Финансовые инновации в банковском деле

Размещено на http://www.allbest.ru

Национальный исследовательский университет

Высшая школа экономики

Факультет экономических наук

Выпускная квалификационная работа

Финансовые инновации в банковском деле

Выполнил

Студент группы № БЭК166

Глухов Андрей Сергеевич

Научный руководитель Карминский Александр Маркович, профессор

Москва 2020

Введение

Новшества в бизнесе являются двигателем прогресса, экономики и конкурентного преимущества одних компаний над другими. Инновации -- это новые идеи, решения или инструменты, которые используются для того, чтобы улучишь текущие условия ведения бизнеса и получить конкурентное преимущество и как следствие получить прибыль. Устойчивый рост компаний, в том числе и банков, не возможен без инноваций [Financial Innovations and Their Role in the Modern Financial System].

Инновации в банковской сфере тесно связаны с нарастающей цифровизацией в мировой экономике. Так, например с 2000 по 2019 год темы роста активной аудитории интернета росли в среднем на 13,44% [Lukonga I , 2018], инвестиции в компании, занимающиеся цифровыми продуктами, достигли уровня более 118 млрд долларов, что практически в двое больше, чем за 2017 год [Pollari, Ruddenklau, 2018].

Основная проблема для банков заключается в том, что за последние годы конкуренция на финансовом рынке сильно возросла. Работа в условиях колоссальной конкуренции и меняющихся предпочтений пользователей вынуждает участников рынка ежедневно пытаться сделать что-то новое, чтобы отличиться от конкурентов и не только сохранить, но и нарастить клиентскую базу. На данный момент финансовый сектор развивается особенно активно в плане инноваций. Особенно активно имплементируются технологии, пришедшие из других сфер деятельности, такие как автоматизация процессов, глубокое и машинное обучение, не свойственные банкам организационные культуры, такие как agile и многое другое. Новые технологии дают возможность значительно изменить обработку платежей, контроль регулятора, управление рисками, подбор персонала, разработку новых продуктов и способы взаимодействия банков со своими нынешними и будущими клиентами, делая эти процессы менее требовательными к вмешательству человека, делая процессы более рентабельным, точными и независимыми от человека. На рынок также существенно повлияло обширное проникновение смартфонов, что открыло широкий спектр возможностей для банков, чтобы повысить качество клиентского опыта существующих клиентом и привлечь новых. Одна из главных проблем на сильно меняющемся рынке - уловить новые тенденции и технологии. Однако так ли новые технологии полезны на самом деле? За последнее время банки стали активно использовать технологии машинного и глубокого обучения в кредитном скоринге, чтобы точнее определять платежеспособность заемщика. Но насколько эти технологии точнее, чем классические методы кредитного скоринга? К тому же в последнее время банки все чаще используют не финансовую информацию при скоринге физических лиц, но насколько сильно это улучшает точность модели?

Задача данного исследования - создать целостную картину инноваций в банковском секторе и создать полный портрет банка будущего. Для этого необходимо взглянуть на последние появившиеся технологии и примеры их внедрения, новые категории продуктов, появившиеся на рынке и на самых значимых новых игроков рынка, а также новые методы взаимодействия банка и его клиентов. Также необходимо построить кредитно-скоринговую модель, использующие как классические методы в лице регрессий, так и модели, использующие новые алгоритмы машинного и глубокого обучения.

Результатом данного исследования будет портрет банка будущего со стороны используемых технологий, бизнес-модели продуктов, а также методов взаимодействия с клиентами. Также будет проверена гипотеза об эффективности новых моделей кредитного скоринга относительно классических решений на примере построенной модели для скоринга платежеспособности физических лиц. Дополнительно к этому будет протестирована гипотеза о том, что не финансовые данные существенно улучшают качество модели оценки. Это исследование будет полезным для будущих исследователей инноваций финансового рынка, а также игроков банковского рынка, таких как традиционные банки и финтех-стартапы.

Описание литературы

Изучение темы инноваций в банковском деле было начато со статьи О.Р. Ждановой и А.М. Карминского «Современные тенденции банковских инноваций». Авторы упомянули нарастающую конкуренцию и вынужденность банков внедрять инновации для того, чтобы остаться в рынке. Авторы распределили инновации по 5 категориям: продуктовая, рыночная, процессная, маркетинговая и управленческая. Для дальнейшего исследования были выбраны все пять категорий, кроме маркетинговой.

Прежде чем рассматривать конкретные инновации по банковским направлениям стоит изучить саму природу нововведений и то, как они распространяются в банковской среде. В статье «FinTech banking industry: a systemic approach» рассказывается о том, что в последнее время объем финансирования инноваций в банковском секторе существенно вырос. Это говорит о том, что на рынок с каждым днем будут выходить новые компании с кардинально иными продуктами и существующим классическим банкам придется меняться для того, чтобы удержаться на плаву. Автор рассмотрел процесс распространения инноваций разными игроками и сделал вывод, что наиболее активно инновации имплементируют сначала небольшие игроки, и только после этого традиционные банки. Также автор отметил тесную взаимосвязь между развитием технологий вне банковского сектора, с возникновением различных нововведений в банкинге. Автор пишет, что большинство используемых в банкинге инноваций были переняты из других сфер, и банки не создают непосредственные технологии, а преимущественно пользуются ними. В данной статье верхнеуровнево рассказывается о направлениях инноваций, однако конкретных кейсов указано не было, что и будет более подробно раскрыто в данной работе.

