Analýza velkých dat zasahuje do stále širšího okruhu oborů. V bankovním a pojišťovacím sektoru pomáhá zvyšovat kvalitu služeb i úroveň zabezpečení transakcí.
Banky si celá desetiletí budovaly pověst důvěryhodných, konzervativních institucí, které ani zdaleka nepatří mezi premianty v nasazování moderních technologií a zavádění inovativních služeb. V dnešní digitální, internetové době ale dochází ke stále intenzivnějšímu narušování zavedených pořádků, kterému se neubrání ani finanční služby. Iniciativy se chopily internetové služby a daly vzniknout nejen virtuální měně, ale také komunitním a P2P službám, prostřednictvím kterých si lze posílat nebo půjčovat peníze po internetu. Kdyby finanční instituce rychle nešláply na plyn inovací, byl by jejich tradiční obchodní model v zásadním ohrožení.
Oproti všem ostatním hráčům na poli finančních služeb mají banky v rukávu několik zásadních trumfů: Především poskytují služby statisícům až milionům klientů, o kterých mají k dispozici obrovské množství dat z historie jejich transakcí. Banky mají také vysoce rozvinutou infrastrukturu informačních technologií a v neposlední řadě mohou snadněji své investice financovat.
Data ze všech zdrojů
Často si to ani neuvědomujeme, ale poskytovatelé služeb, ať už jsou to banky, telekomunikační operátoři nebo třeba pojišťovny, schraňují o svých klientech obrovské množství údajů (někdy jim to dokonce ukládá zákon) z každé transakce, přihlášení do samoobslužných systémů (internetové bankovnictví, mobilní aplikace, hovor se zákaznickým centrem) či jakékoli jiné interakce mezi zákazníkem a poskytovatelem služeb. Zcela zásadním krokem je tedy nasazení analytiky nad těmito daty, ze které vyplynou nové informace o klientech. „Z analýzy dat bankovních transakcí lze o klientech získat obrovské množství informací.
Můžeme například identifikovat členy společné domácnosti, zjistit kde pracují, za co nejvíce utrácí nebo kdy a jak tráví dovolenou,“ vysvětluje Bohumír Zoubek, ředitel produktů a služeb firmy Profinit, která dodává řešení datové analýzy bankám či telekomunikačním operátorům.
Historicky se dle základních informací, které bylo možné o klientech získat ze smlouvy, vytvářely segmenty zákazníků například dle věku či místa bydliště (velké město, vesnice atd.). Důkladnou analýzou dat lze ovšem zjistit, odkud pochází zákazníkovi příjmy, kde a jak často nakupuje, s kým bydlí ve společné domácnosti a kde se právě pohybuje. Údaje o pohybech klientů bank lze zjišťovat podle finančních transakcí, tedy plateb a výběrů z bankomatů. Členové společné domácnosti se identifikují na základě úrovně podobnosti v nákupním chování. Všechny získané informace jsou důležité pro správné cílení nabídek finančních služeb klientům.
Služby na míru
Podle výsledků agentury SC&C pro Českou bankovní asociaci, publikovaných koncem loňského roku, vadí klientům bank především vysoké poplatky velkých bank, zatímco u menších finančních ústavů by uvítali rozšíření sítě bankomatů. Čtyři z pěti Čechů jsou se svou hlavní bankou spokojeni, přesto o změně v posledních dvanácti měsících uvažovala téměř třetina klientů. Nakonec ale většina z nich stejně banku nezměnila. A důvod? Češi si zkrátka myslí, že služby poskytované různým bankami jsou ve výsledku prakticky stejné. Bohumír Zoubek z Profinitu je ale přesvědčený, že: „Využití analýzy velkých dat je základem pro individualizaci nabídky produktů a služeb a přesnější cílení marketingových aktivit. Jedině pak se inovativní banky odliší od ostatních na trhu a získají si nové klienty“. Portfolio služeb bank dnes sahá od vedení běžných účtů a poskytování úvěrů přes hypotéky po pojištění nebo investice. Bez důkladného poznání klientů s využitím analýzy velkých dat je ale pro banky velmi složité, skoro až nemožné, úspěšně cílit nabídku služeb na konkrétní klienty, podle jejich skutečného zájmu. Pokud bude například banka vědět, že její klient často cestuje do zahraničí, možná bude kladně reagovat na nabídku cestovního pojištění nebo třeba založení běžného účtu v cizí měně.
