Intelligent Enterprise: Прежде чем обсуждать цели и инструменты обработки клиентской информации, хотелось бы понять, насколько значимы для банковского бизнеса сами клиентские данные. Что они собой представляют, как собираются и классифицируются…
Дмитрий Коловский: В современном бизнесе, где концепция клиенториентированности становится все более содержательной, банки, наверное, занимают особое положение. У нас, по сути, вообще ничего не предпринимается без анализа данных о клиентах. При этом за ростом объема и изменением характера собираемых данных следует эволюция методов обработки и анализа, и, я думаю, уже сегодня можно говорить о том, что банки активно конкурируют между собой в этом направлении. Лидером может считаться тот, чьи технологии обеспечивают более оперативный сбор и обработку большего количества достоверных данных. Это могут быть огромные массивы информации различного формата, собираемые из разных источников, и надо честно сказать, что далеко не всё из этого может быть сразу использовано при принятии решений. Но для экспериментальных лабораторий, в которых тестируются аналитические подходы и которые уже сегодня работают в составе целого ряда крупных компаний розничного бизнеса (и банков в первую очередь), эти технологии почти всегда могут быть полезны.
Подходов к классификации здесь тоже немало. Существуют данные о самих клиентах, где по понятным причинам выделяются персональные данные, а вместе с этим и отдельная категория обезличенных данных. Есть данные о покупательской активности клиентов или даже о проявлении интереса с их стороны к тем или иным предложениям. Сейчас уже вполне можно говорить, что бизнесу в ряде случаев может быть интересна информация о посещении клиентом определенных торговых точек, в которых он расплачивается картой банка. Данные могут классифицироваться в разрезе консолидации за тот или иной период времени. В этом смысле можно говорить о ситуациях, когда даже первичная информация, полученная в течение последних минут, может служить основой для начала какой-либо деятельности в реальном времени (например, для информационной рассылки персонифицированных предложений в рамках кобрендинговых программ). Есть агрегация данных, осуществляемая примерно в масштабах месяца. Здесь мы, с одной стороны, уже можем наблюдать статистически устойчивую картину, а с другой — по этим данным можно видеть и прогнозировать тенденции, которые чаще реализуются в перспективе одного-двух лет.
Большинство розничных бизнесов сегодня являются мультиканальными. То есть информация о клиентах поступает из разных источников. Она может быть собрана, когда клиент делает очный визит в отделение, в момент посещения им сайта компании или же во время звонка в call-центр. Определенная информация о клиентах может поступать и из других организаций. Например, из Пенсионного фонда РФ или из Бюро кредитных историй. И во всех этих случаях бывают необходимы вполне определенные приемы работы с клиентскими данными.
Как в Ситибанке выстроена работа с данными с организационной точки зрения?
Эти принципы действуют в масштабах всего международного бизнеса Citi, которые, если говорить о деятельности подобных глобальных бизнес-структур, в целом не уникальны. Центральной фигурой на международном уровне здесь является Chief Data Officer. У него есть команда, котораяформируетметодическуюосновуработыс данными по всему жизненному циклу. Иными словами, для всех бизнесов Citi эти люди разрабатывают политики сбора данных, определяют, где, как и сколько времени они должны храниться, когда архивироваться, на каком этапе мы можем какие-то данные уничтожить и т. д. Кроме того, они выделяют так называемые критические данные и определяют требования к ним. Дальше все эти правила спускаются на уровень стран и для местных специалистов прописывается политика их использования. Эти стандарты и рекомендации формулируются по-разному: иногда в общем виде, иногда на весьма детальном уровне — каков порог хранения определенных данных, в каких случаях можно его расширить, какие автоматические проверки должны иметь место в той или иной ситуации и проч. Реализацией всех этих процедур занимаются сотрудники бизнес-подразделений Citi в конкретных странах и, в частности, моя команда. Если обнаруживаются несогласованность или ошибки в данных, к работе привлекаются ИТ-подразделения. В большинстве случаев исправления делаются на уровне первичных бизнес-систем, то есть там, где данные первоначально вводились. И только после этого они попадают обратно в хранилище.
Большое значение у нас придается подготовке специалистов, которые должны непосредственно заниматься анализом данных. Каждый год в масштабах Citi для них проходят необходимые тренинги. Ведь аналитический инструментарий постоянно расширяется, появляются новые функции, а аналитики — это по определению команда интернациональная, соответственно понимание проблем и качество профессиональной подготовки у них должны быть на одинаковом уровне.
Работа с клиентскими данными у нас также неотделима от формирования адекватных политик доступа к этим данным и их постоянной актуализации. Характерно, что эти политики явным образом основаны на ролевой структуре. Доступ сотрудникам предоставляется исключительно к тем разделам данных, которые необходимы им для непосредственного выполнения ежедневной работы, и не более того. В целом за формирование политик доступа отвечает отдел информационной безопасности, но каждый руководитель уровня подразделения обязан постоянно следить за правами своих подчиненных и раз в полгода проводить формальную проверку прав доступа сотрудников к данным.