Являются ли финансовые инновации однозначно положительным явлением? В статье Financial Innovation: The Bright and the Dark Sides (Beck T. [и др.], 2016) авторы рассматривают позитивные и негативные моменты инноваций в банковском деле. Плюсы от финансовых инноваций в следующем: более инновационные банки растут быстрее в плане чистых активов и прибыльности, однако согласно результатам исследования, это в большей степени относится не к системообразующим банкам (to big to fail), а к малым и средним банковским организациям. Также была установлена зависимость между степенью открытости банковского рынка страны для входа новых и игроков и влиянию инноваций на показатели банков. Чем меньше барьеров на вход, тем больше эффекта от инноваций получает банк. В числе минусов авторы приводят возросший уровень хрупкости. Из-за возникновения новых финансовых инструментов, таких как CDS и новых способов кредитного скоринга, основанных на моделях продвинутой аналитики банки снижают риск выдачи кредита и это приводит к наращиванию доли кредитной выручки и ее нестабильности, что приводит к общей хрупкости. Данная статья необходима для более полного понимания инноваций как не только позитивного явления, но и потенциального источника хрупкости для того, чтобы сформировать большую картину отношения к инновациям.

Для того чтобы сформировать портрет банка будущего необходимо рассмотреть, как в данной ситуации одни из ведущих мировых банков адаптируют свои стратегии в условиях технологических инноваций. Авторы статьи «The transition from traditional banking to mobile internet finance: an organizational innovation perspective - a comparative study of Citibank and ICBC» (Chen Z. [и др.], 2016) изучили стратегии двух крупных банков, а именно Citibank и Industrial and Commercial Bank of China, для того, чтобы рассмотреть их видение и приоритеты в условиях развивающихся технологий дистанционного обслуживания. Стратегия Citibank состоит в постоянном следовании инновациям, инвестируя в инновации гораздо больше своих конкурентов и находясь в поиске нестандартных решений. Так, например банк стремится быть как можно более децентрализованным. Банк работает по системе Agile. У каждой бизнес-функции есть свою бюджет и присутствует право на собственное стратегическое видение. По мнению руководства банка это развивает большую ответственность сотрудников и ощущение результата. Для того, чтобы постоянно внедрять и разрабатывать инновации банк использует 2 подхода. Первый это большое количество венчурных инвестиций для покупки долей в развивающихся финтех стартапах либо полной поглощение их. Также у банка имеется свой стартап акселератор для разработки инноваций изнутри. Citibank также уделяет много внимания мобильному банкингу и транзакционной составляющей бизнеса. Руководство считает, что интернет коммерция и peer-to-peer мобильные платежи будут стремительно развиваться, поэтому уделяется большой фокус на создание новых продуктов в данных направлениях, повышение клиентского опыта и лояльности потребителей. Много внимания уделяется продвинутой аналитике, с помощью которой банк старается как снизить риск предоставления кредитов и совершения финансовых операций, так и для того, чтобы предоставлять пользователям персонифицированные банковские решения. ICBC в стратегическом плане сильно похож на Citibank. Авторы отмечают, что банк также уделяет много внимания мобильным каналам обслуживания и продвинутой аналитике. Например, с помощью продвинутой аналитики банк оптимизирует свои HR процессы, такие как найм и премирование сотрудников. Среди онлайн продуктов банк также отдает большое внимание транзакционным продуктам, связанным с переводами между людьми и онлайн покупкам. Несмотря на то, что банк старается перенести многие продукты в онлайн, роль традиционных отделений не остается деприоритизированной. Банк отмечает, что от отделений не стоит отказываться, однако технологии должны максимально проникать и в этот формат взаимодействия. Данная статья отлично показывает комплексный подход в работе с инновациями большим банков, однако, как было получено из предыдущих статей - банки часто не являются первоначальным источником инноваций, поэтому чтобы получить наиболее актуальную картину нужно также проанализировать финтех стартапы, что и будет сделано в данной работе.

Для того, чтобы получить наиболее приоритетный направления для исследования была изучена статья “Banking and fintech: a challenge or opportunity?” (Romanova I., Kudinska M, 2016). Учитывая, что банки все больше конкурируют с финтех стартапам, является ли такая конкуренция положительной для традиционных игроков, или финтех компании со временем вытеснят большие банки с рынка? Данный вопрос рассмотрели авторы статьи Авторы рассмотрели влияние конкуренции на банки, а также отметили основные тренды в продуктовых инновациях за последнее время. Тренды были оценены, а также рассчитан объем инвестиций в различные продуктовые направления. Так, наибольшую долю получило направление, связанное с кредитованием онлайн, новым методам скоринга и технологиям, позволяющим кредитовать без посредников в виде банков (26%). Затем идут технологии платежей в интернете и с помощью мобильных кошельков (25%). После идут технологии, связанные с персональным управлением средствами, крауд-инвестингом и сервисами для малого и среднего бизнеса. Также авторы проанализировали направления инноваций по числу пользователей. Согласно статистике, наибольшее число пользователей финтех продуктов использовали их с целью онлайн-переводов (переводы p2p, обмен валюты и тд), примерно на таком же уровне популярности были финтех решения для инвестиций и управления средствами (онлайн брокеры, краудфандинг и инструменты личного контроля за тратами). Наименее популярными продуктами было страхование и онлайн кредитование. Изучая роль инноваций для классических банков также было отмечено, что доля специального программного обеспечения в активах крупнейших банков Европы с 2008 по 2015 года выросла в 4-6 раз. Данная статья отлично показывает основные актуальные направления для инноваций, но тем не менее в ней не присутствуют примеры реализации конкретных кейсов, что будет в полной мере реализовано в данной работе.

Для того, чтобы рассмотреть, как организационная структура влияет на принятие инноваций в банках была изучена статья «The impact of organizational context on innovation adoption in commercial banks» (Zeng J. [и др.], 2016). Авторами были выдвинуты следующие основные гипотезы:

Чем больше банк, тем больше инноваций он может внедрить и сделать это быстрее остальных, так как обладает большими ресурсами.

Банки с широким географическим представление проводят внедрение продуктовым инноваций быстрее, в сравнение с процессными инновациями ввиду дополнительных сложностей из-за большого количества элементов системы, которые удалены друг-от-друга

Гипотезы подтвердились. Согласно исследованию, крупные банки действительно вводят большее число инноваций, однако делают это медленнее своих конкурентов. География банка также существенно влияет на внедрение процессных инноваций. Для того, чтобы нивелировать отрицательный эффект от размера банка в данном исследовании будут предложены инновации, связанные с организационной моделью, которые позволят данный момент нивелировать.

