanowi nie lada wyzwanie dla wielu organizacji. Przykłady systemów tego typu dla bankowości korporacyjnej bardzo szczegółowo rozkładają każdy produkt na czynniki pierwsze i próbują badać wymagania i preferencje klientów, żeby lepiej dopasować ofertę i dostarczyć doradcy klienta jak największej ilości informacji.

Jakie dane obserwujemy przez nasze systemy?

Odnosząc się do danych z systemów Business Intelligence zazwyczaj mamy na myśli dane wyrażone w sposób liczbowy, wskaźnik KPI czy miary. Ważne jest, żeby każdorazowo zastanowić się nad ich jakością i sposobem obliczania. Oczywiście koniecznym jest udostępnianie do analizy danych na najniższym poziomie dokładności, opisujących co się zdarzyło, ale jeżeli chcemy uzyskać lepsze i szybsze wsparcie w podejmowaniu decyzji powinniśmy pamiętać, że w tym przypadku liczba wskaźników absolutnie nie przekłada się na jakość analizy. Wybór wskaźników jest olbrzymi. W encyklopedii wskaźników KPI dla biznesu znajdziemy 20 tys. wskaźników KPI, a encyklopedii dla bankowości około 7 tys., jednak doświadczenia autora wskazują, że zbyt duża ilość mierzonych wskaźników wyklucza ich dobre dopasowanie do tego, w jaki sposób chcemy je wykorzystać.

Jak dopasować dane do sposobu ich wykorzystania?

Wybierając wskaźniki, miary i liczby, na podstawie których oceniamy dany proces lub jego część warto się zastanowić, w jaki sposób je mierzyć i w jaki sposób je oceniać, ale przede wszystkim należy mieć świadomość, że miara i ocena powinny być traktowane oddzielnie.
W miarach bezwzględnych powinno się mierzyć te elementy, które pozwalają ocenić sytuację w kontekście tego jak jest. Ale nie powinno się brać tego samego wskaźnika do oceny danego doradcy czy danego menedżera, bo oceniać powinno się w sposób względny, biorąc pod uwagę dużo więcej elementów, które powinny wpływać na tę ocenę. Jeżeli chcemy zarządzać dużą grupą porównywalnych obiektów nie powinniśmy oceniać ich wyłącznie na podstawie twardych wskaźników, ale też mieć świadomość możliwości wykorzystania wskaźników względnych. Dodatkowo warto również myśleć na temat wskaźników do analizy w kategorii tego, co traktujemy jako cel. Najczęściej te cele są później wkładane w obszary zadań do wykonania, są przeliczane na wysokość premii czy prowizji. Dane te są bardzo wrażliwe z punktu widzenia użytkowników i trzeba mieć świadomość, że jeśli chcemy dokładnie mierzyć i sprawiedliwie oceniać musimy odpowiednio dobrać i określić wskaźniki miary, oceny oraz realizacji celu.

Jak mierzyć i oceniać oddziały – przykład

Rozwiązania analityczne są w stanie dostarczyć wielu informacji na temat tego, co się dzieje w sieci oddziałów banku.  W pierwszej kolejności dobiera się do analizy proste wskaźniki czy liczby takie jak: wolumeny, marżę oraz nową sprzedaż. Mierzy się też standardowo wskaźniki takie jak C/I (Koszt/Przychód), które pozwalają nam relatywnie określać jedną wartości w stosunku do drugiej. Jednak w dalszym ciągu są to elementy będące sztywnym, bezwzględnym sposobem mierzenia danej jednostki. Może jednak warto się zastanowić, czy nie użyć do oceny jednostki rankingu albo dynamiki na poziomie tej konkretnej jednostki? Czy nie uwzględniać takiego elementu jak potencjał ekonomiczny lub pozycja w rankingu, którymi będziemy ważyć wszystkie wskaźniki? Bo oczekiwanie wobec najlepszego oddziału banku, że się poprawi w takim samym stopniu jak jego najgorszy oddział jest błędem z punktu widzenia dobrego zarządzania i ludźmi i siecią. Z punktu widzenia najlepszej pozycji dość trudno jest bowiem jeszcze się poprawić. Ale jeżeli oddział ten został w tym samym miejscu, ale rynek wzrósł o 20% to może oznaczać, że oddział wcale się nie zachowywał tak dobrze, jakbyśmy tego oczekiwali. W obszarze oceny licznych jednostek należy brać pod uwagę tego typu niuanse, a dzięki zaawansowanym rozwiązaniom Business Intelligence jesteśmy w stanie dobrze konstruować odpowiednie do tego celu wskaźniki i wzbogacać nasze dane o dodatkowe mierniki. Warto o tym pomyśleć, żeby móc w coraz ciekawszy sposób wykorzystywać te dane, którymi dysponujemy – nie tylko po to, żeby uzyskać suche informacje, ale też bezcenne wsparcie w diagnozowaniu sytuacji i podejmowaniu lepszych decyzji w przyszłości.