Rambler's Top100
Статьи ИКС № 01-02 2014
Максим АЗРИЛЬЯН  27 января 2014

Стать ближе к клиентам

Стать ближе к клиентам могут помочь кредитной организации технологии «больших данных». Win-win-концепция, которая должна привести к успеху обе стороны, реализуется в Альфа-Банке.

Максим АЗРИЛЬЯН, главный технический архитектор, Альфа-БанкНа одной из конференций представитель Центробанка сказал очень правильную вещь: банки обладают колоссальными объемами структурированной информации и ею не пользуются, поскольку не умеют ее обрабатывать, но при этом постоянно смотрят в сторону внешних, неструктурированных источников данных, например социальных сетей. Тем не менее, приступая к разработке прототипа решения Big Data в нашей «Альфа-Лаборатории», мы изначально понимали, что рассматривать нужно и то и другое.

Надо сказать, заинтересованность в результатах обработки и анализа «больших данных» уже на тот момент проявили самые разные бизнес-подразделения банка, занимающиеся как первичными, так и вторичными продажами. Специалистам критически важно понимать потенциальную и реальную аудиторию конкретных продуктов для их успешного запуска, выведения на рынок и дальнейшего развития. Пример из области управления рисками: появляется возможность быстро сопоставлять информацию о клиентах, чтобы, глядя на паттерны и модели их поведения, понимать, каким будет профиль нового клиента, и принимать более взвешенные решения о том, на какой срок и в каком размере выдать ему кредит.

В «Альфа-Лаборатории» мы рассчитываем использовать решение в области Big Data для повышения юзабилити интернет-банка. Результаты анализа поведения клиентов при заполнении какой-либо формы – сколько времени у них уходит на процесс ее заполнения, какие действия они совершают – помогут нам выявить проблемы с эргономикой и внести необходимые изменения во внешний интерфейс. Без обработки больших массивов данных однозначно ответить, что мы сделали не совсем удачно с точки зрения юзабилити, бывает непросто. С помощью Big Data мы можем быстро определять, где и в чем наш интерфейс неоптимален, менять его, проверять, чтобы изменения были правильными, и переходить к следующим этапам.

Надо признать, что нам повезло найти на рынке молодую компанию-стартап MegaDevelopers, которая верит в концепцию Big Data и понимает, как ее реализовать. Эти люди с очень хорошими головами и руками стали для нас ниточкой, которая привела к созданию прототипа решения.

Хранилище данных мы собрали на обычных офисных рабочих станциях, которые не использовались в банке уже 2–3 года. Это компьютеры на Pentium IV, в которых винчестеры заменили на новые, по 500 Гбайт. Мы поставили 10 машин – получили емкость 5 Тбайт данных. Развернули Hadoop в сборке от Cloudera (для удобного администрирования и мониторинга). А затем закачали в это хранилище 15 млн структурированных данных о клиентах, их проводках и остатках на счетах из нашей АБС и 160 млн записей дополнительной информации извне. Таким образом мы получили решение, обеспечившее обработку всех этих данных за 45 мин, с возможностью горизонтального масштабирования в случае возрастания требований по объему информации или скорости обработки. И это выглядит очень убедительно, учитывая, что мы использовали не high-end «железо», а старые офисные станции.

Подтвердив с помощью прототипа наши гипотезы, мы начали продумывать состав пилотных решений для обработки и анализа «больших данных», востребованных нашими бизнес-заказчиками. Мы старались выяснить, какой функционал хочется иметь сотрудникам различных подразделений банка, формализовать эти требования. После того как наши гипотезы в области Big Data подтвердятся или в них будут внесены корректировки, мы сможем переходить к классической проектной деятельности. И я уверен, что она, как и наш прототип, будет успешной.
Заметили неточность или опечатку в тексте? Выделите её мышкой и нажмите: Ctrl + Enter. Спасибо!
Поделиться: