Στο πρώτο φόρουμ FinMachine που πραγματοποιήθηκε την Παρασκευή, ο διευθυντής του τμήματος μοντελοποίησης κινδύνου της Sberbank, Maxim Eremenko, και ο επικεφαλής της έρευνας και ανάπτυξης στον τομέα της επιστήμης δεδομένων, Andrey Chertok, περιέγραψαν πώς η μεγαλύτερη τράπεζα της χώρας, μεταξύ άλλων, χρησιμοποιεί μηχανική μάθηση. πράγματα, δημιουργεί αξιώσεις και βρίσκει επιχειρηματικούς εταίρους για τους πελάτες της.

Περίπτωση 1. Έξυπνες συμβουλές: παραγωγή με βάση την ανάλυση των συναλλαγών με κάρτες πελατών
Μαξίμ Ερεμένκο: Επί αυτή τη στιγμήΈχουμε προσεγγίσει πλήρως το πρόβλημα του εντοπισμού και, στη συνέχεια, της πρόβλεψης μοτίβων συμπεριφοράς των κατόχων καρτών. Αναλύοντας τη δραστηριότητα των κατόχων καρτών, μάθαμε να αναγνωρίζουμε αυτά τα μοτίβα.

Αντρέι Τσέρτοκ: Στο πλαίσιο της συμμετοχής μας σε ένα από τα έργα της τράπεζας, εντοπίζουμε μοτίβα συμπεριφοράς πελατών τραπεζών με βάση τις συναλλαγές τους. Τα πρώτα μοντέλα συνδέθηκαν με την περιγραφική ανάλυση της συμπεριφοράς των συναλλαγών. Για παράδειγμα, ο πελάτης δεν είχε αγορές που σχετίζονται με το αυτοκίνητο - εμφανίστηκαν. Αυτό σημαίνει ότι αγόρασε ένα αυτοκίνητο και τώρα είναι δυνατό, για παράδειγμα, να προσφέρει σε έναν τέτοιο πελάτη προϊόντα ή υπηρεσίες που είναι χρήσιμες για τους ιδιοκτήτες αυτοκινήτων.

Η επόμενη εργασία είναι η πρόβλεψη ορισμένων γεγονότων, συμπεριλαμβανομένου του γεγονότος της ίδιας της αγοράς. Εκτός από τα μοτίβα, με την έλευση ορισμένων κωδικών MCC, καθίσταται δυνατή η εξαγωγή αρκετών πληροφοριών από τα δεδομένα ενδιαφέρουσες ιστορίες, συμπεριλαμβανομένων εκείνων που σχετίζονται με τις αποταμιευτικές δραστηριότητες των κατόχων καρτών. Δηλαδή, βλέπουμε ποιοι πελάτες τραπεζών εξοικονομούν χρήματα και αποτρέπουμε ορισμένες μεγάλες αγορές. Αυτό μπορεί να βελτιώσει σημαντικά τα μοντέλα. Η τράπεζα μπορεί να προσφέρει ένα ευρύτερο φάσμα προσφορών. Ωστόσο, αυτό σημαίνει ότι τέτοια μοντέλα πρέπει να προσαρμόζονται συνεχώς.

Στη διαφάνεια βλέπουμε τρεις αρκετά σαφείς περιπτώσεις: αγορά αυτοκινήτου, ανακαίνιση διαμερίσματος/αγορά επίπλων και κόστος θεραπείας. Είναι ιδιαίτερα πολύτιμο εάν ο πελάτης μπορεί να παρέχει ανατροφοδότηση για τα προϊόντα που του προσφέρονται. Επομένως, είναι απαραίτητο να δημιουργηθούν μοντέλα που να μπορούν να λάβουν υπόψη αυτήν την ανατροφοδότηση. Από πολλές απόψεις, αυτή είναι η ίδια αρχή που βασίζεται στα μοντέλα ενισχυτικής μάθησης που τώρα αρχίζουμε να αναπτύσσουμε.

Η ενισχυτική μάθηση, η οποία αυτή τη στιγμή αναπτύσσεται από την OpenAI και την DeepMind, μεταξύ άλλων, είναι προάγγελος της τεχνητής νοημοσύνης όπως θέλουν να τη δουν. Το σύστημα δεν είναι προεγκατεστημένο με κανένα μοντέλο του κόσμου και το σύστημα στην πραγματικότητα δεν γνωρίζει τίποτα γι' αυτό. Το σύστημα αρχίζει να αλληλεπιδρά με τον κόσμο, να λαμβάνει ανατροφοδότηση, τις λεγόμενες ανταμοιβές. Στη συνέχεια, το σύστημα προσαρμόζει τη συμπεριφορά του με βάση το πόσο καλές ή κακές λαμβάνονται οι ανταμοιβές. Στην περίπτωση των τραπεζικών προϊόντων, η ανταμοιβή είναι, για παράδειγμα, πόσο ενδιαφέρουσα ή μη ενδιαφέρουσα αποδεικνύεται για τους πελάτες μια συγκεκριμένη τραπεζική προσφορά.

Χρησιμοποιώντας μεθόδους με συγκεκριμένες ιδιότητες που επιτρέπουν την ενισχυτική μάθηση, μπορούμε να προσαρμόσουμε αυτούς τους αλγόριθμους σε πραγματικό χρόνο. Μεταξύ των νέων προσεγγίσεων, μπορεί επίσης να σημειωθεί ότι μόλις πρόσφατα δημοσιεύτηκε ένα άρθρο του ίδιου DeepMind στο Nature, όπου μιλούν για το πώς στοιχεία μιας μηχανής Turing εισήχθησαν σε ένα νευρωνικό δίκτυο. Ως αποτέλεσμα, το νευρωνικό δίκτυο ήταν σε θέση να έχει μνήμη, κάτι που λείπει από τα νευρωνικά δίκτυα σε αυτό το στάδιο.

Περίπτωση 2. Βελτιστοποίηση διοχέτευσης πωλήσεων
Αντρέι Τσέρτοκ: Σε αυτήν την περίπτωση, αναλύουμε τη δραστηριότητα συναλλαγών, αναζητώντας συμπλέγματα πελατών με συγκεκριμένα πρότυπα συμπεριφοράς. Όμως σε αυτή την περίπτωση δεν τα συνδέουμε με την πρόβλεψη οποιωνδήποτε γεγονότων. Για παράδειγμα, μπορούμε να βρούμε πελάτες που πετούν συχνά, ταξιδεύουν στο εξωτερικό και μετατρέπουν συχνά νομίσματα. Με βάση αυτό, κάνουμε προσφορές σε τέτοιους πελάτες πιο αποτελεσματικά.

Οι διαφάνειες δείχνουν ποια μοτίβα μπορούμε να βρούμε και ποια προϊόντα μπορούμε να προσφέρουμε σε αυτήν την περίπτωση. Σε γενικές γραμμές, η ιστορία είναι ξεκάθαρη - ορισμένες μέθοδοι που σχετίζονται με την ομαδοποίηση θεωρούνται εδώ. Προβολή δεδομένων, για παράδειγμα.

Περίπτωση 3. Βελτιστοποίηση ταμειακής κυκλοφορίας
Αντρέι Τσέρτοκ: Η Sberbank διαθέτει ένα ευρύ δίκτυο ΑΤΜ, υποκαταστημάτων και ένα πρόγραμμα εργασίας με εταιρικούς πελάτες. Κατά συνέπεια, προκύπτει το καθήκον της πρόβλεψης της αυριανής ζήτησης για μετρητά. Όσο ακριβέστερα κάνουμε αυτήν την πρόβλεψη, τόσο πιο σωστά, ας πούμε, μπορούμε να διανείμουμε αυτά τα χρήματα. Από τη μία πλευρά, είναι σημαντικό τα χρήματα να μην μένουν αδρανείς στα ΑΤΜ, αλλά αντίθετα μπορούμε να τα τοποθετήσουμε σε μια βραχυπρόθεσμη κατάθεση. Από την άλλη πλευρά, προσπαθούμε να αποφύγουμε απώλειες φήμης - τα χρήματα εξαντλούνται νωρίτερα από το προγραμματισμένο και το ΑΤΜ σταματά να λειτουργεί και ο πελάτης παραμένει δυσαρεστημένος.

Εδώ χρειαζόμαστε μοντέλα που μπορούν να χειριστούν ασύμμετρα σφάλματα. Τα πρώτα μοντέλα είναι πολύ απλά και βασίζονται σε κλασικές μεθόδους ανάλυσης χρονοσειρών που σχετίζονται με την εξομάλυνσή τους. Τώρα απαιτούνται πιο ακριβείς προσεγγίσεις και οι μέθοδοι μηχανικής εκμάθησης χρησιμοποιούνται ήδη ενεργά. Φυσικά, τέτοιες μέθοδοι πρέπει να είναι προσαρμοστικές, καθώς η ζήτηση εξαρτάται τόσο από μακροοικονομικούς παράγοντες όσο και από παραμέτρους όπως η θέση των ΑΤΜ στην πόλη και η πρόγνωση του καιρού. Ο συνδυασμός ετερογενών χαρακτηριστικών δίνει πιο σημαντικά αποτελέσματα από τη χρήση άλλων μοντέλων μηχανικής εκμάθησης.

Περίπτωση 4. Μοντελοποίηση της πιθανότητας χρεοκοπίας για μικρές επιχειρήσεις σε πραγματικό χρόνο
Μαξίμ Ερεμένκο: Το 2014 όλοι μιλούσαν για Big Data. Το 2015, η μηχανική μάθηση έγινε ενοχλητική και στα άκρα. Φέτος, η κύρια τάση ήταν η βαθιά μάθηση. Του χρόνου, προφανώς, θα μιλήσουν για ενισχυτική μάθηση.

Σε αντίθεση με τις τρεις προηγούμενες τάσεις, η ενισχυτική μάθηση είναι εύκολο να δοκιμαστεί σε ανοιχτές πλατφόρμες. Η ανοιχτή τεχνητή νοημοσύνη, που χρηματοδοτείται από τον Elon Musk, και η πλατφόρμα DeepMind εκπαιδεύονται σε παιχνίδια υπολογιστή χρησιμοποιώντας ένα ανοιχτό API που σας επιτρέπει να μπείτε στον κώδικα του παιχνιδιού.

Έχουμε μια μάχη μεταξύ δύο αλγορίθμων. Αν τη δεκαετία του 80-90 παίζαμε Pac-Man, τώρα το ελέγχει το μηχάνημα και αυτός ο αλγόριθμος μπορεί να τροποποιηθεί. Η DeepMind προχώρησε λίγο πιο πέρα ​​σε αυτό το μονοπάτι και, μαζί με την Blizzard, δημιούργησαν έναν αλγόριθμο για το StarCraft.

Οι αλγόριθμοι εκπαιδεύονται με τέτοιο τρόπο ώστε να εξορθολογίζονται ως ολοκληρωμένοι εφαρμοσμένα προβλήματα. Στο μέλλον, μπορούν να εκπαιδευτούν αποτελεσματικά σε εργασίες που σχετίζονται, για παράδειγμα, με τη μετάφραση πληροφοριών κειμένου σε διανύσματα.

Τέτοιες εργασίες αποτελούν τη βάση της μηχανής Google Word2vec, η οποία πραγματοποιεί μετάφραση από πληροφορίες κειμένου σε διάνυσμα, αναζήτηση και ολόκληρη τη σημασιολογική ανάλυση του κειμένου στο οποίο βασίζεται.

Αλλά η ίδια η περίπτωση είναι λίγο διαφορετική. Εξετάσαμε τους ενεργούς πελάτες του χαρτοφυλακίου μας στα τμήματα B2B και B2C, δίνοντας ιδιαίτερη προσοχή στις μικρές επιχειρήσεις που ανταλλάσσουν ενεργά πληρωμές. Και όταν εργαζόμασταν μαζί τους, προσπαθήσαμε να εγκαταλείψουμε την κλασική πιστοληπτική αξιολόγηση, την ανάλυση των οικονομικών καταστάσεων και τη διεξαγωγή ποιοτικής εξέτασης των κινδύνων σχετικά με τη φήμη του δικαιούχου, των διευθυντών και παρόμοιων παραμέτρων. Αντίθετα, αρχίσαμε να χρησιμοποιούμε κάποιου είδους συγκεντρωτική μέτρηση, βασιζόμενοι αποκλειστικά στις συναλλαγές - στην ουσία, κάνοντας αναλυτική βαθμολόγηση με βάση τα δεδομένα που διαθέτει η τράπεζα.

Ως αποτέλεσμα, αποδείχθηκε ότι το μοντέλο, με βάση τη βαθμολογία πιστοληπτικής ικανότητας, κατάταξης πελατών βάσει πιθανότητας αθέτησης, πρακτικά δεν διαφέρει από την άποψη των μετρήσεων ποσοτικής ακρίβειας από τα κλασικά μοντέλα. Το Τζίνι της είναι σχεδόν ίδιο στο 60-65%. Αλλά εάν οι πληροφορίες της ίδιας της τράπεζας εμπλουτιστούν με εξωτερικά δεδομένα, για παράδειγμα, από κοινωνικά δίκτυα, και χρησιμοποιηθούν για κατάταξη, τότε η ακρίβεια μπορεί να αυξηθεί περαιτέρω.

Στην πράξη, αυτό σημαίνει ότι δεν χρειάζεται να χάνεται χρόνος για την αξιολόγηση των κινδύνων από την άποψη της κλασικής ανάλυσης. Μπορείτε να επεξεργαστείτε τα δεδομένα που υπάρχουν στο σύστημα και να αποκτήσετε μια στατιστικά εξίσου σχετική μέτρηση ποιότητας.

Αυτό το μοντέλο μπορεί πλέον να χρησιμοποιηθεί μόνο για τη δημιουργία λίστας προεγκεκριμένων προτάσεων. Εάν ο πελάτης πει: "εντάξει, συμφωνώ", τότε η διαδικασία είναι πιο περίπλοκη. Με την πάροδο του χρόνου, εάν δούμε ότι η ποιότητα της ροής έχει διατηρηθεί στο τρέχον επίπεδο ή υψηλότερο και το μοντέλο δείχνει μεγαλύτερη προγνωστική ακρίβεια, τότε μπορεί να χρησιμοποιηθεί ως εναλλακτική λύση.

