Инновационные решения для

банков: предиктивная аналитика Михаил Аветисов, Эксперт SAP

8 Октября 2014 Public

От отчетов, через понимание причин, к прогнозам

Исходные

данные

Очищенные

данные

Жесткие

отчёты

Отчёты

«на лету»

и OLAP

Визуальный

анализ

Прогнозное

моделирование

Оптимизация

Что происходило

и происходит?

Почему это

произошло?

Что произойдёт?

Что сделать, чтобы

произошло самое

лучшее?

Отд

ач

а д

ля

би

зн

еса

Развитие аналитических возможностей

Business Intelligence

Общая

прогнозная

аналитика

Расширенная

Аналитика:

Понимание

Симуляция

Прогноз

Оптимизация

Примеры задачи прогнозной аналитики

Риски

• Заявочный скоринг

• Поведенческий скоринг

• Коллекторский скоринг

• Определение PD в Basel II

Маркетинг

• Целевые предложения для клиентов

• Рекомендации партнёров в программе лояльности

• Стратегия контактов с клиентами

• Сегментация клиентской базы

• Next Best Action

• Удержание клиентов

Операционный блок

• Прогнозирование денежной массы по банкоматам/отделениям

• Оптимизация колл-центров

Анти-фрод

• Карточный, транзакционный, внутренние сговоры

Построение моделей оценки вероятности дефолта

Задача

• По историческим данным

связать известные данные о

клиенте с фактом отклика на

предложение/использование

продукта

• По новым данным сделать

прогноз отклика на

предложение

ID Пол Возр Долж … atr n Дефолт

1 М 32 Нач.отд 60 000 НЕТ

2 Ж 25 бухг 45 000 ДА

ID Пол Возр Долж … atr n Дефолт Прогноз

1102 М 42 директ 120 000 ? 0,5

1103 Ж 21 секрет 25 000 ? 0,2

Построение Модель

Применение

Финансы

Телеком

Торговля

e-Business

MSP

СМИ

Гос.

сектор

Энергетика

и

производство

Больше 500 ведущих компаний по всему миру

© 2014 SAP SE or an SAP affiliate company. All rights reserved. 6 Public

UniCredit Увеличивает ROI от маркетинга

Next best action Выполняемые на

26 миллионах клиентов

Уровень конверсии в кампаниях

вырос на 400%

Снижение расходов на маркетинг

и уменьшение пустых звонков –

80% продаваемых кредитов

попадают в верхние 35%

маркетингового списка

- Джузеппе Заватони, Руководитель департамента CRM

Разные

предложения

Разные

каналы

Предложение 2

Интернет

Готов к оттоку

Предложение 1

Традиционные

Готова для

предложения 1

Предложение 3

Социальные сети

Уже получила

предложение и

сказал «нет».

Миллионы

клиентов

?

Выбор предложения/канала/клиента с наибольшим

потенциальным доходом

Прогнозные значения

Next Best Action – полная панель клиента

Customer

Number

Customer

Segment

Customer

Value

Customer

Potential Gap Churn Prob. NBA

333-7751645 High tech 33 43 10 99.0% Retention #1

333-8331120 High tech 50 43 -7 97.0% Retention #1

333-2156467 Inactive 8 10 2 90.5% Na

333-2344721 Family 53 54 1 89.4% Retention # 2

334-3338409 Inactive 4 7 3 89.4% Na

333-2184582 Tradi 37 43 6 86.0% Retention # 3

333-1610187 Family 49 59 10 82.5% Retention #1

333-2089642 High tech 52 43 4 66.5% Up Sell 1

333-4568781 Inactive 31 28 -3 59.4% Na

334-1592449 Family 42 54 12 56.5% Up Sell 1

334-2804640 Tradi 37 39 2 55.7% Na

333-1451297 High tech 30 49 19 50.1% Up Sell 2

333-1272272 Tradi 23 23 0 46.0% Na

333-2045019 Inactive 32 31 -1 28.6% Na

333-1291772 Family 40 45 5 18.1% X sell 2

334-2495487 Tradi 34 30 -4 7.6% Na

333-1726756 Inactive 5 2 -3 7.0% Na

Customer Dashboard для Next Best Action позволяет в каждый момент времени выбрать наилучшее действие в отношении каждого клиента, основанное на анализе его текущего состояния и индивидуализированное под него с целью максимального развития его потенциала. Таким образом мы всегда знаем что делать с каждым клиентом и каким образом это с ним делать.

