В любом крупном банке сейчас используется большое количество информационных систем, каждая из которых генерирует определенный объем информации, и в результате в бизнесе формируется единое информационное поле. В связи с этим появляются общие правила или требования, которые бизнес предъявляет к корпоративным данным и их связи между собой, к качеству, а также к логике их обработки. Об этом рассказывает вице-президент Ситибанка, начальник управления стратегического анализа и планирования Андрей Оберемок.
Intelligent Enterprise: С корпоративной информацией, как известно, профессионально работают ИТ-специалисты компаний. Именно они формируют необходимую архитектуру, способную обеспечить цельный взгляд на пространство данных. Но сейчас хотелось бы разобраться, что означает понятие единого информационного ресурса для бизнеса.
Андрей Оберемок: Конечно, единое пространство данных — это объективная реальность. И для бизнеса оно имеет вполне определенное содержательное значение, при этом архитектурные решения для его создания и работы с ним прежде всего создают специалисты информационного департамента.
Центральное место в этой архитектуре, как правило, занимает информационное хранилище, для меня оно в первую очередь и ассоциируется с понятием единого информационного ресурса компании. Не только логически, но и технически хранилище данных часто выступает связующим звеном в ИT-архитектуре. Это особенно заметно, когда используется целый спектр прикладных систем, в том числе разной архитектуры и от разных производителей. В банковском бизнесе такая ситуация типична. Какой-либо волшебной OLTP-системы, в которой сохранялась бы вообще вся информация — о проводках, о клиентах, о кредитных и инвестиционных продуктах, о страховках и т. д., — не существует. А если бы даже и была такая система, при современных объемах данных она вряд ли позволяла бы сотням пользователей иметь надежный и оперативный доступ. Итак, вернёмся туда, откуда начали: есть быстрые системы с ограниченным набором данных и тысячами пользователей, и есть информационное хранилище, где собирается и обрабатывается вся информация, которая возвращает в транзакционные системы уже результаты.
Для нашего бизнеса в контексте формирования единого ИТ-ресурса компании обеспечение качества данных в широком смысле этого понятия является важнейшей задачей. Можно упомянуть, что организационно это направление выделено особо. Существует позиция Chief Data Officer, или главный исполнительный директор по базам данных корпорации, есть сотрудники, занимающиеся данными, так называемые Data Stewards, которые собственно и отвечают за полноту, целостность, актуальность и иные характеристики качества информационного ресурса как на локальном уровне, так и на корпоративном. Надо сказать, что сама роль дата-стюардов (а у нас в банке это именно роль, а не должность) — отнюдь не наше изобретение, а нередко встречающаяся позиция в штате ведущих компаний мира. Это же справедливо и для самого направления работы с данными Data Stewardship, которое тоже является скорее стандартным в области Data Management.
По содержательной стороне деятельности могу сказать, что очень многие наши ИТ-проекты имеют вполне четкие точки соприкосновения с направлением, которым занимаются дата-стюарды. Иными словами, мы стремимся оценивать то влияние, какое может оказывать развитие прикладной информационной поддержки в банке на нашу стратегию использования данных.
Как частный случай приведу пример: в России мы выделили около тридцати наиболее важных элементов данных и тщательно отслеживаем их качественные характеристики (в том числе статистические). Вообще же мне представляется, что выделенная в самостоятельное направление работа по управлению качеством корпоративного информационного ресурса прежде всего необходима крупным распределенным компаниям, имеющим более одного хранилища.
Когда мы говорим о хранилище, мы все-таки чаще подразумеваем набор хорошо структурированной агрегированной информации, элементы которой связаны между собой необходимым образом. А что можно сказать о том, насколько в банковском бизнесе востребована своего рода «неклассическая» информация в виде, например, неструктурированного контента, аудио- или видеоданных?
Мнение о том, что неструктурированная информация в ближайшее время будет играть более существенную роль в бизнесе, чем раньше, можно считать вполне устойчивым. И к этому мнению бизнес определенно прислушивается. Но мне все-таки кажется, что сейчас и по крайней мере в самое ближайшее время в банковском бизнесе она не будет очень востребованной и критически важной.