Περίπτωση 5. Αλγόριθμοι επεξεργασίας φυσικής γλώσσας για την ανάλυση και τη δημιουργία δηλώσεων αξίωσης
Μαξίμ Ερεμένκο: Ως μέρος της χρήσης εργαλείων για εργασία με κείμενο ή Επεξεργασία Φυσικής Γλώσσας, βρεθήκαμε αντιμέτωποι με το γεγονός ότι η Sberbank ξοδεύει αρκετά μεγάλο αριθμό ανθρώπινου δυναμικού και χρόνου για την ανάλυση των δηλώσεων αξίωσης και την προετοιμασία μιας απάντησης. Ταυτόχρονα, η ανάλυση των περισσότερων πληροφοριών των εναγόντων και οι ίδιες οι δηλώσεις αξίωσης που απευθύνονται στη Sberbank, μπορούν να αυτοματοποιηθούν. Μην χρησιμοποιείτε την εργασία ανθρώπων που εισάγουν πληροφορίες σχετικά με στοιχεία διαβατηρίου στο διατακτικό δήλωση αξίωσης, αλλά μπορείτε να εξαγάγετε όλα αυτά: ημερομηνία γέννησης, στοιχεία διαβατηρίου, στοιχεία και το διατακτικό. Στο δεύτερο στάδιο, για την προετοιμασία της απάντησης στους ισχυρισμούς, προτείναμε τη χρήση ενός συγκεκριμένου προτύπου ως βελτιστοποίησης.

Περίπτωση 6. ΟρισμόςΒ2Β- καιΒ2Β-αλυσίδες
Μαξίμ Ερεμένκο: Για ενεργούς χρήστες B2B, μπορείτε όχι μόνο να αξιολογήσετε τον πιστωτικό κίνδυνο, αλλά και να επιλέξετε τυπικά πρότυπα του συνεργάτη του. Αν δούμε μια εταιρεία με παρόμοιο προφίλ στο χαρτοφυλάκιο ΟΙΚΟΝΟΜΙΚΗ ΔΡΑΣΤΗΡΙΟΤΗΤΑ, και ανήκουν και οι δύο στην ίδια περίπου κοόρτη, δηλαδή δεν πρόκειται για μεγάλες επενδύσεις και για μικρές επιχειρήσεις, τότε, με βάση αυτά τα πρότυπα, επιλέγουμε συνεργάτες και προτείνουμε ποιες σχέσεις μπορεί να τους ενδιαφέρουν.

Περίπτωση 7. Αλγόριθμοι για το chatbot @SberbankML_Bot
Μαξίμ Ερεμένκο: Το chatbot μας εξακολουθεί να μαθαίνει, αλλά κάνει επίσης ορισμένα πράγματα που πολλοί άνθρωποι γνωρίζουν ήδη πώς να κάνουν, για παράδειγμα, προωθώντας μέσω API σε ανοιχτές πηγές όπως η Wikipedia. Αν τον ρωτήσετε ποιος είναι ο Γκρεφ ή ο Πούτιν, θα απαντήσει.

Έχουμε μια εσωτερική δέσμευση προς τα αφεντικά μας ότι μέχρι το καλοκαίρι του 2017 το bot θα μπορεί να διεξάγει μια συνομιλία για τραπεζικά θέματα, καθώς και θα έχει βασικές γνωστικές ικανότητες και θα μπορεί να διεξάγει συνομιλίες για αφηρημένα θέματα. Προς το παρόν, το bot βασίζεται στο Telegram, αλλά ήδη αναπτύσσουμε το δικό μας messenger [όπου θα μεταφερθεί].

Περίπτωση 8. Οι αλγόριθμοί μας μπορούν όχι μόνο να μάθουν τον εαυτό τους, αλλά και να γράφουν ποίηση
Μαξίμ Ερεμένκο:Αυτό είναι ένα πιο διασκεδαστικό έργο. Πήραμε ένα επαναλαμβανόμενο νευρωνικό δίκτυο βασισμένο στα ποιήματα των Πούσκιν, Λέρμοντοφ και λίγο στη συνομιλία Jira των ίδιων των προγραμματιστών και εκπαιδεύσαμε το σύστημα να γράφει ποίηση. Στην αρχή δεν τα κατάφερε καλά ούτε με το ιαμβικό τετράμετρο, αλλά στη συνέχεια άρχισε να εμφανίζεται ακόμη και ομοιοκαταληξία. Τώρα καταφέρνει να γράφει ποίηση ακόμη και για τη Sberbank.

Σε αυτό το άρθρο θα μοιραστώ μαζί σας την εμπειρία μας στην επίλυση ενός ενδιαφέροντος αναλυτικό πρόβλημαχρησιμοποιώντας μη τυποποιημένα οπτικά εργαλεία. Το άρθρο θα ενδιαφέρει τα άτομα που ασχολούνται με την ανάλυση δεδομένων, καθώς και τους διευθυντές τραπεζών που ειδικεύονται στην παρακολούθηση και την ανάλυση του χαρτοφυλακίου δανείων της τράπεζας.

Η εφαρμογή, για την οποία ουσιαστικά θα γράψω παρακάτω, βασίζεται στην πλατφόρμα iDVP (Interactive Data Visualization Platform).

Λοιπόν, ας ξεκινήσουμε!

Το πρόβλημα που λύσαμε και το οποίο πρόκειται να περιγράψω σε αυτό το άρθρο διατυπώθηκε ως εξής:

Η τράπεζα χορηγεί δάνεια σε μεγάλες νομικά πρόσωπα– δανειολήπτες. Ο αριθμός των μεγάλων δανειοληπτών σε μια χρονική στιγμή δεν ξεπερνά τους 1.000. Στη διοίκηση της τράπεζαςΧρειάζεται ένα βολικό εργαλείο με το οποίο θα μπορούσε κανείς να δει (παρακολουθήσει) μια ολιστική εικόνα του δανειακού χαρτοφυλακίου της τράπεζας. Ταυτόχρονα, θα πρέπει να είναι δυνατή η μετάβαση από την άποψη του δανειακού χαρτοφυλακίου συνολικά σε λεπτομερείς πληροφορίες για καθέναν από τους δανειολήπτες.

Σε ποιες συνθήκες βρίσκεται ο μάνατζερ και τι χρειάζεται;

1. Η διοίκηση θέλει να ξοδέψει ελάχιστη προσπάθεια δουλεύοντας με την εφαρμογή, ερμηνεύοντας οπτικές πληροφορίες και αναλύοντας δεδομένα.
2. Η διοίκηση θέλει να δει άμεσα την κατάσταση του δανειακού χαρτοφυλακίου ανοίγοντας απλά την εφαρμογή, χωρίς να κάνει ούτε ένα κλικ.
3. Οι πληροφορίες πρέπει να παρουσιάζονται "όσο το δυνατόν περισσότερο" - σε μία οθόνη, χωρίς να απαιτείται κύλιση. Ήδη στην πρώτη οθόνη, ο χρήστης θα πρέπει να δει ποιοι δανειολήπτες είναι «προβληματικοί», πόσο «προβληματικοί» είναι και ποιο είναι το μερίδιό τους στο χαρτοφυλάκιο σε ποσοτικούς και αξιακούς όρους.
4. Τα εργαλεία για το φιλτράρισμα και την ομαδοποίηση δεδομένων πρέπει να είναι βολικά και εύχρηστα.
5. Οι οθόνες εφαρμογών πρέπει να είναι «όμορφες» ώστε η διοίκηση να μπορεί να τις χρησιμοποιήσει για να παρουσιάσει «αποτελεσματικά» τις αναφορές της στους ιδρυτές και τους μετόχους.

Οι τραπεζικοί αναλυτές, καθώς και οι προμηθευτές εργαλείων BI, προσπαθούν να δημιουργήσουν λύσεις που θα πληρούν όλες τις καθορισμένες απαιτήσεις, αλλά δεν μπορούν να ικανοποιηθούν πλήρως όλες οι απαιτήσεις και ως εκ τούτου, οι λύσεις λογισμικού που δημιουργούνται δεν είναι πάντα αρεστές στη διοίκηση. Αποφασίσαμε να ακολουθήσουμε τον δικό μας δρόμο και να σχεδιάσουμε μια λύση που θα ικανοποιούσε όλες τις απαιτήσεις με την υψηλότερη δυνατή ποιότητα.