Рассмотрим природу издержек смены банка (switching costs). В статье «The determinants and profitability of switching costs in Chinese banking» (Yin W., Matthews K, 2016) авторы рассмотрели взаимосвязь прибыльности китайских банков относительно размера switching costs, которые соответствуют банку. Для начала стоить понять откуда берутся издержки смены банка. Авторы пишут, что во-первых это берется из-за асимметрии информации, которая берется из двух причин: во-первых крупные банки имеют большее количество информации, так как у них больше клиентов и больше ресурсов, что и позволяет им снизить асимметрию при выдаче кредитов, ставок обслуживания МСБ и тд. Авторы указывают, что МСБ особенно восприимчив к фактору асимметрии т.к очень сложно провести быстрый due diligence, что в случае смены банка может отрицательно сказаться как стоимости обслуживания так и скорости перехода на новый банк. Также источником данных издержек может выступать введение дополнительных барьеров банком, в случае смены его потребителем, например в случае отказа от одного продукта, повышается стоимость обслуживания другого и тд. В исследовании для оценки объема переходных издержек была построена регрессия, где для оценки использовались как показатели банка, так и макроэкономические показатели. Уже после получения издержек проводился анализ прибыльности банка по нескольким показателям. Авторы установили, что связь между размером банка и величиной издержек смены положительна, однако, выяснили что наиболее крупные банки имеют менее слабые издержки, чем просто крупные банки. Авторы объяснили это «fat cat» эффектом. Банки, которые уже заняли большую долю рынка не желают активно ввязываться в конкурентную гонку, когда их менее крупные конкуренты стараются оторвать кусок побольше. Данная работа будет актуальна т.к. в моем исследовании поднимается вопрос о влиянии мобильных платежных систем на switching cost, и необходима была более полная картина влияния данных издержек на прибыль банка. Однако в данном исследовании ничего не было указано про мобильные кошельки, чем и будет отличаться данное исследование.

Для того, чтобы понять как рекомендации данной работы позволят банку существовать в период изменчивой внешней среды, была изучена статья «Banking Outside-in: How Design Thinking is Changing The Banking Industry?» (Chia, Alvin; Lee J.-J., 2017) Авторы в ней рассмотрели последние тренды в банкинге. Первый тренд, на который обратили внимание авторы - клиентоцентричность. После кризиса 2008 года, по мнению авторов, у людей возникло недоверие к крупным банкам. Все больше клиентов уходит к менее крупным финтех компаниям из-за большего чувства эмпатии и более высокого уровня сервиса. Таким образом во главе стратегии банка обязательно должен стоять клиент. Второй тренд - это цифровая и мобильная революция. Все больше каждодневных рутинных активностей уходит в интернет. А в интернете стремительно растет доля мобильного трафика. Из-за этого повышается популярность таким систем как Apple Pay, Google Pay и платежи с помощью QR кодов в WeChat в Китае. Третий тренд - изменений клиентских ожиданий. Клиенты все чаще ожидают от банков быстрого и максимально удобного решения их каждодневных проблем. Для того, чтобы максимально быстро обрабатывать рутинные операции, банки все чаще задействуют чат ботов, искусственный интеллект. Четвертый тренд - растущая доля финтех стартапов из-за того, что банки недостаточно гибкие, чтобы быстро реагировать на изменения рынка. Финтех стартапы в большинстве своем используют agile методологию, которая отлично себя зарекомендовала в IT, когда обычные банки нередко жестко вертикальны, что мешает им быстро реагировать на изменения. Данная статья отлично помогает сформировать большую картину изменений в банковском деле, однако в данном случае список трендов не всеобъемлющий и не имеет конкретных примеров внедрения, что будет в полной мере реализовано в данной работе.

Откуда появляются инновации? Авторы статьи «A demand-driven innovation insight in the banking industry» рассказывают о двух основных подходах создания инноваций. Первый - когда инновации в продуктах и процессах проистекают из текущих внутренних возможностей банка. По мнению авторов (Relano F., Paulet E, 2016) такой подход присущ банкам, наиболее ориентированным на прибыль. Второй - когда инновации диктуются потребителем продукта. Данный подход присущ банкам, которые авторы называют этичными. В статье говорится, что банков второго типа существенно меньше, однако именно они двигают рынок. Под определение этичный банк попадает небольшая организация, с высоким уровнем эмпатии к своим клиентам и ориентированная в высшей степени на высокий уровень лояльности. В данной работе рассматривается подход к инновациям, который необходимо учитывать при формировании портрета инновационного банка и для понимания что является первоисточником новшеств.

Чтобы понять как влияет искусственный интелект на банкинг, была рассмотрена статья «Relationship Banking and Information Technology: The Role of Artificial Intelligence and Fintech». Авторы этой статьи описывают, как банковская индустрия разрушает ИТ-инновации, особенно сосредотачиваясь на финтех стартапах. В этой статье авторы показывают тенденции в транзакционной части банковского бизнеса и новый способ работы с рисками (Jakљiи, Marinи, 2019). Касательно транзакционного бизнеса авторы упомянули, что в последнее время ИТ-разработки сделали две важные вещи для данного бизнеса. Во-первых, новые технологии значительно сократили затраты на транзакции, во-вторых, технологии сделали транзакции ближе к клиентам (например, онлайн-банкинг, покупки в электронной торговле, мобильные кошельки и т. Д.), Что сделало транзакции более популярными и значимыми для участников банковского рынка. Повышение спроса и снижение затрат на транзакции стимулировали появление новых финтех компаний, которые сосредоточены только на транзакциях, особенно в тех сферах, где традиционные банки не разрабатывают продукты или, стоимость предложения составляет целую неделю. Например, рынок онлайн-эквайринга со значительными игроками, такими как PayPal, Stripe, Square. Или рынок ежедневных транзакций в омниканальной среде, где можно увидеть 2 заметных игрока, таких как Apple (Apple Pay) и Google (Google Pay). В статье были рассмотрены области влияния ИТ на транзакционный бизнес, однако нет четкого руководства, что делать банкам, учитывая данный тренд.

