Финтех

Финансовая грамотность рассматривалась как гарантия того, что розничные клиенты будут пользоваться услугами и продуктами банков и не станут полагаться на другие возможности финансирования (например, взаимное кредитование между физическими лицами). Существовало общее мнение, что образование и опыт банковских менеджеров по работе с клиентами позволят им знать и понимать потребности и окружение своих клиентов, подбирать правильные продукты и, соответственно, быть доступными в важные моменты жизни. Выходило, что единственный выбор розничных клиентов – доверие своим банковским консультантам.

Сегодня, тем не менее, клиенты могут помочь себе, получая информацию на различных онлайн-форумах и сайтах сравнения. Часто клиенты приходят в отделение банка с готовыми распечатками о том, сколько они могут заработать на конкуренции. И все же именно финансовая неграмотность – одна из причин просроченных кредитов (ПК). Большое количество банкротств малых и средних предприятий (МСБ) вызвано слабой финансовой грамотностью. Как следует из годовых отчетов крупных банков, нестабильные курсы обмена валюты и проблемная экономика увеличивают процент ПК практически на всех рынках.

Пример | Онлайн-банкинг в Австрии

Австрия сравнительно хорошо развита, если говорить о банковских услугах, и статистика онлайн-банкинга похожа на показатели большинства рынков Центральной и Западной Европы. Например, крупнейший банк Австрии из состава Raiffeisen Banking Group обслуживает 1,6 млн клиентов, пользующихся онлайн-банкингом. Из 700–800 000 ежедневных операций, которые уже обрабатывает банк, 25 % осуществляются с мобильных устройств[134].

Из 507 млн граждан Европейского Союза 85 % являются банковскими клиентами[135], 44 % из которых пользуются онлайн-банкингом[136]. Согласно интервью с представителями банков, примерно 10 % пользователей онлайн-банкинга – продвинутые пользователи, которые регулярно осваивают передовые возможности и действуют как первопроходцы. Взяв таких клиентов в качестве целевой группы для инноваций онлайн-банкинга, насчитаем 20-миллионную целевую аудиторию в 28 странах – участниках ЕС.

Лидером австрийского рынка инноваций в онлайн-банкинге является ERSTE Group, которая недавно запустила свой сервис онлайн-банкинга George и предлагает широчайший диапазон возможностей. Вдобавок банки экспериментируют с многоканальными услугами, такими как открытие счета по электронной почте и телефону или предоставление финансовых консультаций по видеосвязи (см. таблицу 1).

Прогнозы движения денежных средств частных клиентов

В сложившейся ситуации важно прогнозировать движение денежных средств текущих счетов частных клиентов. Прогнозы будут делаться при помощи алгоритмов прогнозирования и основываться на статистических данных об операциях, которые хранятся в банке. Прогноз генерируется без участия пользователя и является частью профиля клиента в системе онлайн-банкинга. Планируется, что прогнозы будут предоставляться в качестве «программного обеспечения как услуги» и внедряться как white-label решение [продукт или услуга, производимые одной компанией (производителем) и продающиеся другой компанией под другим брендом (специалистами по маркетингу)].

Группировка операций находится в самом ядре таких прогнозов. Каждая группа может моделироваться по-разному, а все модели групп вместе могут быть объединены, чтобы агрегировать оценки. Группы формируются на основании различных параметров, например:

• контрагент;

• признак (доход или расход);

• категория (зарплата, квартплата, еда, образование, досуг и т. д.);

• тип (точка продаж, кредитная карта, распоряжение о постоянных платежах и т. д.);

• геолокация.

Динамическая группировка (см. рис. 1) также может основываться на неоднородности показателей[137], но данные об операциях обычно имеют достаточно характерную структуру, чтобы удовлетворять указанным параметрам.

Стандартная модель генерирует серединное значение и значения, соответствующие 0,05/0,25/0,75/0,95.

Как правило, группы, используемые в качестве выборки, слишком малы, чтобы предоставлять точную статистику, поэтому принимается непрерывная выборка и используется квантильная интерполяция. Наша модель основывается на средних значениях вместо серединных значений и/или рассчитывает взвешенную оценку, где основной акцент делается на базе новой информации.

Существует множество различных техник, применимых к динамическим рядам, например:

• симуляция списания средств ATM по скрытой модели Маркова;

• иерархические динамические ряды (например, вложенные категории операций, формирующие иерархию);

• копула (связка) для симуляции влияния события на многочисленные группы и межгрупповые зависимости.