Έχω ήδη μιλήσει για την προσέγγισή μας στις εργασίες ανάλυσης δεδομένων σε προηγούμενο άρθρο, αν θέλετε, μπορείτε να το διαβάσετε.

Κύρια σημεία αυτού του άρθρου

1. Όταν εξετάζουμε έναν πελάτη, προσπαθούμε πάντα να προσδιορίζουμε τον πόνο (πρόβλημα) του πελάτη που μπορεί να λυθεί χρησιμοποιώντας ανάλυση δεδομένων. Και δημιουργούμε μια εφαρμογή που λύνει πλήρως αυτό το πρόβλημα.
2. Για την ανάλυση δεδομένων, δεν χρησιμοποιούμε «συνηθισμένες» αναφορές BI, αλλά τρισδιάστατες εφαρμογές. Σε αυτές τις εφαρμογές, η οπτικοποίηση αναλυτικών πληροφοριών πραγματοποιείται με τη μορφή τρισδιάστατων αντικειμένων, που συνδυάζονται σε θεματικές διαδραστικές σκηνές (μορφές οθόνης), που διασυνδέονται με λογικές μεταβάσεις.
3. Οι λύσεις που δημιουργούμε βασίζονται σε τρεις αρχές:

• Μια οπτική αναπαράσταση της επιχειρηματικής εικόνας του πελάτη. Ήδη από την πρώτη γνωριμία με την εφαρμογή, στην πρώτη οθόνη, ο χρήστης θα πρέπει να δει όλα τα κομμάτια της επιχείρησής του που τον ενδιαφέρουν.
• Ανακάλυψη των αιτιών του προβλήματος. Έχοντας επιλέξει ένα σημείο προβλήματος, ο χρήστης θα πρέπει να μπορεί να χρησιμοποιήσει τη λειτουργία διέγερσης, η οποία σας επιτρέπει να πέσετε πιο βαθιά στην προβληματική περιοχή και να δείτε τις αιτίες των προβλημάτων στις ακόλουθες φόρμες οθόνης.
• Τεχνική αισθητική. Η εφαρμογή θα πρέπει να προκαλεί ένα φαινόμενο wow, δηλ. πρέπει να είναι ελκυστικό, διαισθητικό και βολικό.

Αυτές οι αρχές, κατά τη γνώμη μας, θα πρέπει να κατέχουν ισότιμη θέση στη διαμόρφωση των απαιτήσεων για μια λύση, μαζί με τις λειτουργικές απαιτήσεις.
Ήταν σύμφωνα με τις αναφερόμενες διατριβές του προηγούμενου άρθρου που αρχίσαμε να δημιουργούμε τη λύση μας.

Επιτρέψτε μου να σας υπενθυμίσω τα στάδια σχεδιασμού της εφαρμογής μας:

1. Ρύθμιση της εργασίας και έναρξη.
2. Έρευνα πελατών και εργασία με ανοιχτές πηγές.
3. Ανάλυση, σχηματισμός απαιτήσεων και τεκμηρίωση.
4. Σχηματισμός του τελικού εγγράφου «Περιγραφή της Αίτησης».

Η ακόλουθη περιγραφή είναι δομημένη σύμφωνα με αυτά τα βήματα.

Ρύθμιση της εργασίας και έναρξη

Στο πλαίσιο αυτού του σταδίου, μαζί με τους ειδικούς της τράπεζας, προσδιορίσαμε ότι ο κύριος «πόνος» του πελάτη είναι η παρακολούθηση της κατάστασης του χαρτοφυλακίου δανείων, ενώ θα πρέπει να είναι δυνατή η διερεύνηση σε συγκεκριμένο δανειολήπτη.

Φυσικά, η αίτηση πρέπει να πληροί όλες τις ειδικές απαιτήσεις της διοίκησης της τράπεζας που αναφέρονται παραπάνω.

Έρευνα πελατών και εργασία με ανοιχτές πηγές

Η έρευνα έδωσε την ακόλουθη εικόνα για αυτόν τον τομέα δραστηριότητας της τράπεζας.

Το κύριο εισόδημα των περισσότερων τραπεζών συνίσταται στην παροχή δανείων σε εταιρείες και πληθυσμό.

Ορισμένες τράπεζες ειδικεύονται στο δανεισμό προς τον πληθυσμό, άλλες στο δανεισμό σε νομικά πρόσωπα.

Στην τράπεζα αυτή, το έργο της παρακολούθησης των δανείων που εκδόθηκαν σε μεγάλες δανειολήπτες ήταν ιδιαίτερα έντονο. Οι δανειολήπτες εταιρείες ανήκουν σε διάφορους κλάδους, επομένως απαιτείται ανάλυση χαρτοφυλακίου τόσο ανά εταιρεία όσο και ανά κλάδο.

Η τράπεζα καταρτίζει και ενημερώνει συνεχώς ένα προφίλ για κάθε δανειολήπτη, το οποίο περιέχει πληροφορίες για την αξιοπιστία του δανειολήπτη, οικονομικούς δείκτες.

Οι τραπεζικοί αναλυτές συλλέγουν επίσης πληροφορίες για την κίνηση Χρήματα(ταμειακές ροές) του δανειολήπτη και άλλοι δείκτες, χτίστε μοντέλα ταμειακών ροών. Οι πληροφορίες συλλέγονται από πολλές πληροφοριακά συστήματαδοχείο.

Με βάση τα αποτελέσματα της ανάλυσης των συλλεγόμενων πληροφοριών, εντοπίζονται προβλήματα με τον δανειολήπτη και ο δανειολήπτης εκχωρείται σε μία από τις 5 «ζώνες προβλημάτων» που χρησιμοποιεί η τράπεζα για να ομαδοποιήσει τους δανειολήπτες:

1. Πράσινη ζώνη – αυτή η ζώνη περιλαμβάνει έναν δανειολήπτη που δεν έχει εντοπίσει προβλήματα που θα μπορούσαν να επηρεάσουν την αποπληρωμή του δανείου.
2. Κίτρινη ζώνη – ο δανειολήπτης έχει εντοπίσει κάποια προβλήματα.
3. Κόκκινη ζώνη - ο δανειολήπτης έχει εντοπίσει σημαντικά προβλήματα.
4. Μαύρη ζώνη - ο δανειολήπτης με πιθανότητα κοντά στο 100 τοις εκατό δεν θα αποπληρώσει το δάνειο.
5. Λευκή ζώνη - το επίπεδο προβλήματος του δανειολήπτη δεν έχει ακόμη υπολογιστεί.

Ανάλογα με το πρόβλημα του δανειολήπτη, η τράπεζα υποχρεούται να τοποθετεί αποθεματικά για πιθανές ζημίες σε ειδικούς λογαριασμούς, το ύψος των οποίων εξαρτάται από το ύψος του δανείου και την αξιοπιστία του δανειολήπτη. Από αυτή την άποψη, είναι απαραίτητο να ελεγχθεί το μέγεθος αυτών των αποθεμάτων και να αποτραπεί η ανάπτυξή τους, διότι Αποθεματικό είναι χρήματα που είναι «νεκρά» για την τράπεζα, τα οποία δεν μπορεί να χρησιμοποιήσει.