Также авторы «Relationship Banking and Information Technology: The Role of Artificial Intelligence and Fintech» отмечают, что существенно поменялась работы с рисками, что разработка высококачественных интеллектуальных инструментов, таких как машинное обучение, Deep Learning, значительно повысила точность прогнозов. Это повлияло на две большие сферы банковской деятельности: инвестиционный банкинг и кредитный бизнес (Jakљiи, Marinи, 2019). В инвестициях банки теперь могут строить сложные стратегии с меньшими рисками, чем это было раньше. Высококачественные компьютеры в настоящее время способны очень точно прогнозировать поведение активов, и в случае, если что-то пошло не так, чтобы продать его гораздо быстрее, это обычная реакция человека. В случае ссудного бизнеса авторы считают, что благодаря новым типам моделей скоринга и большому количеству различной личной информации, доступной на цифровых каналах, банки могут намного более точно прогнозировать платежеспособность будущего заемщика и, таким образом, снижать риск банкротства (Jakљiи, Marinи, 2019). Авторы в данном случае не указывают конкретных способов скоринга и работы с рисками, в данной работе это будет приводиться.

Чтобы глубоко погрузиться в перспективы мобильных платежей, была проанализирована статья «Fintech and the future of the payment landscape: The mobile wallet ecosystem - A challenge for retail banks?». В этой статье автор предсказал будущее данного рынка и предпосылки развития. Рынок мобильных платежей очень перспективен из-за двух вещей. Во-первых, значительный двузначный рост безналичных платежей в Китае и Северной Европе. Второе -- это высокое проникновение смартфонов. Сочетание этих факторов привело к росту рынка мобильных платежей. Более того, количество транзакций было близко к 1000 миллиардов долларов в 2019 году, а в 2019 году число пользователей превысило 1 миллиард. Число пользователей в 2015 году составило всего около 60, поэтому мы можем наблюдать огромный рост (Omarini, 2018). Автор считает, что акцент на мобильные платежи, особенно на мобильные кошельки, поможет банкам завоевать лояльность миллениалов и значительно улучшить сеть распространения платежных продуктов, поскольку будущим клиентам будет гораздо проще открывать новую карту в приложении, чем иди в отделение. Но, однако, мобильные кошельки снижают switching cost, поэтому в будущем транзакционный банкинг может стать ближе к условиям совершенной конкуренции. Это может значительно снизить маржу для банков, которые не фокусируются на лояльности своих клиентов и не предоставляют многоканальный опыт. Данная статья отлично демонстрирует перспективы рынка платежей, однако не дает конкретных рекомендаций как нарастить маржу банкам, в условиях нулевого switching cost.

Для того, чтобы рассмотреть новые методы кредитования была изучена статья «Will FinTech make regional banks superfluous for small firm finance? Observations from soft information?based lending in Germany». В данной статье авторы рассмотрели один из значимых трендов в МСБ - p2b займы. По мнению авторов, банки смогут существенно улучшить свое положение в кредитном бизнесе, если выйдут на этот рынок т.к обладают большими данными, чем финтех компании, предлагающие данные услуги на рынке сейчас.

Для того, чтобы рассмотреть peer-to-peer кредитование для физических лиц была использована статья «Peer-to-peer кредитование в финансово-экономической системе России». В статье дается критическая оценка рынка p2p кредитования в России, и его отставание от рынка в США. Также рассказывается о бизнес-модели площадок и наиболее сильных игроках за рубежом. В статье описывается механизм работы аукционов в p2p кредитовании, а также выгоды для банков, в случае внедрения данной механики в свой продуктовый ряд.

Для того, чтобы понять более детально применение ИИ в случае кредитного скоринга была изучена статья «A comprehensive decision support approach for credit scoring». Данная работа освещает наиболее важные вещи в кредитном скоринге с технической точки зрения. Авторы этой статьи создали довольно сложную скоринговую модель, используя новые способы обучения своих моделей, такие как бустинг, случайный лес и так далее. В этом исследовании было проведено всестороннее исследование производительности конкретной модели, использовался довольно сложный подход к обучению с использованием новейших инструментов в области искусственного интеллекта с использованием рынка кредитных дефолтных свопов (CDS), рынка акций и данных баланса для прогнозирования кредитного рейтинга (Luo, Cuicui, 2019). Данные содержали 1489 наблюдений публичных компаний. Для каждой компании было 13 входных переменных: страна HQ, отрасль, доходность акций, P / E, P / B, EV / EBITDA, дивидендная доходность. Прежде всего, набор данных был подготовлен с использованием метода повторной выборки, называемого техникой избыточной выборки синтетического меньшинства (SMOTE), чтобы избежать дисбаланса в наборе данных. Каждый новый образец для балансировки данных генерировался искусственно с использованием этого уравнения.

Где - сгенерированный новый образец, X - любой выбранный образец в меньшинстве. U - случайно сгенерированное число от 0 до 1. X ^ n - ближайший сосед, который был идентифицирован с наименьшим евклидовым расстоянием для числовых признаков и метрикой значения расстояния для данного образца (Luo, Cuicui, 2019) После этого исследователи проанализировали несколько алгоритмов: Случайный лес, наивного байесовского, векторные машины поддержки, многослойный персептрон. Для каждого из этих методов авторы также использовали подход бэггинга. Сравнение проводилось с использованием комбинации точности, AUC и TP. В случае несбалансированных данных, это считается лучше, чем использование только показателя точности.

Результаты этого исследования показали, что лучшим методом обучения для модели кредитного скоринга является случайный лес с бэггингом. Этот подход основан на построении деревьев решений и отлично работает в случае скорости и точности, даже если у вас есть небольшие наборы данных, это означает, что модель не будет испытывать никакого эффекта переобучения. В данном исследовании будет проведен аналогичный анализ, только в качестве скоринга для кредитов физических лиц.

