Статистический сборник. Публикуется с 2007 г.

Статистический сборник. Публикуется с 2007 г.

Статистический сборник. Публикуется с 2009 г.

Информационно-статистический сборник. 2020

Что могут и чего не могут дать «большие данные»

14 марта в Высшей школе экономики в рамках серии дискуссий «Форсайт финансовых профессий» состоялся круглый стол на тему: «Использование Big Data в финансах». Обсудить вопрос собрались ученые московских и ведущих региональных вузов, а также эксперты, представляющие бизнес-структуры.

Повседневная жизнь современного человека буквально опутана «умными» устройствами, которые, помимо выполнения своих основных функциональных задач, являются источником предоставления данных о самих пользователях. Каждый лайк, транзакция, смс, покупка в интернет-магазине или просто попадание в объектив камеры не исчезают бесследно, а где-то кем-то собираются, накапливаются в так называемые большие данные (или Big Data) и становятся предметом торговли.

Само понимание о получении выгоды при анализе больших данных появилось примерно в 2004 году, а пик интереса к ним пришелся на 2013 год, что связывают с готовностью компаний инвестировать в новые направления после пережитого кризиса 2007-09 годов. Тем не менее, Big Data не стали панацеей. По данным, приведенным руководителем Департамента математики факультета экономических наук НИУ ВШЭ Фуадом Алескеровым на Западе только 13% компаний применяют большие данные. А выгоду от их использования многие участники круглого стола назвали не иначе, как «в пределах статистической погрешности», хотя руководитель практики управления рисками PwC Россия Вячеслав Битюцкий рассказал, что за счет технологий Big Data компании Visa, в частности, удалось предотвратить мошеннические платежи на 2 млрд долларов в год, а банк HSBC благодаря решениям по вычислению мошеннических операций сумел в три раза повысить эффективность службы безопасности и в 10 раз увеличить распознавание мошеннических инцидентов, что в сумме позволило сэкономить более 10 млн долларов.

В Департаменте математики факультета экономических наук ВШЭ были выполнены несколько работ по анализу больших данных, в частности, анализ динамики активности более 500 тыс. клиентов крупного зарубежного банка, сегментация более 1 млн клиентов компании с помощью анализа динамических рядов их потребления.

Как это работает в России

Положительные истории есть и на нашем рынке. Технологии анализа больших данных в финансах — FinTech — широко внедряются российскими банками. Локомотивами здесь выступают Сбербанк и некоторые иные крупные российские банки, не остается в стороне и ЦБ. Как это работает, рассказал Михаил Логинов, руководитель центра компетенций в финансовой сфере SAP СНГ: «Региональный банк, чьим клиентом является системообразующее предприятие, благодаря анализу его документооборота спрогнозировал возможный недостаток средств и рассчитал, как это отразится на выплате зарплат сотрудникам, данные на которых также собираются и обрабатываются. В результате банк разработал маркетинговую кампанию, в рамках которой делал своим частным клиентам адресные предложения по реструктуризации кредитов. Этот подход позволил банку в разы увеличить лояльность и расширить клиентскую базу».

Более того, сегодня FinTech позволяют даже спрогнозировать вероятность расторжения брака между супругами, основываясь на объемах и частоте их трат, а также местах, которые они посещают (типы магазинов, кафе и т.п.). По словам экспертов, анализ профиля клиента в социальных сетях может также отразиться на его ставке по кредиту.

Сложности работы с большими данными

Между тем не стоит понимать приведенные примеры однозначно, что якобы финансовым организациям в разы облегчилась жизнь и новые технологии позволяют им запросто «читать мысли» своих клиентов, – это миф. Во-первых, проблема заключается в многообразии доступных данных, из которых далеко не все представляют ценность. По словам доцента Департамента финансов НИУ ВШЭ Генриха Пеникаса, эффективность Big Data очень условна, и это подтверждается их относительно невысокой стоимостью  

Во-вторых, анализ данных может позволить выявить новую сегментацию, тренд или нишу, только если аналитики сумели смоделировать процесс, который стоит за этими большими данными, с учетом возможных географических, культурных, национальных и других особенностей рынка. В этой связи возникает вопрос о профессиональной подготовке специалистов по работе с большими данными. Насколько компетенции сегодняшнего выпускника финансового вуза соответствуют новым требованиям индустрии? По словам экспертов круглого стола, сегодня для работы с большими данными привлекаются финансисты и математики, они вместе строят модели потребления, а далее к ним подключаются IT-специалисты, которые воплощают их идеи в цифровом формате. Однако ввиду разработки профессионального стандарта для специалиста по большим данным (инициировано приказом президента РФ в 2012 году), вузы вынуждены пересматривать сложившуюся программу обучения студентов. Специалист по большим данным подразумевает работу в междисциплинарной области, однако, как именно адаптировать программу под стандарт, пока решения нет. Коллеги из академических кругов, несмотря на имеющийся скептицизм в отношении опубликованного проекта будущего стандарта, рассчитывают на сотрудничество с бизнес-структурами для поиска и выстраивания оптимальной образовательной программы.

И, наконец, третий фактор, привносящий риски как для компаний, так и для частных потребителей, это до сих пор открытый вопрос с регулированием использования Big Data. На сегодняшний день документа, определяющего правила пользования данными, нет. Однако Европейский регулятор (European Banking Authority) опубликовал материал к обсуждению на тему необходимости регулирования Big Data, в котором просит респондентов предоставить свои комментарии по 27 пунктам до 17 марта 2017 года. Мнения участников круглого стола по данному вопросу разделились. Одни считают, что регулирование поможет защитить пользователей от недобросовестного использования данных, собранных на них, и в этой связи полагают, что регламентироваться должны, в первую очередь, методы, которыми эти данные собираются. Их оппоненты же считают, что любые запреты и ограничения могут вызвать обратный эффект. «Регулирование лишь исказит условия конкуренции, не решив проблемы. А пользователи, которые переживают, что сбор данных нарушает их личную жизнь, пусть не делают публичным частное», — аргументировал Пеникас, подчеркивая необходимость понимать, что любой бесплатный сервис должен окупаться.

Подводя итоги круглого стола, организатор дискуссии профессор, руководитель Департамента финансов факультета экономических наук НИУ ВШЭ Ирина Ивашковская предложила в ближайшее время провести рабочие встречи между представителями академических кругов и бизнеса для выработки разумной траектории по подготовке профильных специалистов по направлению Big Data.