Τραπεζικοί αναλυτές αναλύουν επίσης το ληξιπρόθεσμο χρέος του δανειολήπτη (NPL – Μη εξυπηρετούμενα δάνεια). Με βάση τα αποτελέσματα της ανάλυσης, ο δανειολήπτης εκχωρείται σε μία από τις 4 ζώνες NPL:

1. Πράσινη ζώνη - οι πληρωμές δανείου από τον δανειολήπτη δεν είναι ληξιπρόθεσμες ή καθυστερημένες για έως και 4 ημέρες.
2. Κίτρινη ζώνη – καθυστερημένη από 5 έως 29 ημέρες.
3. Κόκκινη ζώνη - από 30 έως 89 ημέρες.
4. Μαύρη ζώνη - από 90 ημέρες και άνω.

Ως αποτέλεσμα της εξέτασης όλων των δεικτών του δανειολήπτη, η τράπεζα υπολογίζει τη συνολική αξιολόγησή της, η οποία δείχνει πόσο αξιόπιστος είναι ο δανειολήπτης.

Για κάθε δάνειο παρακολουθούνται οι έγκαιρες πληρωμές και η συμμόρφωση με άλλους όρους της δανειακής σύμβασης.

Εάν η επόμενη πληρωμή καθυστερήσει, η τράπεζα ανακαλύπτει τους λόγους της καθυστέρησης και λαμβάνει μέτρα κατά της δανειολήπτριας εταιρείας. Αυτά μπορεί να είναι πρόστιμα ή αυστηρότεροι όροι της δανειακής σύμβασης.

ΣΕ δανειακές συμβάσειςΥποδεικνύονται επίσης «συμβάσεις» - αυτοί είναι ειδικοί όροι της σύμβασης που απαγορεύουν στην δανειολήπτη εταιρεία να προβεί σε ενέργειες που επηρεάζουν αρνητικά την ικανότητα του δανειολήπτη να αποπληρώσει το δάνειο. Παραδείγματα όρων είναι: η υποχρέωση του δανειολήπτη να παρέχει στην τράπεζα οικονομικές δηλώσεις, κλείσιμο λογαριασμών σε άλλες τράπεζες, απαγόρευση δανείων από άλλες τράπεζες, παροχή εξασφαλίσεων για δάνειο.

Ανάλυση, δημιουργία απαιτήσεων και τεκμηρίωση

Οι κύριες λειτουργίες της εφαρμογής παρακολούθησης αυτής της θεματικής περιοχής ήταν: η παρακολούθηση του όγκου των δανείων, η αξιοπιστία ή το πρόβλημα των δανειοληπτών, καθώς και άλλοι δείκτες.

Όσο περισσότερα «κακά» δάνεια έχει μια τράπεζα σε νομισματικούς όρους, τόσο χειρότερη είναι η ποιότητα του δανειακού της χαρτοφυλακίου. Ως εκ τούτου, η διοίκηση της τράπεζας πρέπει να δει αμέσως «κακά» δάνεια και «κακούς» δανειολήπτες, να είναι σε θέση να εξετάσει τη λεπτομερή κατάσταση του προβληματικού δανειολήπτη και να αποφασίσει για περαιτέρω ενέργειες σε σχέση με αυτήν.

Αποφασίσαμε ότι η δουλειά του διαχειριστή χρήστη με την εφαρμογή θα πρέπει τελικά να είναι παρόμοια με το παιχνίδι «βρες έναν προβληματικό δανειολήπτη και μάθε ποιο είναι το πρόβλημά του».

Επίσης, για να κάνουμε την εφαρμογή βολική για τη διαχείριση τραπεζών, αποφασίσαμε να φτιάξουμε όχι μόνο μια έκδοση desktop για Windows, αλλά και για Mac OS, iOS και Android. Επιπλέον, η πλατφόρμα στην οποία αναπτύσσουμε αυτές τις εφαρμογές μας επιτρέπει να το κάνουμε αυτό, όπως λένε, «με ένα άγγιγμα».

Με βάση τα αποτελέσματα της ανάλυσης, εντοπίστηκαν οι ακόλουθοι δείκτες που πρέπει να παρακολουθούνται για κάθε δανειολήπτη:

1. Όγκος χρέους
2. Προβληματική περιοχή
3. Ζώνη NPL
4. Ποσό κράτησης
5. Αξιολόγηση δανειολήπτη

Η εφαρμογή πρέπει να επιτρέπει στον χρήστη να:

1. Δείτε όλους τους δανειολήπτες σε μία οθόνη. Πρέπει να θυμόμαστε ότι η τράπεζα εξυπηρετεί ταυτόχρονα έως και 1000 μεγάλους δανειολήπτες.
2. Φιλτράρισμα των δανειοληπτών κατά όγκο χρέους.
3. Φιλτράρισμα δανειοληπτών κατά προβληματικές περιοχές.
4. Φιλτράρισμα δανειοληπτών κατά ζώνες NPL.
5. Φιλτράρισμα των δανειοληπτών κατά τραπεζικά υποκαταστήματα που τους εξέδωσαν δάνεια.
6. Φιλτράρισμα δανειοληπτών ανά κλάδο βιομηχανίας.
7. Φιλτράρετε τους δανειολήπτες με βάση τα προβλήματα που εντοπίστηκαν μαζί τους.

Προσπαθήστε να φανταστείτε μια αναφορά (ή πολλές αναφορές) που θα πληρούν αυτές τις απαιτήσεις, καθώς και τις απαιτήσεις που καθορίζονται στην αρχή του άρθρου. Εισήχθη; Και τώρα σας προσκαλώ να εξοικειωθείτε με τη λύση μας.

Όπως είπα και παραπάνω, δίνουμε μεγάλη σημασία στην ευκολία και την ομορφιά της εφαρμογής. μεγάλης σημασίας. Επομένως, όχι μόνο αναλυτές, αλλά και σχεδιαστές 3D και ειδικοί στη χρηστικότητα εμπλέκονται στην εργασία σε οθόνες εφαρμογών.

Ως αποτέλεσμα, λάβαμε αυτήν την κύρια οθόνη της εφαρμογής iDVP.Banks.Credit Processes (δείτε την παρακάτω εικόνα).

Με την πρώτη ματιά, η οθόνη φαίνεται αρκετά πλούσια, αλλά ταυτόχρονα όλες οι πληροφορίες κατανέμονται σε ζώνες, γεγονός που καθιστά ευκολότερη την αντίληψή της. Σε ποιες ζώνες καταλήξατε;

Στη ζώνη αυτή, οι δανειολήπτες της τράπεζας εκπροσωπούνται με τη μορφή πολύχρωμων πλανητών (μπάλες). Το μέγεθος του πλανήτη αντιστοιχεί στο ποσό του χρέους του δανείου από έναν δεδομένο δανειολήπτη. Το χρώμα του πλανήτη αντιστοιχεί στην προβληματική περιοχή του δανειολήπτη. Σε αυτή την περίπτωση, οι ομόχρωμοι δανειολήπτες ομαδοποιούνται έτσι ώστε να μπορεί να εκτιμηθεί οπτικά το μερίδιό τους (ποσοτικά και κατά ύψος χρέους) στο χαρτοφυλάκιο δανείων. Έτσι, λύσαμε το πρόβλημα της «βλέποντας όλους τους δανειολήπτες σε μια οθόνη».

Στην ίδια ζώνη υπάρχει ένα φίλτρο με βάση το μέγεθος των πλανητών (προσοχή στην κλίμακα και τον κύκλο που βρίσκονται στα δεξιά των πλανητών). Χρησιμοποιώντας αυτό το φίλτρο, μπορείτε να καθορίσετε το ελάχιστο και το μέγιστο ποσό οφειλής για τους εμφανιζόμενους δανειολήπτες. Μπορείτε να αφήσετε μόνο μεγάλους δανειολήπτες στην οθόνη, για παράδειγμα. Το έργο του «φιλτραρίσματος των δανειοληπτών κατά όγκο χρέους» έχει επιλυθεί.