Для изучения методов оптимизации внутренних процессов была использована статья «Innovation in transaction banking: What can emerging technologies deliver?». Автор сделал акцент на современные технологии, которые используют больше на стороне бэк-офиса. Например, Robotic Process Automantion - RPA, AI и машинное обучение. RPA определяется как технология автоматизации обработки транзакций, ввода данных, работы с ответами и связи с другими системами в банке (Mager, 2019). Это не похоже на обычные роботы, которые используются на заводах - RPA - это специальное программное обеспечение, используемое для автоматизации простых повторяющихся задач. Эта технология в настоящее время широко используется банками, потому что RPA помогает сократить время выполнения задач, повысить точность и сократить количество низкоквалифицированного персонала в бэк-офисе, таком как обработка платежей, подготовка документов для регулирующего органа.

Автор также упоминает искусственный интеллект как многообещающую технологию, особенно ее использование в качестве чат-ботов для внутренних целей, для помощи сотрудникам с вопросами о правилах, внутренних документах, процессах и т. Чатбот - это что-то вроде службы поддержки, но с другой стороны находится не человек, а искусственный интеллект. Чат боты используют технологию NLP, которая позволяет ему понимать обычный голос или текст, набранный человеком, и отвечать на него заранее установленным способом. Ключевой особенностью этих технологий является «самостоятельное обучение». Алгоритмы последовательно улучшают свою реакцию, тем самым делая их более точными и приближенными к поведению человека. Автор упоминает пример чат-бота BNY Mellon, который использовался для улучшения существующих регулирующих процессов, таких как сканирование документов, требуемых Управлением по контролю за иностранными активами США (Mager, 2019). Статья рассматривает некоторые методы оптимизации бэк офиса, однако в данной статье будет расширен список юз-кейсов приведённых технологий, что позволит получить более широкую картину.

Для изучения другого способа и примеров использования чат-ботов была проанализирована статья «Переосмысление банковской и финансовой индустрии посредством применения компьютерного интеллекта». Чат боты также используют для общения с клиентами. Чат-боты помогают клиентам решать простые проблемы или помогать продавать новые продукты, переписываясь или звоня людям, тем самым снижая рабочую нагрузку из центров обработки вызовов и поддержки (Agarwal, 2019). Чатботы в этой форме широко применяются в крупных коммерческих банках по всему миру. BofA, JPMorgan Chase, Wells Fargo, Capital One, USAA, American Express, HSBC используют чат-ботов для решения проблем клиентов и предоставления персонализированного опыта, что в наши дни высоко ценится, особенно миллениалами (Agarwal, 2019).

Помимо научных статей, были также проанализированы отчеты и статьи крупнейших консалтинговых компаний.

Чтобы понять потенциальное будущее чат-ботов, было проанализировано два отчета. Первый из них от Gartner «How AI Will Reinvent Program and Portfolio Management». Второй от Juniper «Chatbots Retail, eCommerce, Banking & Healthcare 2017-2022». С точки зрения экономической выгоды чат-боты оказывают большое влияние на мировой экономический рост. Согласно исследованию Gartner, к концу 2020 года чат-боты будут отвечать за около 80% коммуникационных задач (Stang, 2018). Согласно отчету Juniper, к 2022 году во всем мире эффект от внедрения чат-ботов составит около 8 миллиардов долларов (Dhanda, 2018). ).

Для большего понимания перспектив развития банковских отделений, была проанализирована статья «A bank branch for the digital age» от McKinsey&Company (2018). В статье рассказывается о последних трендах в размещении отделений банков, а также, что ожидает нас в будущем, касательно расстановки и наполнения отделений.

Для изучения последних трендов в области продвинутой аналитики был использован отчет «McKinsey on Payments Special Edition on Advanced Analytics in Banking» от McKinsey&Company (2018). В статье рассказывается о том, как Data Science помогает банкам в различных сферах, начиная от создания уникального клиентского опыта, заканчивая внутренними процессными оптимизациями.

Глава 1. Тренды на рынке финансовых услуг

Каким должен быть банк, чтобы быть конкурентным не только сейчас, но и в ближайшем будущем? Рассмотрим банк со стороны внутренних процессов (организационная модель, используемых технологий оптимизации и видения) и со стороны продуктового предложения.

Внутренние процессы

Во внутренние процессы в банке в данной работе будут включены такие составляющие как: организационная модель, используемые технологии для организации процесса и оптимизации клиентского опыта и расходов банка.

Организационная модель

Банк будущего обязан быть клиентоцентричным. А для того, чтобы удовлетворять запросы клиентов, банку мало слышать своих пользователей. Краеугольным моментом нового времени является быстрое реагирование на меняющиеся клиентские предпочтения. Побеждает тот, кто сможет не только первым увидеть, но и первым выпустить на рынок новый продукт, причем сделать это наиболее качественно. Для этого необходимо правильно выстроить корпоративную культуру и организацию процесса. Для этого банку будущего стоить перенять опыт ИТ компаний и как можно шире включать элементы Agile в свою корпоративную ДНК.

Что такое Agile и почему он поможет банку будущего удерживать пальму первенства перед маленькими технологичными компаниями? Принципы Agile позволяют выстроить такую организационную модель, которая позволяет слышать каждого человека в организации, развивать конечную ответственность за продукт и многократно повышать скорость разработки продуктов и вывода их на рынок. Рассмотри Agile поглубже. Особенность agile подхода являются следующие принципы (Hazzan O., Dubinsky Y, 2014)

Люди и взаимодействие важнее процессов и инструментов

Работающий продукт важнее исчерпывающей документации

Готовность к изменениям важнее следования изначальному плану

Следует отметить, что в agile не отрицается значимость процессов, инструментов документации и плана. Однако приоритет отдается в первую очередь работающему продукту и клиенту, которого ставят во главу угла.

