Big Data

Понятие Big Data и для чего оно нужно

В связи с постоянным ростом данных, которыми приходится оперировать крупным компаниям, существует большой спрос к технологиям класса Big data.

Что такое Big Data? Понятие больших данных подразумевает работу с информацией огромного объема и разнообразного состава, весьма часто обновляемой и находящейся в разных источниках в целях увеличения эффективности работы, создания новых продуктов и повышения конкурентоспособности.

Как правило, когда говорят о термине Big data, то используют наиболее популярное определение трех «V», что означает Volume – объем данных, Velocity – необходимость обрабатывать информацию с большой скоростью и Variety – многообразие и часто недостаточную структурированность данных.

Вместе со стремительным накоплением информации быстрыми темпами развиваются и технологии анализа данных. Если еще несколько лет назад было возможно, скажем, лишь сегментировать клиентов на группы со схожими предпочтениями, то теперь возможно строить модели для каждого клиента в режиме реального времени, анализируя, например, его перемещение по сети Интернет для поиска конкретного товара. Интересы потребителя могут быть проанализированы, и в соответствии с построенной моделью выведена подходящая реклама или конкретные предложения. Модель также может настраиваться и перестраиваться в режиме реального времени, что было немыслимо еще несколько лет назад.

Методы и техники анализа Big Data

Существует множество разнообразных методик анализа массивов данных, в основе которых лежит инструмент, позволяющий рассчитывать любые показатели, применяемые в моделировании/прогнозировании/оценке вероятности события.

Компания Prime Source предлагает:

1. Внедрение инструмента углубленной аналитики IBM SPSS.
2. Интеграция инструмента в ИТ-среду и построение аналитической витрины, на базе которой строятся модели.
3. Обучение использованию инструмента, чтобы сотрудники Заказчика самостоятельно могли строить прогнозные модели, анализировать информацию компании.
4. Построение прогнозных моделей:
   1. С какой вероятностью какой клиент купит продукт, если ему позвонить или отправить смс?
   2. Кому позвонить/отправить имейл/смс, чтобы увеличить депозитный портфель на 20%?
   3. Какой компании предложить зарплатный проект, чтобы увеличить долю зарплатников в банке на 30%?
   4. Какому заемщику давать кредит, какому – не давать?
   5. Какие клиенты уйдут в течение ближайшего месяца/квартала/полугода?
   6. В какой момент времени и на какую сумму необходимо пополнить данный банкомат наличностью?
   7. Какой товар рядом с каким выставить в магазине?
   8. Какое индивидуальное предложение сделать 300 000 клиентам, чтобы каждый из них приобрел хотя бы один товар/услугу?
   9. Любые другие на основе имеющихся данных.
   10. Как определить мошеннические операции сотрудников?
   11. Как определить мошенников-клиентов?
   12. Любые другие, где требуется применение технологии data mining.

IBM SPSS является лидером в области углубленной аналитики

ACRM — продажи

Аналитический CRM — позволяет автоматизировать управленческие процессы, связанные с глубоким анализом данных о клиентской базе компании.

Жизненная ценность клиента (CLV) – понимание доходности клиента, которая обеспечивает формирование правильной стратегии работы с клиентом. К примеру, компания тратит огромные средства для привлечения клиентов, которые в итоге не приносят прибыль. CLV помогает определить, какой клиент важен для компании и как сделать не доходного клиента прибыльным.

Аналитический CRM используется на всех этапах жизненного цикла клиента:

1. Привлечение – привлечение нового клиента, первая продажа продукта
2. Cross-Sell – продажа клиенту, купившему 1 продукт, еще нескольких
3. Up-Sell – повышение среднего чека клиента путем предложения более дорогостоящих товаров, н-р, повышение кредитного лимита
4. Пропаганда – повышение удовлетворенности и лояльности клиента (nps), в ходе которого клиент начнет самостоятельно пропагандировать Вашу компанию
5. Удержание – увеличение жизненного цикла клиента, искоренение причин ухода клиента и правильно сформулированное предложение удержания
6. Возврат — возвращение клиента, которого не удалось удержать

 

Компания Prime Source предлагает комплексное решение по управлению доходности клиента, созданию и методологической поддержке прогнозных моделей и моделирования жизненного цикла клиента:

1. Сегментация клиентов, определения профилей клиентов;
2. Моделирования доходности для определение жизненной ценности клиента (CLV) и прогноза будущей прибыли.
3. Применение моделей для сегментации клиентское базы с использованием различных математических методов.
4. Оценка клиентской базы «под продукт» с применение данных Заказчика.
5. Построение прогнозных моделей для коммуникации с клиентом с высокой вероятностью отклика на предложение/продукт.
6. Применение аналитических моделей для повышения частоты транзакции и средней суммы покупки.
7. Внедрение ассоциативных моделей для выявления будущих потребностей клиента.
8. Внедрение инструмента углубленной аналитики, позволяющего моделировать п.1-7.
9. Внедрение инструмента управления Маркетинговыми кампаниями, их оптимизации и сбора откликов.
10. Обучение построению моделей, использованию углубленной аналитики.

 

Бизнес результат:

1. Повышение доходности продукта и клиента.
2. Снижение расходов на маркетинговые кампании и повышение их эффективности.
3. Увеличение продаж за счет cross-sell и up-sell.
4. Повышение доходности продукта путем увеличения интенсивности ее использования клиентом.
5. Получение дополнительного дохода от продаж путем построения ассоциативной цепочки по текущим и будущим потребностям клиента.

 

 

Лояльность и удержание клиента

Сегментация рынка — процесс разбивки потребителей или потенциальных потребителей на рынке на различные группы (или сегменты), в рамках которых потребители имеют схожие или аналогичные запросы, удовлетворяемые определенным комплексом маркетинга.