Όταν κάνετε κλικ σε οποιονδήποτε πλανήτη, μεταβαίνετε στην οθόνη «Κάρτα δανειολήπτη» (δείτε την παρακάτω εικόνα), η οποία παρέχει λεπτομερείς πληροφορίες για τους δείκτες που χαρακτηρίζουν αυτόν τον δανειολήπτη και το δάνειό του.

Το έργο της «μετάβασης από τη γενική εικόνα του χαρτοφυλακίου δανείων σε έναν συγκεκριμένο δανειολήπτη» για την ανάλυση της κατάστασης θα πρέπει να γίνει με έναν ελάχιστο αριθμό κλικ» έχει επιλυθεί.

Στην αρχική κατάσταση της οθόνης, οι μικροί πλανήτες δεν είναι πάντα βολικό να κάνουν κλικ – είναι απλώς δύσκολο να τους προσεγγίσετε με το ποντίκι ή, στην περίπτωση των διεπαφών αφής, με το δάχτυλο. Για να αντισταθμιστεί αυτή η δυσκολία, στην κεντρική ζώνη είναι δυνατή η μεγέθυνση και σμίκρυνση (zoom-in και zoom-out) οποιουδήποτε τμήματος του πλανητικού συστήματος. Αυτό γίνεται είτε χρησιμοποιώντας τον τροχό του ποντικιού είτε, εάν χρησιμοποιείτε οθόνη αφής, χρησιμοποιώντας την ενέργεια "τσιμπήματος".

Αυτή η ζώνη περιέχει ένα φίλτρο με βάση τις χρωματικές ζώνες του προβλήματος των δανειοληπτών. Μπορείτε να κάνετε κλικ/αποκοπή στις επιθυμητές/περιττές προβληματικές περιοχές. Ως αποτέλεσμα, μόνο ο δανεισμός πλανητών των χρωμάτων που επιθυμεί ο χρήστης θα παραμείνει στην κεντρική ζώνη. Το έργο «φιλτράρισμα δανειοληπτών ανά προβληματικές ζώνες», «φιλτράρισμα δανειοληπτών κατά ζώνες NPL» έχει λυθεί. Ένας προσεκτικός αναγνώστης πιθανότατα θα ρωτήσει πώς φιλτράρουμε τους δανειολήπτες κατά ζώνες NPL χρησιμοποιώντας αυτό το εργαλείο, επειδή φιλτράρει μόνο προβληματικές ζώνες. Είναι απλό: στο επάνω αριστερό μέρος της οθόνης υπάρχει το κείμενο "ΥΠΟΛΟΙΠΟ ΧΡΕΟΥΣ" - αυτή είναι, στην πραγματικότητα, μια αναπτυσσόμενη λίστα για την επιλογή τρόπων εμφάνισης δανειολήπτη. Οι ακόλουθες λειτουργίες είναι διαθέσιμες για επιλογή:

1. ΥΠΟΛΟΙΠΟ ΧΡΕΟΥΣ – σε αυτήν τη λειτουργία, το μέγεθος των πλανητών καθορίζεται από το μέγεθος του χρέους και το χρώμα των πλανητών καθορίζεται από τη ζώνη προβλημάτων.
2. Όγκος NPL – σε αυτήν τη λειτουργία, το μέγεθος των πλανητών καθορίζεται από το μέγεθος του ληξιπρόθεσμου χρέους και το χρώμα των πλανητών καθορίζεται από τη ζώνη NPL.
3. ΔΕΣΜΕΥΣΗ - σε αυτήν τη λειτουργία, το μέγεθος των πλανητών καθορίζεται από το μέγεθος του αποθέματος και το χρώμα των πλανητών καθορίζεται από τη ζώνη προβλήματος.
4. ΒΑΘΜΟΛΟΓΗΣΗ – σε αυτήν τη λειτουργία, το μέγεθος των πλανητών καθορίζεται από την τιμή βαθμολογίας και το χρώμα των πλανητών καθορίζεται από τη ζώνη προβλήματος.

Στη λειτουργία "NPL Volume", το φίλτρο στα αριστερά γίνεται φίλτρο με βάση τις χρωματικές ζώνες NPL.

Φιλτράρετε την περιοχή στα δεξιά

Αυτή η ζώνη περιέχει ένα στοιχείο φίλτρου ακορντεόν, το οποίο περιέχει τρία φίλτρα:

1. CA+TB (κεντρικά γραφεία + εδαφικές τράπεζες) – χρησιμοποιώντας αυτό το φίλτρο, μπορείτε να αφήσετε στην οθόνη μόνο δανειολήπτες των οποίων τα δάνεια εκδόθηκαν από το κεντρικό γραφείο (κεντρικά γραφεία της τράπεζας) ή από τις περιφερειακές τράπεζες (υποκαταστήματα).
2. INDUSTRIES – σας επιτρέπει να φιλτράρετε δανειολήπτες από ορισμένους κλάδους της βιομηχανίας.
3. ΠΡΟΒΛΗΜΑΤΑ - αυτό το φίλτρο σάς επιτρέπει να αφήνετε στην οθόνη μόνο εκείνους τους δανειολήπτες για τους οποίους οι αναλυτές της τράπεζας έχουν εντοπίσει ορισμένα προβλήματα.

Ένα ιδιαίτερο χαρακτηριστικό του στοιχείου "ακορντεόν" είναι ότι αναπτύσσεται μόνο ένα φίλτρο τη φορά (στο σκίτσο αναπτύσσεται το φίλτρο "ΠΡΟΒΛΗΜΑΤΑ"). Τα υπόλοιπα φίλτρα είναι σε πτωτική κατάσταση.

Το έργο του «φιλτραρίσματος των δανειοληπτών ανά τραπεζικά υποκαταστήματα, ανά κλάδο, ανά πρόβλημα» έχει λυθεί.

Κάτω περιοχή γραφήματος

Αυτή η ζώνη περιέχει ένα γράφημα που εμφανίζει την αλλαγή στην αναλογία των προβληματικών ζωνών ή των ζωνών NPL με την πάροδο του χρόνου. Για το σκοπό αυτό, χρησιμοποιείται ο τύπος γραφήματος "stacked line chart". Τα χρώματα του γραφήματος αντιστοιχούν σε προβληματικές περιοχές ή περιοχές NPL.

Ο χρήστης έχει τη δυνατότητα να ρυθμίσει το ρυθμιστικό σε οποιαδήποτε ημερομηνία στο γράφημα και στην κεντρική ζώνη θα εμφανίζονται μόνο οι δανειολήπτες που είχε η τράπεζα εκείνη τη στιγμή. Τα μεγέθη των πλανητών και τα χρώματά τους θα αντιστοιχούν στο ύψος του χρέους και στην προβληματική περιοχή που είχε κάθε δανειολήπτης την επιλεγμένη ημερομηνία.

Παρακάτω επισυνάπτω τις υπόλοιπες οθόνες εφαρμογών: μικρογραφίες και ονόματα.Και θα έχετε την ευκαιρία να τα μελετήσετε και να τα αναλύσετε μόνοι σας. Εάν έχετε οποιεσδήποτε ερωτήσεις σχετικά με το περιεχόμενο, ρωτήστε τις στα σχόλια, σίγουρα θα απαντήσω.