Хотя, надо сказать, и наш банк пытается не отставать от этих тенденций, осуществляя пока работы в этом направлении все-таки на уровне экспериментов. Есть, например, эксперименты в отношении того, как можно в автоматизированном или полуавтоматизированном режиме оптимизировать работу сотрудников отделения, в том числе расположение их рабочих мест, чтобы находящемуся в отделении клиенту обеспечить эффективное обслуживание и максимальный комфорт. В качестве исходной информации используются изображения, получаемые с камер безопасности. Другой целью этих наработок считается также использование видеоизображений для идентификации клиентов, которые приходят в банк. Однако повторю еще раз: все это пока носит характер прикладных исследований или в лучшем случае точечных экспериментов.
В отношении аудиоинформации ситуация похожа, но здесь к промышленным решениям, основанным на использовании этого типа данных, мы стоим заметно ближе.
Уже применяется, скажем, распознавание некоторых ключевых слов в разговоре оператора call-центра с клиентом или, как мы их называем, слов-«триггеров». На основе этого распознавания можно более взвешенно принимать оперативные решения. Сейчас у нас в качестве уже вполне актуальной стоит задача распознавания эмоционального состояния клиента на основе анализа особенностей его речи. Если такие технологии работают надежно, польза от них в бизнесе, ориентированном на розничного клиента, просто очевидна.
Помимо использования медиаинформации к числу неструктурированной или по крайней мере слабоструктурированной информации сегодня принято относить огромные массивы данных, имеющихся в Интернете. Для компаний розничного бизнеса особую ценность могут представлять, в частности, данные, содержащиеся в социальных сетях…
Некоторые наши зарубежные коллеги в рамках международного бизнеса Citi сейчас начинают делать все более явный акцент на обработку информации из социальных сетей. Говорю «некоторые», потому что популярность социальных сетей в разных странах заметно различается. Выше она, например, в Северной Америке, в некоторых странах Юго-Восточной Азии и в России. В Европе же она меньше. Кроме этого существует локальная специфика структуры их использования, поскольку в каждой стране наряду с теми же Facebook или Twitter могут существовать местные ресурсы подобного типа.
О том, что информация из социальных сетей станет составной частью корпоративного ИТ-ресурса, говорит и тот факт, что большинство известных мировых поставщиков корпоративного ПО сейчас активно интегрирует в традиционно предлагаемый ими программный инструментарий средства анализа слабоструктурированной информации из социальных сетей. Важный нюанс тут, правда, состоит в том, что эти производители (в основном, как мы знаем, американские) прежде всего «затачивают» свои продукты под такие бренды, как Facebook, LinkedIn, Google+ и другие гранды индустрии соцсетей. Потенциал же локальных лидеров этого сегмента Интернета пока остается для бизнеса во многом нереализованным.
Наконец, можно было бы говорить об анализе текстовой информации огромного количества информационных источников Интернета, чтобы, скажем, первыми уловить интересные для нашего бизнеса изменения во внешней среде.
Помимо того, что мы говорим о новых типах данных в бизнесе, мы часто отмечаем и новые методы их использования. Речь, например, может идти о попытках обработки данных в режиме реального времени или же о более активном переходе к вероятностным оценкам…
Все это так, но если те или иные тенденции действительно имеют место, они всегда обусловлены появлением новых бизнес-задач, а не тем, что какие-то методы использования данных начинают чаще упоминаться где-либо.
Если приводить в пример использование данных в реальном времени, можно сказать, что подобная потребность часто возникает там, где есть развитые бонусные и премиальные программы, что как раз становится все более популярным в современном розничном сегменте банковских услуг. Понятие реального времени тоже может различаться от ситуации к ситуации, мы чаще применяем термин «контекстное предложение».
Если владелец карты нашего банка сегодня воспользовался услугой и подключил свою карту к счету в евро, чтобы делать покупки без конвертации, надо полагать, он поедет в Европу. Значит, в ближайшие дни ему можно сделать продуманное адресное предложение. А для этого, возможно, надо подобрать и проанализировать некоторую дополнительную информацию, чтобы понять, что именно будет интересно этому клиенту.
Другой пример: клиент расплачивается картой в торговом центре, где есть магазин или ресторан — партнер Ситибанка, и у него по нашей карте можно получить хорошую скидку. Ему можно напомнить об этом, но сделать это необходимо в течение нескольких минут, когда клиент уже отошел от кассы, но еще не покинул торговый центр. Иначе лучше это не делать вообще.