Agile также называют динамической бизнес-моделью, поскольку данный подход позволяет как можно скорее подстраиваться под изменения рынка. Данный подход пришел из IT индустрии и относится в большей степени к разработке программного обеспечения. Однако, учитывая, что в современном банкинге имеется большое количество процессов, связанных с разработкой ПО, принцип прижился в банковской индустрии и активно распространяется по всему миру. Из банков, оперирующих в России, первопроходцами Agile были Райффайзенбанк, Тинькофф. Затем произошли пилотные запуски в Сбербанке, ВТБ, Росбанке. Среди банков вне России это ING, Иeskб spoшitelna и множество банков, принадлежащих холдингу Societe Generale (которым в России принадлежит Росбанк).

Рассмотрим основные отличия классической организационной структуры и agile структуры. В классической структуре присутствуют существует линейное подчинение сотрудников отдела начальнику отдела, начальника отделе, руководителю департамента и тд. Высшим органом является правление. Различные вопросы решаются на специальных комитетах, которые проходят в строго регламентированное время, и чтобы вынести вопрос на обсуждение, требуется подготовить большой пакет документов, ждать одобрения вынесения на комитет и только после этого решить вопрос. Управление происходит строго линейно, присутствует большая прослойка из среднего менеджмента, у каждого лица принимающего решения есть заместители. Все это создает избыточные нагрузки на фонд оплаты труда и затрудняет принятие решений, поскольку полномочия каждого из руководителей строго регламентированы, многие вопросы завязаны на правлении, а средний менеджмент выполняет посреднические функции по транслированию вопросов на уровень выше.

В agile подходе в банках все выглядит иначе. Банк делится на две части: Run - часть банка, которая отвечает за операционные процессы, такие как обслуживание клиентов в отделении, колл-центр, онлайн поддержка, различные линейные документарные процессы, налоговые функции и тд. В ней практически ничего не меняется в большинстве банков. Вторая часть банка называется Change. В ней сосредоточены все функции, направленные на постоянные улучшения продуктов и внутренних процессов банка. Данная часть банка делится на трайбы (от англ. Tribe - племя). Трайбы образуются по принципу продуктовой принадлежности. Например: трайб сбережения занимается разработкой и улучшением продуктов, связанными со сбережениями, трайб ипотека - ипотечными продуктами и тд. Во главе трайба стоит трайб лидер - менеджер, отвечающий за работу трайба, принимающий ключевые решения, отвечающий за видение стратегии трайба и реализацию целей, а также выполняющий коммуникацию трайба с уровнем правления. Также немаловажную роль занимает технический лидер трайба. Поскольку роль IT в современном банкинге высока, данная роль особенно важна в agile банках. Тех трайб лидер отвечает за использование архитектурных решений, способ создания продуктов компании с точки зрения программного обеспечения и тд. Трайб в свою очередь делится на команды, внутри которых разрабатываются изменения текущих продуктов или новые продукты. Во главе команды стоит владелец продукта. Он обладает конечной ответственность за результат, которые предоставляет команда за каждый отчетный период. Стоит отметить, что agile подход подразумевает гораздо большую степень самостоятельной ответственности, чем классический подход в управлении банком. Так в классическом банке бюджет выделяется под конкретный проект (например, на разработку мобильного приложения для оплаты ЖКХ), в случае если бюджет нужно увеличить, вопрос выносится на комитет и правление банка решает удовлетворить эту просьбу или нет. В agile банках бюджет выделятся на трайб, и руководство трайба самостоятельно решает на какие проекты стоит потратить деньги. Однако все это должно быть в рамках стратегических целей, которые устанавливаются правлением. Все это позволяет в кратчайшие сроки принимать решения, чтобы успевать за быстро меняющимся рынком.

Продвинутая аналитика

Продвинутая аналитика занимает особенно место в банке будущего. С помощью использования машинного обучения, глубокого обучения и искусственного интеллекта банки могут решать ряд задач, которые до текущего момента либо не решались, либо результат их решения был далек от идеала. Рассмотрим применение продвинутой аналитики в трех сегментах банковского бизнеса: кредитный скоринг, выявление подозрительных транзакций и улучшение клиентского опыта за счет персонализированных предложений.

Использование новейших инструментов продвинутой аналитики позволяет значительно точнее предугадывать будущую платежеспособность заемщика. В случае с классическими алгоритмами, процесс выглядел следующим образом. Клиентов делили на разные группы по риску используя регрессии и текущие данные о просрочках платежей. После этого наименее рисковые категории клиентов проходили проверку через сотрудника с небольшим опытом, который используя стандартную процедуру проверки. Чем выше категория риска у заемщика, тем больше процедур проверки он проходит и тем более квалифицированному сотруднику попадает его личное дело. Продвинутая аналитика позволяет значительно упростить данный процесс.

Используя большой спектр данных как банковского характера (банковские транзакции, наличие просрочек у данного банка или других банков), так и не банковского (информация из открытых реестров об уплате налогов, штрафах за превышение скорости, круга общения в социальных сетях, структуры поездок за границу и тд). Используя гораздо большее количество переменных, чем классические регрессионные модели, инструменты продвинутой аналитики могут существенно снизить нагрузку на сотрудников, занятых проверкой личных дел клиентов низкого и среднего риска и перераспределить их в пользу более сложных случаев, где модели пока не могут дать однозначный ответ. По данным McKinsey (2018) результаты от использования подобных моделей в банках следующие. Европейский банк уменьшил объем просрочек, которые составляли более 90 дней на 100 млн евро. Более того, был уменьшен портфель кредитов, по которым была просрочка менее 90 дней на 300 млн евро. Один из лидирующих банков США смог сэкономить 25 млн долларов на каждый 1 млрд долларов портфеля за счет повышения точности предсказаний с помощью продвинутой модели аналитики.

Кредитный скоринг с точки зрения конкретных алгоритмов будет разобран в главе 2, где будет проверяться гипотеза о существенном статистическом преимуществе алгоритмов, основанных на машинном обучении перед классическими моделями.

