13 декабря в Москве состоялась первая профессиональная конференция Fin Data Conference, посвященная сбору, обработке и использованию больших данных в финансовой сфере. По данным организатора конференции – компании Conglomerat, – мероприятие привлекло интерес 150 участников, среди которых руководители финансовых организаций, отвечающих за управление рисками, маркетинг, IT и развитие, исследователи и аналитики данных.

Первая сессия была посвящена регулированию обращения данных. Обсуждались планы, которые планируют реализовать рабочие группы по большим данным и цифровому профилю в рамках федеральной программы «Цифровая экономика». В частности, по словам Елены Сурагиной, руководителя Центра правовых инноваций МТС, сейчас проводится работа над созданием законных условий для обработки персональных данных с привлечением подрядчиков. Кроме того, планируется введение расширенного согласия на использование накопленных персональных данных для других целей, нежели те, на которые оно давалось пользователями изначально, например, для скоринга. Также обсуждаются правила обезличивания информации, которые позволят вводить данные в свободный оборот.

80% операций, которые проводят госведомства, должны перейти в цифровой вид, для этого проводится работа по организации удаленной идентификации и созданию цифрового профиля физических, юридических лиц и индивидуальных предпринимателей. По словам Ивана Берова, директора по цифровой идентичности «Ростелеком», речь идет об использовании данных исключительно для межведомственного обмена и не зависит от того, оставлял пользователь цифровой след или нет.

На сессии «Анализ больших данных: инфраструктура, разработка и внедрение решений» рассматривались особенности внутренней и аутсорс-разработки решений для анализа больших данных. Александр Фонарёв, сооснователь SBDA Group, отметил, что Data Science имеет смысл только для крупных компаний. В большинстве случаев, когда компании хотят внедрить машинное обучение, расходы на это, включая оплату труда data scientist'а, могут оказаться выше, чем потенциальный доход для бизнеса. Между тем, даже создание простого чат-бота способно в два раза сократить нагрузку на колл-центр. Об этом опыте рассказал Иван Серов, глава Data Science ID Finance.

Участники сессии, посвященной роботизации бизнес-процессов и использованию искусственного интеллекта, поделились своими методами и моделями прогнозирования. Среди наиболее перспективных направлений для развития Денис Суржко, руководитель центра алгоритмов машинного обучения Газпромбанка, назвал гео-тегирование новостей и извлечение гео-информации из текста для интеграции с гео-платформой банка, а также модели автоматической категоризации типов связей между контрагентами. В Сбербанке применяют байесовские модели для прогнозирования оттока депозитов и дохода от эквайринга. В «Яндекс.Деньги» используют большие данные в противодействии мошенничеству, что позволяет совершать 90% операций при онлайн-покупках без 3D Secure. В НБКИ научились предсказывать крупные покупки пользователей по поведению их окружения.

В ходе кейс-сессии рассматривались примеры использования больших данных в маркетинге. Так, Газпромбанк обогащает данные пользователей информацией из PFM-системы. Tele2 поделился кейсом, как таргетированная реклама для абонентов в торговом центре повышает обороты по карте на 31% для целевого сегмента. Динара Юнусова, генеральный директор Banki.Ru, рассказала о четырехкратном росте заявок на кредит, направляемых через маркетплейс, за год.

Российские компании научились анализировать информацию не только по тратам и особенностям финансового поведения своих клиентов, но и по их местонахождению и даже особенностям нейрофизиологических реакций. Чем больше информации знает банк о клиентах, тем быстрее он может подстраиваться под изменяющиеся условия и сохранять свое положение на рынке.