«От работы с Big Data выигрывают не только компании, но и их клиенты»

Дамир Якупов

Руководитель отдела R&D в финтех-сервисе Lime

IT Speaker: Какие данные о клиентах собирают финтех-компании, в частности банки и МФО? Как они их обрабатывают?

Современный финтех-сервис является потребителем большого количества как внутренних, так и внешних данных. Если говорить о балансе между ними, то порядка 90% данных финтех-компании получают от внешних источников. Ключевыми данными по клиентам, которые больше всего влияют на принятие решения о выдаче займа, являются данные по платежной дисциплине и долговой нагрузке клиента, которые компании получают из внешних сервисов кредитных историй. Постепенно наращивают свою значимость другие источники, описывающие связи клиента и его поведение в краткосрочной перспективе.

IT Speaker: Насколько важна финтех-компаниям работа с Big Data? Это дань моде или действительно неотъемлемая часть IT-процессов?

На мой взгляд, финтех-компании не могут успешно функционировать и развиваться без постоянного совершенствования методов работы с большими данными. Чтобы использовать наиболее эффективно самые разнообразные виды данных — о клиентах, финансовых транзакциях, маркетинговых кампаниях и многом другом — компаниям нужны специализированные инструменты для анализа и обработки информации. Современные методы работы с big data включают в себя машинное обучение, искусственный интеллект, аналитику данных и другие технологии. 

Без этих инструментов финтех-компании не смогут эффективно конкурировать на рынке, предоставлять высококачественные услуги клиентам и улучшать продукты. Кроме того, работа с большими данными помогает финтех-компаниям лучше понимать потребности и предпочтения своих клиентов, а также оптимизировать процессы внутри компании.

IT Speaker: Чем большие данные могут быть полезны финтех-компании и ее клиентам?

Самой компании большие данные помогают, прежде всего, более эффективно управлять рисками. Например, на основе исторических данных о рисках МФО может определить наиболее рискованные категории заемщиков и установить для них более строгие условия кредитования. Кроме того, с помощью больших данных компании, специализирующиеся на онлайн-кредитовании, могут оптимизировать затраты, сокращая использование человеческого ресурса на стадиях рассмотрения заявки.

Что важно, от работы с big data выигрывают не только компании, но и их клиенты. Так, использование больших данных банками и МФО позволяет значительно сократить время обработки заявки и принятия решения. А это значит, что кредиты и займы одобряются быстрее. 

Во-вторых, большие данные помогают создавать персонализированные продукты и услуги, а также строить более точные рекомендации и предупреждения. Например, на основе истории платежей и потребительского поведения банк может предложить клиенту продукты, наиболее соответствующие его потребностям и желаниям, или предупредить о возможных проблемах с платежами. 

Наконец, большие данные делают финансовые услуги безопаснее. Банки и МФО анализируют данные о транзакциях и поведении клиентов, чтобы быстро выявлять подозрительные активности и потенциальные случаи мошенничества.

IT Speaker: Что делают компании, чтобы не допустить утечки персональных данных клиентов при работе с большими данными? 

Работа с большими данными может представлять определенные риски в плане безопасности персональных данных клиентов. В случае утечки таких данных компания может столкнуться с серьезными финансовыми и репутационными последствиями, а также возможными юридическими проблемами. В целом, безопасность больших данных должна быть приоритетом для банков и МФО, работающих с персональными данными клиентов.

Чтобы минимизировать риски, компании должны применять эффективные меры защиты данных, такие как шифрование, аутентификация (использование паролей или биометрических данных обеспечивает доступ только для авторизованных пользователей), мониторинг доступа (позволяет отслеживать действия пользователей и выявлять необычную активность), обучение персонала (сокращает вероятность ошибок в обработке данных, которые могут привести к утечке информации) и аудит безопасности (позволяет обнаружить уязвимости в системах и принять соответствующие меры).

IT Speaker:  Может ли работа с большими данными защитить компанию от атак хакеров? 

Да, и она часто это делает. Один из подходов к защите данных называется машинным обучением на основе аномалий (anomaly detection). Он позволяет выявлять аномальные события в больших объемах данных, таких как выдача займов, с помощью алгоритмов машинного обучения. Так, МФО может использовать данные о типичном поведении клиентов, например, частоте и сумме займов, местоположении, чтобы определить, что является нормальным поведением клиента. Затем, если происходит оформление заявки, не соответствующей этому поведению, МФО может автоматически заблокировать ее или отправить на дополнительную проверку. Конечно, подобные алгоритмы не идеальны и могут допускать ошибки, например, ложные срабатывания или пропуски реальных аномалий. 

Поэтому для обеспечения максимальной безопасности компании должны применять комплексный подход, включающий в себя не только алгоритмы машинного обучения, но и другие методы защиты, такие как многофакторная аутентификация и системы мониторинга.

IT Speaker: Какие тренды в big data наметились в прошлом году? На ваш взгляд, сохранятся ли они в ближайшие годы? 

В 2022 году я заметил сразу несколько важных и интересных трендов в работе с большими данными.

• Увеличился объем данных, компании стали использовать более сложные аналитические модели, такие как машинное обучение и искусственный интеллект.

• Вырос интерес к облачным технологиям, которые предоставляют гибкую и масштабируемую инфраструктуру для хранения и обработки больших объемов данных.

• Усилились требования к безопасности данных, что спровоцировало спрос на инструменты для защиты и шифрования данных.

• Стали активно развиваться технологии IoT (интернет вещей), что способствовало появлению новых источников данных.

• Расширились возможности анализа неструктурированных данных, таких как аудио- и видеофайлы, фотографии, текстовые документы и соцмедиа.

• Вырос спрос на аналитические платформы с открытым исходным кодом, такие как Apache Hadoop, Apache Spark и Apache Flink.

• Усилились требования к автоматизации и оптимизации процессов обработки данных, что привело к появлению новых инструментов.

Я думаю, что тренд использования больших данных в финтехе сохранится в этом году и в ближайшие несколько лет. Компании заинтересованы в этом, поскольку технологии биг дата помогают им принимать более эффективные решения в области управления рисками, маркетинга, кредитования и других сферах. Однако, вполне возможно, изменятся принципы и направления работы с большими данными. В частности, мы можем ожидать более широкого использования автоматизации и искусственного интеллекта для анализа данных, что позволит бизнесу стать гибче и быстрее реагировать на изменения внешней среды.