Рассмотрим применение углубленной аналитики в выявлении подозрительных операций. Подозрительные операции могут быть нескольких видов. Например, подмена личности, угон данных личного кабинета или карты, мошенничество с использованием социальной инженерии. Машинное обучение и глубокое обучение способны распознать поддельные подписи с более высокой точностью, чем это делает ответственный сотрудник в банке, выявить не типичную транзакцию алгоритм сможет также гораздо быстрее и точнее человека, поэтому продвинутая аналитика и здесь находит успешное применение.

Последний пример использования продвинутой аналитики - формирование персонализированных предложений для улучшения клиентского опыта. Механика работы здесь следующая. Алгоритмы анализируют транзакции клиента и его продуктовый портфель. Также в ход вступает получение не банковских данных, в том числе из веб и соц. сетей. Таким образом банк получает возможность оперативно отреагировать на изменения в жизни клиента, путем предложения ему соответствующего продукта или участия в программе лояльности. Так например если клиент выложил фотографию с щенком в инстаграм, и по его карте прошли несколько транзакций в зоомагазине, то банк может предложить ему участие в специальной программе лояльности для владельцев собак в партнерстве с зоомагазином, тем самым улучшив клиентский опыт и заработав на увеличении числа транзакций и за счет привода клиента компании, владеющей зоомагазинами. В случае получения информации из ГАИ о том, что клиент зарегистрировал авто, можно предложить ему кредитную карту для автолюбителей, чтобы расширить продуктовый портфель клиента. Вариаций использования данной технологии - большое множество.

Автоматизация линейных процессов

Банковская деятельность сопряжена с огромным количеством рутинных процессов. Это могут быть оформления документов для регулятора, различная документация для коммуникации между подразделениями, формирование отчетов, сравнение данных из разных систем, коммуникация с клиентами на простые однотипные вопросы и тд. Современные технологии позволяют существенно облегчить данные процессы. Одна из технологий, позволяющих переложить на сторону компьютера рутинные процессы это RPA. RPA - robotic process automation, специализированное ПО, которое позволяет записать повторяющие действия работника в обычных программах, таких как Microsoft Excel, PowerPoint, Word, различное банковское ПО и успешно симулировать рутинные процессы, такие как сравнение данных, формирование документов, проверка соответствия шаблону и тд. Имплементация RPA довольно простая и не обходится дорого, потому что ПО легко настраивается без каких-либо навыков программирования. Именно поэтому RPA оказывает большое влияние на банковскую сферу. Например, один из ведущих банков Великобритании сократил время обработки (TAT) на 30-35% и значительно улучшил точность из-за RPA (TATA consulting, 2017). Один из мировых банков снизил нагрузку по обработке открытия счетов также почти на 30. Если говорить о крупных банках в России, то есть отличный пример Сбербанка. Благодаря RPA около 14 тысяч человек (около 4,6% от общего числа ПШЕ) (Delukin, 2018) , которые работали над простыми повторяющимся заданиями, могут быть сокращены. В годовом исчислении это около 12,6 млрд руб.

По данным McKinsey (McKinsey, 2018), RPA способна принести банку от 30% до 200% окупаемости за первый год использования. Это обусловлено в первую очередь большим количеством монотонных задач в банковском деле, особенно в операционном блоке. Существенно сокращая выполнение операций и повышая их точность, теряется необходимость в большом штате низкоквалифицированных клерков. У банка есть два пути: сократить всех лишних, либо сократить часть, а оставшуюся переобучить и переместить в области, где требуется более сильная компетенция. На данный момент большая часть банков идет по пути сохранения числа рабочей силы, поскольку считается, что любые сотрудники являются носителями компетенций и лучше переместить их на другие более сложные задачи.

Еще одна технология, позволяющая существенно снизить загрузку на бэк офиса банка это чат боты. Чат бот - это программа, разработанная с использованием искусственного интеллекта, которая может отвечать на вопросы и выполнять с помощью обычных текстовых или голосовых сообщений ряд задач. Используются такие технологии как NLP (Natural Language Processing - понимание человеческого языка) и OCR (Optical Character Recognition - преобразование фотографии или скана в текст). Чат боты бывают двух видов - для внутреннего использования и для работы с клиентами. Чат боты для внутреннего использования помогают решать вопросы с документацией, различными административными вопросами (как сделать больничный лист, забронировать переговорную комнату, составить некоторый документ по шаблону и тд). Чат боты для взаимодействия с клиентами берут на себя несложные задачи, такие как смена пин кода, вопросы по продуктам, доп продажи услуг по текущим клиентским базам (например, когда чат бот пишет в приложении, что можно подключить дополнительную услугу СМС уведомления о транзакциях). С точки зрения экономики чат-боты оказывают большое влияние на мировой экономический рост. Согласно исследованию Gartner, к концу 2020 года чат-боты будут отвечать за около 80% коммуникационных задач (Stang, 2018). Согласно отчету Juniper, к 2022 году во всем мире эффект от внедрения чат-ботов составит около 8 миллиардов долларов (Dhanda, 2018)).

Продукты банка будущего

Продуктовый портфель банка будущего в данной работе будет рассмотрен со стороны инновационных предложения для физических лиц и для малого среднего бизнеса (МСБ). В продуктах для физических лиц будет затронуто изменение в таких категориях как транзакционный бизнес, кредитный бизнес и инвестиционно-сберегательные предложения. В продуктовой линейке для МСБ будут отмечены тренды в кредитных и транзакционных предложениях.

Кредитный бизнес для физических лиц

Рассмотрим продуктовые инновации, связанные с кредитованием. Для розничных клиентов существует новый продукт от Сбербанка под названием «Домклик». Сбербанк предлагает оформить ипотеку полностью онлайн для своих клиентов и получить решение банка в течение 1-3 дней https://www.sberbank.ru/ru/press_center/all/article?newsID=7930f9ab-4727-4afd-8e5c-d5251aa3e37f&blockID=1303&regionID=77&lang=ru&type=NEWS. Также Сбербанк обещает, что любой вопрос после оформления ипотеки можно также решить онлайн (например, предоставление кредитных каникул, изменение сроков кредитования и тд). Особенностью данной платформы является то, что она не ограничивается предоставлением онлайн ипотеки. Данная платформа также сочетается в себе маркетплейс. На ней представлены застройщики, агентства недвижимости, оценочные компании. Застройщики размещают на данной платформе свои объекты, тем самым давая возможность пользователями платформы сразу ознакомится с объектом недвижимости, получить условия по ипотеке от Сбербанка и получив одобрение заключить договор с застройщиком. Агентства недвижимости получают возможность также найти клиентов для своей недвижимости и в упрощенном порядке оформить ипотеку.