Если вернуться к использованию информации из социальных сетей, нужно отдельно упомянуть важность сохранения персональной информации и анонимности участников. Поэтому, хотя эта информация наверняка будет становиться все более важной для бизнеса и сможет, в свою очередь, повысить значимость вероятностных оценок, следует понимать, что это прежде всего информация статистическая, которая нужна для лучшего понимания различных групп потребителей. Кроме того, этот же сценарий делает очень важными не только количественные, но и качественные оценки, если таковые гарантированно достоверны. В данном случае, работая с информацией социальных сетей, мы будем стремиться получать общие выводы и тенденции по результатам высказываний большого числа людей. И поскольку здесь мы сталкиваемся с методами анализа, очень далекими от технологий подсчета голосов на уровне «да» или «нет», то и трактовка получаемых результатов меняется соответствующим образом.
От взгляда на корпоративные данные хотелось бы перейти к взгляду бизнеса на логику информационной поддержки. Можно, наверное, не рассматривать АБС-системы или же бухгалтерское ПО, функции ИТ-поддержки которых фактически являются информационным отражением множества рутинных операций, выполняемых сотрудниками каждый день. Больше интересуют системы, обеспечивающие конкурентное преимущество, к внедрению которых требуется готовность бизнеса и которые вообще часто можно по-разному внедрять…
Здесь как раз хорошим является пример использования CRM-системы. Опуская многочисленные нюансы ее использования и описание процессов взаимодействия с клиентами, скажу о более общих вещах. С подобными системами, которые действительно способны обеспечить бизнесу конкурентные преимущества, начинает отчетливо ассоциироваться термин «интеграция». Это ощущается и в сфере бизнеса, когда мы говорим об интеграции каналов взаимодействия с клиентом, о необходимости принимать решения, основываясь на всей совокупности ретроспективных данных, прямо или косвенно относящихся к клиенту, о персонифицированном подходе.
В пространстве ИТ-поддержки все это тут же откликается более высокой востребованностью многих вещей, которые мы частично уже обсуждали. Это и единое хранилище, во многом являющееся неким центром ИТ-поддержки развития бизнеса, и развитые аналитические функции, не ограничивающиеся потребностями какого-то одного департамента, и задача обеспечения качества данных.
Словом, внедрение систем, способных повысить конкурентоспособность, всегда ставит вопрос об архитектуре прикладной информационной поддержки в целом по компании, о том, насколько гибко и оперативно бизнес окажется способен подбирать и анализировать данные.
Функционал современных прикладных систем предполагает использование передовых методов работы, которые раньше в тех или иных компаниях могли применяться не на должном технологическом уровне или даже не применяться вообще. Говоря конкретно о CRM, можно назвать целый спектр методологий работы с клиентом — от сегментации клиентской базы и организации работы call-центра до целевого маркетинга. В этом плане мы часто слышим о неких лучших практиках, которые помимо непосредственно функций автоматизации уже предварительно заложены в систему. Тем не менее данный факт вовсе не отменяет необходимости подготовки персонала, а скорее всего, наоборот, усиливает эту потребность. У нас даже рядовые сотрудники в течение двух недель на весьма детальном уровне изучают все варианты продуктовых предложений для клиентов, а впоследствии постоянно актуализируют эти знания.
От сотрудников, занимающихся развитием функционала, тоже требуется серьезная подготовка, в том числе способность использовать ряд математических методов и умение разбираться в алгоритмах, которыми оперирует CRM-система.
Наконец, хотелось бы сказать о том, что активное применение систем, способных обеспечить качественное развитие бизнеса, может приводить к определенной диверсификации методов организации информационной поддержки. Это тоже вполне осознается бизнесом. Весьма характерным примером в таком плане является все более активное использование agile-подходов. Да, применять их следует с осторожностью и не везде. Если говорить о нашем бизнесе, то без предоставляемых этим методом гибкости и оперативности ввода необходимых функций автоматизации становится все труднее обойтись, скажем, в целевом маркетинге. В то же время при автоматизации, например, выдачи кредита их использование вряд ли уместно. Тем не менее появление новых подходов к формированию информационной поддержки бизнеса, безусловно, наблюдается.
