Эксперт по непрерывности бизнеса компании КРОК Юрий Швыдченко рассказал «Новости Банков» о том, какая инфраструктура нужна цифровому банку и о новом бизнес-подходе компании — умном хранении данных применительно к банковскому сектору.
— Какие технологии и тренды играют ключевую роль в трансформации банковского сектора?— Ключевая роль принадлежит финтеху – синергии технологий, использование которых сокращает затраты на банковское обслуживание. Это вычисления в оперативной памяти, big data, криптовалюты, искусственный интеллект, глубокое обучение, машинное обучение – для всех этих технологий существуют конкретные реализуемые решения.
— Из каких компонентов складывается инфраструктура цифрового банка?
Раньше вывод нового продукта на рынок занимал полгода-год, а сейчас предложения для клиентов могут быть созданы за неделю
— Набор компонентов, входящих в инфраструктуру не изменился: это стандартные архитектуры, серверы, базы данных. Но изменился их вектор развития — в сторону распределенных вычислений в облаках, позволяющих реализовать машинное обучение и искусственный интеллект для банковских процессов. Инфраструктура растет из-за необходимости обрабатывать все большие массивы данных самого разного типа, а также быстро и просто устанавливать корреляции между большими данными. Раньше вывод нового продукта на рынок занимал полгода-год, а сейчас предложения для клиентов могут быть созданы за неделю и быть максимально персонализированными. Темп рынка таков, что клиенты банков постоянно ждут новых услуг. Real time стал неотъемлемой частью всех без исключения бизнес-процессов банка, что также требует большей гибкости от вычислительной инфраструктуры, готовность к оперативному запуску новых задач и динамическому управлению нагрузками. Мы проектируем такие вычислительные среды, объединяя самый широкий пул решений и моделей предоставления услуг — от облака до аренды оборудования (HaaS, Hardware as a Service).
— Какие решения позволяют быстро обрабатывать данные?
— Есть два пути. Первый путь – использование больших производительных серверов для обработки крупных массивов данных. Это традиционный подход, который банки использовали ранее. Второй путь – классификация и распределение данных для обработки. При этом не нужно перекапывать весь массив, достаточно выделить ключевую информацию и перейти к вычислениям в оперативной памяти с распределением между небольшими системами. Такой подход позволяет уйти от проприетарных систем и задействовать стандартные аппаратные решения, на которых можно сэкономить.
— Вы упомянули вычисления в оперативной памяти как самый быстрый способ обработки данных. Вы уже внедряете какие-то решения в этой области?
— На мировом рынке число внедрений можно пересчитать по пальцам, а в России живой проект только один – у Сбербанка. Для использования in memory data grid необходимо полностью переделать всю банковскую инфраструктуру, а это требует существенных инвестиций и времени. Большинство банков к этому пока не готово.
— Какие решения необходимо использовать банку, который стремится стать цифровым?
Время становится ключевым фактором для потребителей, а для банков, соответственно, важнейшую роль играет быстрота реакции на запросы
— Существует множество решений, позволяющих банку перейти на цифровую модель работы. Простейшие из них связаны с диджитализацией платежей и взаимодействием с клиентом. Время становится ключевым фактором для потребителей, а для банков, соответственно, важнейшую роль играет быстрота реакции на запросы. ИТ-инфраструктура должна быть к этому готова. Таким образом, цифровой банк – это банк, в котором все эти стандартные операции переведены в цифровое поле. И лишь впоследствии, на этапе персонализации, к процессу активно подключаются живые сотрудники.
В каждом банке находятся данные обо всех транзакциях — это огромные объемы полезной информации. Однако для извлечения выгоды ее нужно отсортировать и определенным образом структурировать. Например, если человек каждый год платит страховку за машину, то банк может эту информацию использовать для предложения партнерских продуктов. Другой пример – банку видны транзакции, проведенные разными магазинами, в которых клиент покупает товары, и на основе этих данных можно делать специальные предложения. Помимо этого, существуют более сложные корреляции, связанные с использованием больших данных и машинного обучения.
В идеале, цифровой банк — это высокорентабельная и готовая к быстрым изменениям среды бизнес-модель. Она позволяет, в частности, создать комплексную систему банкинга, лучше соответствовать регулированию и готова к использованию криптовалют.
— Персональные предложения банков сейчас не отличаются разнообразием – по большому счету, все предлагают лишь кредиты. Разница состоит лишь в сумме возможного кредита. Почему до сих пор нет по-настоящему адаптированных под клиента предложений?
— Это связано с тем, что информация хранится в неразобранном виде. Данные представляют собой набор цифр, неких ОКАТО, ОКТМО и так далее. Главная проблема заключается в их интерпретации. Когда банки поймут, что им нужны данные в пригодном для анализа виде, то начнут внедрять системы искусственного обучения, способные устанавливать связь между данными и делить их по типам. Именно так это делают обычные пользователи через мобильные приложения: распределяют расходы за выбранный период по категориям. Но пока банки к этому не готовы.
— Почему?