Индекс лояльности NPS (англ. Net Promoter Score) — индекс определения приверженности потребителей товару или компании (индекс готовности рекомендовать), используется для оценки готовности к повторным покупкам.

Удержание клиентов — одно из самых важных направлений в современном бизнесе.

1. привлечение нового клиента обходится, в зависимости от отрасли, в 5-10 раз дороже, чем удержание уже существующего.
2. сокращение оттока клиентов на 5-10% может принести компании до 75% дополнительной прибыли.

 

Компания Prime Source предлагает комплексное решение по созданию и методологической поддержке моделей, которые помогут Вам повысить эффективность вашего бизнеса:

1. Применение моделей для сегментации клиентской базы с использованием различных математических методов.
2. Моделирование поведения клиента на основе анализа сегмента, мониторинг и прогноз перехода клиента из одного сегмента в другой.
3. Использование моделей для выявления причин недовольства клиента, определение факторов и причинно-следственных связей, в результате которого клиент уходит из компании.
4. Прогнозирование оттока клиента.
5. Подбор предложении по удержанию клиента.
6. Внедрение инструмента углубленной аналитики, позволяющего моделировать п.1-5.
7. Внедрение инструмента управления Маркетинговыми кампаниями по повышению лояльности и удержанию клиента.
8. Обучение построению моделей, использованию углубленной аналитики.

 

Бизнес результат.

Внедрение прогнозных моделей позволит:

1. Увеличить лояльность и доверие клиента к компании.
2. Снизить расходы на привлечение новых клиентов за счет активной агитации компании существующими клиентами.
3. Минимизировать усилия по удержанию клиентов.
4. Выявить и устранить причины ухода клиентов.
5. Получить дополнительную прибыль от удержанных клиентов.

 

 

Кредитный скоринг

Кредитный скоринг — система оценки кредитоспособности (кредитных рисков) лица, основанная на численных статистических методах (скоринговая модель).

Скоринговая модель — математическая модель, позволяющая сопоставить характеристикам заемщика численное значение – скоринговый рейтинг, характеризующий кредитоспособность (вероятность успешного исхода кредитной сделки или PD).

 

Компания Prime Source предлагает комплексное решение по созданию и методологической поддержке скоринговых моделей, а также автоматизации кредитного скоринга (application, behavioral):

1. Разработка скоринговых моделей специалистами Prime Source на данных Заказчика;
2. Интеграция построенной скоринговой модели в ИТ-инфраструктуру Заказчика;
3. Внедрение инструмента построения скоринговых моделей для собственной разработки силами Заказчика;
4. Обучение построению скоринговых моделей;
5. Услуги по сопровождению скоринговых моделей:

1. 1. Мониторинг работы скоринговых моделей с дальнейшим статистическим анализом, оценкой и возможной корректировкой работы скоринговой модели.
   2. Анализ качества работы сопровождаемых скоринговых моделей.
   3. Разработка рекомендаций и внесение корректировок в разработанную карту.
   4. Калибровка скоринговых моделей.
   5. Методологические консультации по использованию, разработке и корректировке скоринговой модели.

 

Бизнес результат:

 Внедрение Application scoring позволит:

1. Повысить точность оценки заемщика;
2. Ускорить процедуру оценки и минимизировать человеческий фактор в принятии решения;
3. Снизить формируемые резервы на возможные потери по кредитным обязательствам.

Внедрение Behavioral scoring позволит:

1. Оценить/спрогнозировать динамику изменений кредитного счета индивидуального заемщика и кредитного портфеля в целом на основании поведенческого анализа по кредитному счету заемщика;
2. Оптимизировать стратегию работы с клиентами, повысить качество принятия решений относительно развития или прекращения отношений с клиентами.

 

 

Collection

Основная проблема организации, занимающихся продажей кредитных продуктов — сбор просроченной задолженности.

Досудебный процесс взыскания задолженности включает в себя стадии:

• Soft-collection — дистанционное (без прямого контакта) уведомление клиента о наличии просроченной задолженности путем: СМС уведомления, телефонных звонков, сообщений посредством интернета (сообщение на электронный ящик, социальные сети).
• Hard-collection — непосредственный контакт с клиентом, при котором коллектор информирует лично должника о наличии долга путем: выезда по адресу регистрации, фактического проживания, юридическому адресу, и вручения: уведомления, извещения, требования лично либо посредством почтовой корреспонденции.

 

Компания Prime Source предлагает комплексное решение по созданию и методологической поддержке скоринговых моделей, отвечающих на целый ряд важных вопросов:

1. кто из клиентов выйдет на просрочку?
2. закроет ли клиент просрочку по кредиту самостоятельно и на какой день просрочки?
3. каков прогнозируемый уровень NPL, что нужно сделать для того чтобы ее снизить?
4. каков прогнозируемый эффект от принятых мер по сбору задолженности?
5. какие меры нужно предпринять для возврата задолженности?

 

Бизнес результат:

Использование аналитических моделей в collection позволит:

1. Снизить долю просроченных кредитов в портфеле Банка.
2. Принять мер по возврату задолженности до выхода клиента на просрочку или на ранних стадиях просрочки.
3. Уменьшить операционные расходы по возврату задолженности.
4. Снизить уровень NPL.
5. Оптимально использовать средства, направленные для покрытия рисковых кредитов, за счет уменьшения суммы просроченной задолженности.
6. Снизить процентные ставки по кредитам за счет уменьшения количества невозвратных кредитов.
7. Повысить лояльность клиента путем прекращения уведомлении «хороших» клиентов.