© 2014 SAP SE or an SAP affiliate company. All rights reserved. 9 Public

Зарабатывает на спящих клиентах

Активация половины спящих

клиентов за 4 месяца

Определение клиентов для

целевого маркетинга лучше

на 50%

Сокращение сроков

аналитических проектов с

6 месяцев до дней

KXEN и управление кредитованием

10

Заявочный

скоринг Поведенческий

скоринг

Коллекторский

скоринг

Скоринг

внутренних

объектов

Своевременное

реагирование

Точки

продаж

Сотрудники

Малый и

средний

бизнес

Выбор стратегии

Оценка

привлекательности

Предложение

продуктов

Различные виды

«проблем»

Партнеры Отделения

Мотивация

коллекторов

Выбор стратегии

© 2014 SAP SE or an SAP affiliate company. All rights reserved. 11 Public

Модель учитывает каждый атрибут клиента

Для получения прогноза

Берется каждый атрибут заёмщика

С весом, соответствующим его

важности (определяется при

построении модели)

Все взвешенные атрибуты

суммируются.

Чем больше общий вес

взвешенных атрибутов

(скор), тем ниже вероятность

возникновения

просроченной

задолженности

Значения, повышающие

вероятность Атрибуты

Значения,

понижающие

вероятность

KxMissing IS_CREDIT {Y}

[5 ; 6] & KxMissing NUM_POS_TR_3MNT ]56 ; 210]

]82000 ; 85000[ &

KxMissing income_client <82000

{0} Is_using_SMS {1}

KxMissing loan_cash_HAS [1]

[9456.49 ; 29608.8] AVG_AMT_ELEKS_3MNT ]1466.67 ; 1750]

KxMissing NUM_QIWI_MNT_3MNT [1 ; 3]

]504 ; 2216] loan_avto_count_day_earl

y [-483 ; 445]

[0.666667 ; 319.667] AVG_AMT_POS_3MNT ]59685.4 ;

6.39011e+006]

[17 ; 18] NUM_ATM_TR_3MNT ]34 ; 536]

Выдать кредит?

SAP Infinite Insight® меняет правила

Инструменты DataMining

Отбор атрибутов Использует все атрибуты

Выбор алгоритма

Ручная подготовка данных

Выбросы

Пропуски

Нелинейности

Мультиколлинеарность

Проверка распределений

Построение модели –

недели труда статистика

Ориентирован на результат

Полностью

автоматизированный процесс:

Автоматизированное

создание наборов данных

Автоматическое кодирование

данных

Быстрое внедрение

Построение модели –

часы и минуты работы

бизнес-аналитика

С SAP InfiniteInsight возможны оба подхода

Infinite Insight®

Уральский Банк Реконструкции и Развития

«В KXEN нас поразил не только лучший среди всех

результат ― восемь из десяти тестовых заемщиков были

классифицированы верно, но, главное, скорость, с

которой он был получен: тогда как все остальные

компании попросили несколько дней на решение, KXEN

за 15 минут построил модель и тут же предоставил нам

решение.

Это произвело на нас сильное впечатление. Поэтому мы

остановили свой выбор именно на KXEN»

Владимир Соловьёв,

первый зам. Председателя

правления УБРиР

Решения SAP Для полного спектра пользователей

Бизнес-пользователи Мат.

аналитики Бизнес-аналитики

Квалификация и навыки в статистическом анализе

Низкая Высокая Нет

97% ~ 3% < 1%

Встроенная аналитика Аналитика и оптимизация бизнес-

процессов

Любая

аналитика

SAP Predictive Analysis

Predictive in

SAP HANA

R

Integration

SAP ADVANCED ANALYTICS

SAP InfiniteInsight + Lumira

Advanced Analytics Solutions from SAP

PAL/AFL/R

Integration

SAP HANA

Search Rules Engine Text Mining Predictive

Analysis Library

Business

Function Library Spatial

SAP Predictive Analytics

+

SAP Predictive

Analysis + Lumira

SAP

InfiniteInsight

© 2014 SAP SE or an SAP affiliate company. All rights reserved.

Спасибо!

Михаил Аветисов

Прогнозная аналитика, старший эксперт

Mikhail.Avetisov@sap.com

+7 968 767 14 31