— Потому что они не привыкли так работать. Психология банков начинает меняться только сейчас.
Персонализированный продукт – это очень простой продукт, понятный человеку
Персонализированный продукт – это очень простой продукт, понятный человеку. Кредит – это очень общий продукт, он не совсем привлекателен, как и предложение об открытии карты. А вот предложение для покупки страховки у партнерской компании со скидкой – это дополнительная услуга от банка, способствующая укреплению лояльности клиента. Еще одна тенденция цифрового банкинга в России – распространение электронных карт и отказ от операций наличными. Для банков это принудительный шаг к переходу в цифровую среду.
— Какие решения предлагает КРОК?
— На российском рынке немного коробочных продуктов, и почти все хорошо известны. Мы предлагаем услуги консалтинга по выбору продуктов для обработки больших данных и глубокого машинного обучения. Для математических вычислений и построения корреляций нужны новые инструменты и, в определенной степени, новый взгляд на ИТ-инфраструктуру.
Когда работа банка базируется на цифровом взаимодействии с клиентом, на первое место выходит возможность обработки больших потоков данных в реальном времени. Инфраструктура банка должна быть готова к росту объемов данных и транзакций, возрастающему многоканальному взаимодействию с клиентом. В этом смысле умное хранение данных позволяет сделать инфраструктуру и бизнес максимально гибкими и более диджитализированными, а маркетинг — более сфокусированным. Решения Dell EMC могут стать ядром такой вычислительной инфраструктуры и способствовать цифровизации бизнеса банка.
— Какой пул решений Dell EMC подойдет для решения этих задач?
— Dell EMC закрывает все потребности: для вычислительной части инфраструктуры под любые нужды используются серверы Dell, а в части, связанной с хранением, - массивы ЕМС, которые сейчас дополняются системами распределенного и программно-ориентированного хранения. Они в большей степени ориентированы на распределенные среды и облачные вычисления, которые нужны банкам. Решения этой компании позволяют осуществлять вычисления внутри программно-определимых хранилищ, ускорить доступ к данным и заложить с их помощью фундамент для дальнейшего развития бизнеса.
— Что важно учитывать при хранении данных?
— Для цифрового банка важно учитывать глубину хранения. Это напрямую влияет на количество данных по каждому клиенту, на точность его профиля. Но, с другой стороны, встает вопрос ИТ-затрат, так что данные должны архивироваться на разные типы инфраструктуры.
Помимо глубины, важна и ширина хранения. Чем больше данных из разных систем (не только банковских, но и из соцсетей), получает банк, тем более точный профиль клиента у него будет. Это все приводит к росту объемов данных, которые необходимо постоянно обрабатывать. Такое количество данных позволяет более четко различать клиентов и их потребности, способствуя повышению эффективности маркетинга и развитию продуктов. Снизить барьеры для работы с этой информацией можно с помощью умного хранения данных.
Помимо этого, на первое место выходит безопасность и фактор защищенности клиентов от киберугроз.
— Хранение и обработка данных стоят недешево. Банки постоянно говорят о том, что они хотели бы монетизировать свои инвестиции. Можно ли это сделать, как правильно это сделать и какие существуют препятствия для монетизации?
— Хороший вопрос. Банки вкладывают в понятие «монетизация» очень разные вещи. При разговорах о монетизации речь идет скорее о продуктах: нужно либо увеличивать объем продаж, либо наращивать маржинальность.
Чем раньше выводится на рынок новый функционал или продукт, тем он интересней. До сих пор существуют банки, у которых нет мобильных приложений и из-за этого им сложно добиться монетизации ИТ. Для больших банков актуален вопрос внедрения Apple Pay и Android – внедрившие эту технологию банки уже получают монетизацию инфраструктуры и разработанных под это решений, потому что многие клиенты уже пользуются этими технологиями.
Очень легко посчитать, окупаются ли вложения в финтех, потому что продукты существуют лишь в электронном виде
Единственный путь для монетизации – разработка новых идей и решений. Другого пути не существует. Сейчас многие банки рассматривают ИТ-системы как способ монетизации вложений. Очень легко посчитать, окупаются ли вложения в финтех, потому что продукты существуют лишь в электронном виде.
— Цифровой банк подразумевает поддержку технологий удаленной идентификации и идентификации. На какие технологии, по-вашему, стоит сделать ставку?
— Сегодня по-прежнему актуальны технологии идентификации по отпечатку пальца: они уже давно используются в ряде банков. Также активно развиваются технологии идентификации по геометрии лица. В этом направлении можно говорить о двух разновидностях решений. Во-первых, технологии, с помощью которых из видеопотока выбирают наиболее подходящую фотографию и по ней в дальнейшем происходит идентификация человека. Это более простая и экономичная технология, так как используются обычные видеокамеры. Более продвинутый и дорогостоящий вариант – технология построения модели головы с помощью 3D камеры, которая затем сравнивается с моделью в онлайн-среде. Популярными также становятся технологии идентификации по голосу и радужной оболочке глаза.