Podobně může banka vášnivým lyžařům (v zimní sezóně platí kartou v lyžařských střediscích) nabídnout úrazové pojištění. Žijí dva klienti banky ve společné domácnosti, ale nemají vlastní bydlení? Pak by třeba mohli mít zájem o hypotéku. V podobných konsekvencích mezi závěry analýzy dat a portfoliem finančních služeb bychom mohli pokračovat ještě dlouho. Banka totiž snadno zjistí, zdali má její klient děti, kdo jsou jeho kolegové v práci nebo jestli si pořídil nové auto či bydlení. Zní to děsivě? Pro někoho možná ano, ale je třeba si uvědomit, že pokud nějaké bankovní služby využíváme, je samozřejmé, že banka ví, odkud peníze na účet přicházejí a kam je posíláme nebo za co je utrácíme. Jediným rozdílem oproti minulosti je fakt, že se současnými prostředky mohou banky v reálném čase analyzovat a vyhodnocovat miliony transakcí, které v jejich systémech každý den proběhnou. Výsledky této analýzy mohou navíc posloužit i k jiným účelům, než je individualizace nabídky služeb. Konečně tak můžeme získávat i nabídky, o které stojíme. Ať už je to možnost získat kontokorent, pojištění proti úrazu, či nás banka z důvodu ztráty zaměstnání může kontaktovat a nabídnout odklad splátek hypotéky, nebo se dotázat, zda máme stále kontrolu nad svými on-line transakcemi.
Silnější zabezpečení
Podle výše uvedeného průzkumu má největší vliv na spokojenost klientů s bankou její důvěryhodnost, tedy fakt, že bude spolehlivě a bezpečně nakládat s našimi finančními prostředky. Může i ke splnění této klíčové úlohy bankám pomoci analýza velkých dat? Bohumír Zoubek je přesvědčen, že ano: „Datová analytika se zabývá nejen hlubším poznáním klientů bank, ale také studiem jejich návyků při operacích přímého bankovnictví. Posuzováním odlišností ve vzorcích chování klientů může banka včas detekovat pokus o podvod“.
Nová úroveň ochrany před bankovními podvody vychází z faktu, že si každý z klientů banky za krátko vytvoří individuální návyky při práci s internetovým bankovnictvím, tedy s dnes nejčastějším prostředkem pro ovládání běžného účtu a realizaci finančních transakcí. „Systémy internetového bankovnictví jsou vysoce zabezpečené a lze v nich sledovat velké množství parametrů, například jak konkrétní uživatel postupuje od přihlášení přes kontrolu stavu účtu k zadání příkazu k převodu. Odchylka od zažitého vzorce chování může znamenat pokus o napadení účtu,“ popisuje Bohumír Zoubek.
Díky sledování vzorců chování uživatelů internetového bankovnictví lze v reálném čase odhalovat pokusy o podvody, ke kterým může dojít po prolomení první úrovně zabezpečení internet bankingu, tedy uživatelského jména a hesla, popřípadě i dvouúrovňové autentizace prostřednictvím kódu v SMS zprávě. Je nasnadě, že sledovat a porovnávat chování tisíců klientů banky, přihlášených ve stejný okamžik do internetového bankovnictví, je extrémně náročné na výpočetní kapacitu. Banka ale může například selektivně kontrolovat jen klienty, u kterých hrozí vyšší riziko finanční ztráty, popřípadě do hry zapojit i jiné parametry výběru klientů, u kterých bude v jejich vlastním zájmu aktivován zvýšený bezpečnostní dohled.
Důkladné poznání a segmentace klientů poslouží pro zvýšení zabezpečení bankovních účtů před dalšími typy útoků. Banka může například varovat klienty přes phishingovými útoky podle toho, v jak rizikovém segmentu se nacházejí - typicky podle e-mailové adresy na které je veden aktuální útok.
Bitva o soukromí
Největší zápas v oblasti zpracování velkých dat se v blízké budoucnosti povede o možnost spojení databází klientských dat více různých poskytovatelů služeb. Pojišťovnám by například v odhalování pojistných podvodů velmi pomohlo, kdyby s nimi operátoři sdíleli lokalizační data klientů. Například telefonické nahlášení autonehody z jiného místa, něž kde se měla v daný okamžik odehrát, by mohlo celkem jasně indikovat pokus o podvod. Dále by například pojišťovny mohly upravovat výši povinného ručení nejen podle typu vozu a historie řidiče, ale třeba i podle toho, kde se vůz nejčastěji pohybuje, což je údaj, který lze opět zjistit podle polohy telefonu jeho majitele. „Zdaleka nejvíce dat o svých zákaznících mají mobilní operátoři, ale je legislativně velmi složité tato data sdílet s dalšími poskytovateli služeb, přičemž zákazníci by samozřejmě museli s takovým sdílením explicitně souhlasit. Sdílení dat z různých zdrojů ovšem v budoucnu přinese ještě vyšší míru individualizace služeb i vznik zcela nových obchodních modelů,“ uzavírá Bohumír Zoubek z Profinitu.
Foto popis| Zažité postupy práce v internetovém bankovnictví, například při zadání příkazu k platbě, vytvářejí vzorce chování jednotlivých uživatelů. Odchylka od vzorce může znamenat pokus o podvod.
O autorovi| RADEK KUBEŠ, autor@chip.cz