Κύρια οθόνη με ενεργοποιημένη εμφάνιση γραφήματος πίτας της κατανομής των προβληματικών ζωνών χρώματος

Κύρια οθόνη με δανειολήπτες φιλτραρισμένη με βάση τον όγκο του χρέους (στην κλίμακα στα αριστερά των πλανητών, το κατώτερο όριο εμφάνισης ορίζεται στο 20% του μέγιστου)

Κύρια οθόνη. Πλησιάζοντας πλανήτες (μεγέθυνση)

Κάρτα δανειολήπτη

Ένας οικονομικός προσομοιωτής βοηθά τους ανθρώπους να δουν πώς λειτουργεί μια τράπεζα από μέσα

Σε σελιδοδείκτες

Εκπρόσωποι της Home Credit Bank είπαν στους συντάκτες του ιστότοπου για το πώς η εταιρεία ανέπτυξε το διαδικτυακό παιχνίδι "Your Own Banker", το οποίο επιτρέπει στους παίκτες να αισθάνονται σαν διευθυντής τράπεζας. Χάρη στον προσομοιωτή, το κοινό μπορεί να καταλάβει ακριβώς πώς λειτουργεί ένας χρηματοοικονομικός οργανισμός, κάτι που του επιτρέπει να εμπλακεί στην επωνυμία.

Η ιδέα για την ανάπτυξη ενός διαδικτυακού χρηματοοικονομικού παιχνιδιού εμφανίστηκε στην τράπεζα το 2015. Η εταιρεία έχει θέσει ως στόχο να κάνει τους ανθρώπους να ενδιαφέρονται για τις τραπεζικές εργασίες, να τους εμπλέκουν στο brand και να τους λένε με παιχνιδιάρικο τρόπο για τις βασικές αρχές της εργασίας της τράπεζας.

«Η εμπειρία δείχνει ότι οι άνθρωποι είναι πιο πρόθυμοι να αλληλεπιδράσουν με αυτό που καταλαβαίνουν. Και το παιχνίδι μας δίνει στους ανθρώπους την ευκαιρία να κοιτάξουν την τράπεζα από μέσα: οι παίκτες καθορίζουν οι ίδιοι πώς θα λειτουργούσε η τράπεζά «τους» και στη συνέχεια το σύστημα υπολογίζει αυτόματα το κέρδος ή τη ζημία», λέει η Maria Burak, διευθύντρια του τμήματος μάρκετινγκ και επικοινωνίας μάρκετινγκ. της Τράπεζας Οικιακής Πίστωσης.

Η διαχείριση της τράπεζας χωρίζεται σε εννέα τομείς (δανειακά προϊόντα, κίνδυνοι, εξυπηρέτηση πελατών κ.λπ.). Επιλέγοντας ένα στοιχείο μενού, ο παίκτης πρέπει είτε να απαντήσει σε μια ερώτηση είτε να ορίσει τις τιμές των οικονομικών δεικτών.

Αφού ο χρήστης καθορίσει την πολιτική του οργανισμού, το σύστημα υπολογίζει πόσο επιτυχημένη θα είναι η τράπεζα και πόσα θα μπορεί να κερδίσει (ή να χάσει ο παίκτης).

Το παιχνίδι κυκλοφόρησε στα μέσα του 2016. Από την έναρξη λειτουργίας του, περισσότερα από 32 χιλιάδες άτομα έχουν λάβει μέρος σε αυτό. «Αρχικά, περιμέναμε ότι μέχρι το τέλος του 2016 θα είχαν παίξει το παιχνίδι τουλάχιστον 10 χιλιάδες άτομα. Ως αποτέλεσμα, ξεπεράσαμε τα αρχικά μας σχέδια πάνω από τρεις φορές», σημειώνει ο Burak.

Σύμφωνα με τον διευθυντή του τμήματος μάρκετινγκ, περίπου το 20% των παικτών έπαιξαν αρκετές φορές, προσπαθώντας να βελτιώσουν το σκορ τους. Το κοινό αποτελούνταν από πελάτες τραπεζών, συνδρομητές των ομάδων της στα κοινωνικά δίκτυα, άτομα που ήρθαν μέσω αναδημοσιεύσεων από άλλους παίκτες, καθώς και τραπεζικούς υπαλλήλους.

«Το διαδικτυακό παιχνίδι δεν έχει χρηματικό έπαθλο και η εταιρεία δεν πλήρωσε για την προώθηση. Οι παίκτες προσελκύθηκαν μέσω της ιστοσελίδας και των επίσημων κοινοτήτων της τράπεζας στα κοινωνικά δίκτυα. Στείλαμε επίσης ένα ταχυδρομείο με μια προσφορά να παίξουμε το "Your Own Banker" σε πελάτες και υπαλλήλους της τράπεζάς μας", σημειώνει.

Σύμφωνα με τον Burak, με αυτόν τον τρόπο η τράπεζα λύνει πολλά σημαντικά προβλήματα ταυτόχρονα: προσελκύει το ενδιαφέρον για το εμπορικό σήμα, αυξάνει την ευαισθητοποίηση και την οικονομική παιδεία των παικτών και επίσης τους εμπλέκει στη διαδικασία του παιχνιδιού.

Μαρία ΜπουράκΔιευθυντής του Τμήματος Μάρκετινγκ και Επικοινωνίας Μάρκετινγκ της Τράπεζας Οικιακής Πίστωσης

Δεν είχαμε καθήκον να διαφημίσουμε τα προϊόντα της τράπεζας. Θέλαμε να αλλάξουμε τη στάση των ανθρώπων απέναντι στην τραπεζική δραστηριότητα στο σύνολό της - μιλήστε για στόχους και στόχους, εξηγήστε πώς οι τράπεζες επιτυγχάνουν τα αποτελέσματά τους. Αυτό σχετίζεται περισσότερο με την πλευρά της εικόνας του ζητήματος παρά με τις πωλήσεις προϊόντων.

Η ιδέα, το μοντέλο, η οπτική ιδέα του παιχνιδιού - όλα εφευρέθηκαν και αναπτύχθηκαν εντός της τράπεζας. Το εμπλεκόμενο πρακτορείο σχεδίασε και προγραμμάτισε μόνο την αποστολή. Το πρωτότυπο για τη δημιουργία μιας διαδικτυακής αποστολής ήταν ένα εκπαιδευτικό επιτραπέζιο παιχνίδι, που δημιουργήθηκε επίσης από υπαλλήλους της τράπεζάς μας.

Ονομάζεται επίσης «Ο δικός σας τραπεζίτης». Οι μηχανικοί του παιχνιδιού είναι πολύ πιο περίπλοκοι: πρέπει να παίζετε σε ομάδες σε αρκετούς γύρους. Η πλήρης ολοκλήρωση του προπονητικού επιτραπέζιου παιχνιδιού διαρκεί από αρκετές ώρες έως μια ολόκληρη μέρα. Στην ηλεκτρονική έκδοση, μπορείτε να επιτύχετε αποτελέσματα πολύ πιο γρήγορα: σε λίγα λεπτά. Αξίζει να σημειωθεί ότι εντός του παιχνιδιού δεν προωθούμε με κανέναν τρόπο τα προϊόντα της Home Credit Bank.

Παρεμπιπτόντως, κατά τη διάρκεια της ύπαρξης του παιχνιδιού είχε και τους δικούς του ρεκόρ. Το παιχνίδι μπορεί να παιχτεί απεριόριστες φορές. Ένα άτομο έπαιξε 127 φορές, έλαβε και κέρδη και ζημιές. Έθεσε ένα απόλυτο ρεκόρ - 42.209.768.000 ρούβλια, το οποίο δεν έχει ακόμη σπάσει, αν και αρκετοί άνθρωποι κατάφεραν να τον πλησιάσουν και «κέρδισαν» 42.135.451.000 ρούβλια.