И наконец, результаты сбора и обработки клиентских данных тесно связаны с подготовкой персонала первой линии, непосредственно взаимодействующего с клиентами. Эти сотрудники как минимум должны уметь общаться в среде, в которой на их телефонный диалог с конкретным клиентом может оказывать существенное влияние та информационная подборка, что они получают на своем рабочем месте в реальном времени. В такую подборку могут быть включены данные об истории взаимодействия с клиентом, список тех предложений, какие могут быть ему интересны, вместе с их ранжированием по степени вероятности, с которой клиент может эти предложения принять. Вдобавок оператор должен учитывать контекст разговора. Если клиент позвонил сам и у него срочная проблема, то скорее всего о предложениях не стоит вообще говорить. В ряде случаев, возможно, имеет смысл ограничиться кратким информированием о каком-либо новом сервисе. Отпугивать покупателей наших услуг навязчивостью нельзя ни в коем случае. Но нельзя и недооценивать того, что более информированный клиент в то же время и более активен, он в меньшей степени нуждается в помощи с нашей стороны и соответственно более выгоден для банка.
Сегодня мы, безусловно, имеем широчайшую гамму целей, алгоритмов и инструментов обработки клиентской информации в бизнесе, большая часть которых, думается, имеет отношение к розничному банкингу. Говорить о них подробно, наверное, следовало бы отдельно. А сейчас хотелось бы остановиться на основных принципах и подходах…
Что касается целей, то они вполне стабильны. То, что необходимо привлекать новых и удерживать существующих клиентов и что решать обе задачи можно и нужно наименее затратными способами, известно давно. Актуально это и по сей день. Текущий спектр банковских предложений, его совершенствование, качество услуг определяются этими целями. Методы же их достижения могут меняться. Так, например, становятся более популярными (не в последнюю очередь, кстати, благодаря тем же информационным технологиям) кобрендинговые программы c производителями различных товаров и услуг, что позволяет каждому участнику решать те же задачи привлечения и удержания клиентов. Методы также все больше определяются новыми техническими возможностями.
С точки зрения основных подходов к процессингу клиентской информации можно сказать, что сегодня само понятие ее автоматизированной обработки существенно расширяется. Развиваются средства анализа, позволяющие автоматически обрабатывать большие объемы информации практически любой природы и находить логические взаимозависимости между различными элементами данных. Появляются также возможности для решения задач, которые раньше были под силу только человеческому мозгу, но не машине. И чем больше это расширение происходит, тем в большей степени в бизнесе имеет значение всесторонняя и при этом детальная оценка клиентов и моделирование их поведения. Тут мы выходим на необходимость широкого применения методов «продвинутой» аналитики (advanced analytics). И отсюда же вытекает факт повышенного внимания к обработке неструктурированной информации, которая сегодня имеет место, наверное, в любом развивающемся клиенториентированном бизнесе. И Ситибанк конечно же не исключение. Например, сегодня мы очень тщательно оцениваем такой показатель, как индекс потребительской лояльности (Net Promoter Score), и здесь как раз много информации приходится собирать в неструктурированном виде. Какой-то клиент может ответить на вопросы более или менее односложно (в том числе сказав «да» или «нет»), кто-то добавит несколько слов, кто-то напишет два, а то и три полноценных абзаца. И эти отзывы необходимо с единых позиций отслеживать и через сайт, и через call-центр, и в случае личного визита клиента в отделение. Вручную обработать весь объем невозможно, а если искусственно сокращать выборку, есть вероятность получить результат не очень хорошего качества. Здесь приходится действовать в русле нынешних тенденций — рассчитывать на применение всего арсенала современных методов обработки неструктурированной информации, включая направления «переднего края», такие как распознавание текста и голоса с целью выявления эмоционального состояния клиента либо его отношения к той или иной услуге или продукту.
Если быть ближе к практике, можно отметить, что модели и подходы к решению задач категоризируются по этапам жизненного цикла работы с клиентом, таким как его привлечение, управление счетами, удержание. Такая классификация довольно тесно связана с классификацией самих клиентских данных, о которых мы уже говорили.
Существует также интересная взаимозависимость между использованием статистических и персональных данных. Если мы продвигаем какой-либо новый продукт и хотим оптимальным образом информировать о нем клиентскую аудиторию, то мы пользуемся обезличенными данными, некой статистикой. Когда определенные люди откликаются на наше, предположим кредитное, предложение, работа во многом идет уже на индивидуальном уровне и используются данные, относящиеся к истории конкретного заемщика.
На этапе удержания мы снова во многом возвращаемся к анализу поведения групп клиентов и соответственно к обезличенным данным. Но некоторые вопросы (задолженности или претензии) рассматриваются индивидуально.