Одной из кредитных инноваций последнего времени является p2p (peer-to-peer) кредитование. В данном типе кредитования, кредитором выступает частное лицо, а не банк. В США и Европе основным площадками выступают Lending Club и Zopa. Несомненно, такие займы сопряжены с большой степенью риска, поскольку частный кредитор не обладает большим спектром информации и заемщике. Платформа пытается нивелировать это тем, что если заемщик исправно платит по своим обязательством, то следующий займ будет стоить для него существенно дешевле, и найти кредитора будет проще, поскольку появляется определенная репутация на площадке. Банки могут успешно встроиться в эту систему, так как обладают огромным спектром финансовой информации, которая может проводить скоринг гораздо более точно, чем небольшие финтех компании. Бизнес-модель может быть построена на фиксированном проценте с каждого займа. Таким образом банк может с меньшим процентом риска получать деньги. Это будет особенно актуально при выдаче кредитов тем категориям граждан, на которых традиционные банки редко обращают внимание из-за высокого риск профиля, такие как беженцы, иностранцы, индивидуальные предприниматели и тд.

Транзакционный бизнес для физических лиц

Со времен расчетов между людьми, средства совершения платежей проходили определенный уровень эволюции, с каждым разом упрощая покупку и продажу товаров и услуг. Сначала это был бартер. Симметричный обмен на товар или услугу. Затем это были различные средства платежа в виде монет, слитков, которые затем сменили первые наличные деньги, чеки. С изобретением дебетовых и кредитных карт платить стало гораздо проще. Учитывая возросшую простоту совершение транзакций все это должно максимально подтолкнуть экономику, ведь чем проще совершать транзакцию, тем меньше барьеров на покупку той или иной услуги или товара. Учитывая наличие кредитных лимитов, овердрафтов и прочих услуг, даже нехватка денег в момент совершения транзакции перестала быть барьером. В 2002 году было положено начало новой тенденции в сфере платежей. Компания MasterCard запустила технологию бесконтактных платежей PayPass. https://plusworld.ru/journal/2006/section_139899/art140175/ Суть технологии заключается в следующем: для проведения платежа необходимо всего лишь приложить платежную карту к терминалу. Если транзакция меньше определенной суммы, то не потребуется вводить пинкод. Если сумма больше порогового значения, то необходимо ввести пинкод и платеж пройдет. Технология не сразу обрела популярность, однако через несколько лет все больше и больше людей стали пользоваться данным нововведением. Компания Visa представила свой аналог - технологию PayWave лишь в 2005 году. Поддержка бесконтактных платежей двумя крупнейшими платежными системами в мире привела к бурному росту пользователей. Сейчас сложно представить карту, в которой бы не было поддержки бесконтактных платежей.

Однако в данной сфере не все было так удобно. Во-первых, каждый раз вводить пинкод при покупке на большую сумму все еще не удобно, но полностью отменить идентификацию по пинкоду попросту не безопасно. Нужен был другой способ идентификации. Решение пришло от компании Apple - ведущей технологической компании. Осознав, что существует возможность выйти на достаточно крупный рынок финансовых услуг, компания разработала систему ApplePay. Данная система позволяет оплачивать покупки, используя смартфон, планшет, ноутбук или умные часы. Система добавляет банковскую карту в кошелек и для оплаты необходимо всего лишь приложить палец для разблокировки телефона, либо разблокировать телефон с помощью распознавания лица (технология Faceid). Получается практически совершенная система бесконтактных платежей. Платить легко, безопасно и не нужно вводить пинкод даже для очень крупных покупок. Позже схожий функционал появился в Samsung Pay, Android Pay и тд. Работаю они приблизительно по одному и тому же принципу.

Однако ценность данной технологии не только в упрощении совершения платежей. Дело в том, что с возникновением данных продуктов отпала необходимость в физическом выпуске карт. Теперь для того, чтобы сменить платежную карту, например для того, чтобы расплачиваться в другой валюте, либо сменить тариф на более выгодный, банку не требуется физически выпускать карту, тратить деньги на доставку через представителя, либо на доставку до отделения. Пользователь в свою очередь экономит время, т.к получает услугу мгновенно. Однако для банков есть обратная сторона данного вопроса. Подобная технология существенно снижает switching cost - издержки перехода от одного банка к другому. Таким образом платежные карты для физических лиц приблизятся к условиям рынка совершенной конкуренции, что снизит маржу банка до нулевых значений, что в будущем изменит правила игры на рынке дебетовых и кредитных карт. Это приведет к тому, что плата за обслуживание, комиссии за обмен валют и прочие традиционные банковские источники получения прибыли за операции по картам канут в лету. Банкам придется искать различные дополнительные способы получения прибыли и вещи, которые не связанны с тарифной сектой такие как программы лояльность, в число которых входят различные кобрендинговые карты, позволяющие получать бонусы и скидки у компании партнера (например кобрендинговая карта Тинькофф-Перекресток дающая дополнительные бонусы при покупках в сети магазинов Перекресток или Открытие Аэрофлот, дающая дополнительные мили за покупки. Ко всему этому будут особенно цениться дополнительные сервисы, такие как доступ в бизнес зоны аэропортов, персональный дистанционный менеджер для решения вопросов, связанных с банков, консьерж сервис и тд. В число наиболее перспективных решений также входит работа с данными клиентов и передача обезличенных трат о транзакциях контрагентам. Такой практикой уже пользуется Mastercard и AmericanExpress (Cohan P, 2018). Данные продаются для дальнейшего анализа банкам, ритейерам, государству и системам интернет рекламы.