В сегодняшнем бизнесе все чаще возникает проблема передачи данных — между юридическими лицами или, скажем, трансграничной. Соответственно важным становится выделение персональных данных в отдельную категорию. Если мы хотим передать эти данные третьему лицу или, наоборот, получить персональные данные извне, то должны получить на это согласие клиента в явной форме. В абсолютном большинстве случаев предполагается исключительно статистическая обработка данных, для этого они обезличиваются, а потом передаются для анализа. В целом передача персональных данных осуществляется в адреса тщательно проверенного круга поставщиков и рассматривается как крайняя мера, без которой невозможна операционная деятельность. В Citi существует строгий аудит внешних и внутренних поставщиков с точки зрения информационной безопасности и тех шагов, которые они предпринимают для защиты данных. Банк очень серьезно относится к сохранности клиентской информации, и, как я уже говорил, даже на уровне сотрудников доступ строго разграничен.
Какие ИТ-инструменты вы используете для обработки клиентской информации?
Я сказал бы, что категории инструментов почти не меняются. Скорее их выбор консервативен. Основные — это контакт-центр, CRM-система, хранилище информации и решения Business Intelligence. Есть общепринятые алгоритмы обработки клиентских данных, реализованные во многих продуктах. Но так или иначе эти инструменты постоянно развиваются. Например, совершенствуется структура хранилища, и этот процесс идет на глобальном уровне. В прошлом году в рамках развития CRM-системы у нас появилась подсистема управления предложениями клиентов, которой, как я уже говорил, пользуются операторы контакт-центров.
Совершенствование же алгоритмов обработки клиентской информации с помощью BI-систем идет фактически постоянно и интенсивно, объединенными усилиями многих сотрудников всего бизнеса Citi.
Насколько важны для вас обобщение опыта и развитие деятельности по управлению клиентскими данными в международном масштабе и как все это организовано?
Это, безусловно, очень значимо. Если возвращаться к предыдущим вопросам, стандартизация касается классификации самих данных, а также ряда позиций должностной и ролевой структуры сотрудников. Конечно, стандартизация относится к базовым понятиям: что, например, мы понимаем под термином «открытый клиент» или «активный», что такое критические данные и т. д. В значительной мере стандартизация касается системы отчетности. Но все же это скорее подготовительный этап. Главное, конечно, как мы работаем с информацией и как совершенствуем эту деятельность в сегодняшней конкурентной среде клиенториентированного бизнеса.
В каждой стране присутствия Citi существует отделение по работе с данными и аналитике, где может накапливаться некоторый опыт, и есть централизованные структуры, где этот опыт обобщается и на этой основе вырабатываются универсальные стандарты и рекомендации. Понятно, что далеко не в последнюю очередь это касается и клиентских данных. Сейчас, например, наш центральный офис очень активно работает с технологиями big data и алгоритмами обработки неструктурированной информации именно в применении к обсуждаемой нами категории информации. Проводятся также обобщение и обзоры ошибок, анализ успехов и неудачного опыта, что крайне важно для этой сферы. Наряду с методологической работой в центре проводится тестирование новых продуктов, и благодаря всему этому мы, например, ожидаем, что в следующем году получим готовые рекомендации по решению ряда актуальных для нас проблем категории big data. И касаться они должны как методологий, таки продуктов.
Если же говорить о работе на местах, то здесь, с одной стороны, от аналитиков требуется четкое следование методологиям: они должны придерживаться рекомендаций по сбору исходных данных, по методам их валидации, отсеиванию выбросов, тестированию моделей и т. д. При этом шаги, которые были сделаны на всех этапах подготовки и проведения вычислений, контролируются и обязательно документируются. То есть всё достаточно жестко.
Но с другой стороны, все понимают, что обработка данных — это дисциплина, где наряду с методиками имеют значение опыт и творческий подход. Местные аналитики могут, скажем, ввести новую переменную, которая поможет более четко выделить группы клиентов по некоторому признаку. Такие идеи если и не станут стандартом в масштабах всего Citi, но вполне могут быть успешно применены, например, на развивающихся рынках.
Вы упоминали кобрендинговые программы банка. Они, очевидно, становятся весьма популярными среди потребителей, и банки часто принимают в них участие. Считаете ли вы, что они могут играть в этих программах роль некоего центра компетенции по работе с потребителями? Ведь такие программы зачастую инициируются не самыми крупными компаниями. Необходимых ресурсов и опыта для решения сложных задач клиентской аналитики у них может и не быть. И представляется, что банки как раз могли бы распространять эти очень полезные для рынка компетенции в том числе и через такие программы…
Конечно, задумывая программу, любой бизнес, в том числе и банк, знает, что именно и каким образом он хочет от нее получить. В этом смысле участники программы абсолютно равны, и никто из них не выделен. Но обладая клиентской информацией, а также экспертизой в ее анализе, мы действительно способны предложить нечто большее, чем просто соблюсти свой интерес в совместной программе. Я считаю, например, что в случае необходимости мы можем оперативно привлекать в программу новых партнеров. Можем также эффективно организовывать коммуникации с клиентом (кстати, благодаря ИТ в этой области тоже наблюдается заметный качественный прогресс) и тем самым дирижировать оркестром, в котором каждый участник программы играет на своем «инструменте». Таким образом, банковский бизнес может распространять свои компетенции по работе с клиентскими данными на весь рынок, что сегодня для него действительно чрезвычайно важно.
Интервью у Дмитрия Коловского взял ведущий эксперт Intelligent Enterprise Сергей Костяков