Προώθηση τραπεζικών προϊόντων και δημιουργία ζήτησης για αυτά.

Το gamification είναι μια από τις πιο δημοφιλείς τάσεις στο μάρκετινγκ αυτή τη στιγμή. Και ήταν λογικό για εμάς, ως τράπεζα με ενεργό και προχωρημένο κοινό, να την υποστηρίξουμε προσφέροντας στους πελάτες μια προώθηση όπου οι μηχανισμοί του παιχνιδιού εφαρμόζονται στο σωστό τεχνολογικό επίπεδο και είναι σε μεγάλο βαθμό εξατομικευμένες.

— Kirill Bobrov, Αντιπρόεδρος της Tinkoff Bank για την απόκτηση πελατών

Ως αποτέλεσμα, πολλοί χρήστες αποκτούν την πρώτη τους εμπειρία να κερδίζουν τόκους για χρήματα που βρίσκονται στην τράπεζα. Οι πελάτες κατανοούν από τη δική τους εμπειρία ότι ένας λογαριασμός ταμιευτηρίου είναι ένα απλό και κερδοφόρο προϊόν. Και αυτό είναι το πρώτο βήμα για να ανοίξετε μια κατάθεση ή λογαριασμό και να διευρύνετε την κατανόησή σας για τα τραπεζικά προϊόντα γενικότερα.

Έμμεσο αποτέλεσμα είναι και η τακτική χρήση διαδικτυακών τραπεζικών από τον χρήστη, αφού μόνο εκεί μπορεί κανείς να δει την πρόοδό του.

Επιπλέον, το αποτέλεσμα επιτυγχάνεται έμμεσα με τη βοήθεια μηχανικών παιχνιδιών, που παρουσιάζονται με τη μορφή μιας ιστορίας για έναν ενεργό τρόπο ζωής, ο οποίος είναι πολύ πιο ενδιαφέρον για ένα συγκεκριμένο κοινό από την ευκαιρία να αποταμιεύει και να λαμβάνει τόκους (αυτό προσφέρεται από οποιαδήποτε τράπεζα ) ή μια κλήση για χρήση ηλεκτρονικής τράπεζας.

Το gamification είναι ένα σούπερ θέμα. Όλα είναι θέμα συμμετοχής. Είναι βαρετό να κάνεις συναλλαγές σε τράπεζα, είναι βαρετό να χρησιμοποιείς τραπεζικά προϊόντα. Και οι άνθρωποι αγαπούν να ανταγωνίζονται, οι άνθρωποι αγαπούν να ανταγωνίζονται. Κάθεται μέσα και πολύ βαθιά. Και μπορείτε να εκμεταλλευτείτε αυτές τις ιδιότητες των ανθρώπων. Πώς να το κάνετε αυτό σε μια τράπεζα; Είναι λίγες οι περιπτώσεις. Αλλά η βαθιά μου πεποίθηση είναι ότι όσοι μαθαίνουν να ασχολούνται ενεργά με τους πελάτες τους, συμπεριλαμβανομένης της χρήσης του gamification, μπορούν να κερδίσουν πολλά χρήματα.

— Ivan Pyatkov, Διευθυντής του Τμήματος Απομακρυσμένης Εξυπηρέτησης και Πωλήσεων, Τράπεζα της Μόσχας

Αύξηση του χρηματοοικονομικού γραμματισμού των χρηστών για την απλοποίηση της αντίληψης περί σύνθετων τραπεζικών προϊόντων: καταθέσεις, επενδύσεις κ.λπ.

Τυπικές προσεγγίσεις:

1. Προγράμματα επιβράβευσης με πόντους, μίλια και επιστροφή μετρητών ως επιβράβευση.
2. Διαδραστική εκπαίδευση με βάση τα συμφραζόμενα για νέες δυνατότητες. Σενάρια καλωσορίσματος.
3. Αποστολές και διαγωνισμοί για πελάτες.
4. Δημιουργία απλών χρήσιμων υπηρεσιών με στοιχεία παιχνιδιού: PFM, συσσώρευση σε στόχο.
5. Viral διαφημιστικά παιχνίδια που ανακοινώνουν νέα προϊόντα με διασκεδαστικό τρόπο.

Το παιχνίδι κάνει οποιαδήποτε διαδικασία πιο εύκολη και διασκεδαστική. Αυτός είναι ο λόγος που εμφανίζονται όλο και περισσότερες εφαρμογές που βασίζονται στο gamification. Στο παιχνίδι, οι χρήστες αποκτούν νέες γνώσεις, αναπτύσσουν χρήσιμες συνήθειες ή, αντίθετα, απαλλάσσονται από τις κακές.

Γιατί οι τράπεζες και τα συστήματα πληρωμών χρειάζονται gamification;

Το "gamification" είναι, στην ουσία, ένα σύστημα κινήτρων και κινήτρων. ΣΕ Σοβιετική ώραυπήρχε ένας τιμητικός πίνακας στον οποίο αναρτήθηκαν φωτογραφίες των καλύτερων εργατών (δεν γινόταν λόγος για τόνωση των αγοραστών εκείνη την εποχή). Τώρα υπάρχουν πολλές περισσότερες ευκαιρίες για να γίνει το σύστημα κινήτρων ενδιαφέρον, συναρπαστικό και μη γραμμικό. Είναι η μεταμόρφωσή του σε παιχνίδι που είναι gamification.

Το gamification έχει σχεδιαστεί για να αιχμαλωτίζει τον χρήστη, το άτομο θα προσπαθήσει για νέα επιτεύγματα. Είναι σημαντικό αυτό το μονοπάτι να είναι ξεκάθαρο. Για παράδειγμα, ο χρήστης όχι μόνο λαμβάνει νέα κατάστασηστην εφαρμογή, αλλά βλέπει κίνηση προς αυτήν, καταλαβαίνει τι πρέπει να κάνει για αυτό. Όλα αυτά με όμορφα γραφικά.

Ο ανθρώπινος εγκέφαλος προσπαθεί πάντα να απλοποιεί. Επομένως, αναλαμβάνουμε γρήγορα πράγματα που είναι κατανοητά σε εμάς και αναβάλλουμε τα δύσκολα για αργότερα. Το gamification είναι ένας από τους τρόπους απλοποίησης και μείωσης της ταλαιπωρίας.

Με ποιον μπορείτε να παίξετε;

Η εγκεφαλική δραστηριότητα δεν εξαρτάται από τον κοινωνικό ρόλο. Αυτός είναι ο λόγος που το gamification λειτουργεί τόσο για πελάτες όσο και για εργαζόμενους. Σήμερα, όλο και περισσότεροι ειδικοί της γενιάς Y προσχωρούν σε εταιρείες. Για αυτούς, μια υπογεγραμμένη σύμβαση δεν είναι ο πιο σημαντικός λόγος για αφοσιωμένη εργασία και τα οικονομικά κίνητρα δεν περιλαμβάνουν πάντα πλήρη κίνητρα.

Η εργασία πρέπει να είναι συναρπαστική· οι εργαζόμενοι θέλουν ανάπτυξη και ανεξαρτησία.Επομένως, το παιχνίδι μπορεί να ξεκινήσει ήδη κατά την πρόσληψη ενός υπαλλήλου και μπορεί να χρησιμοποιηθεί στο μέλλον για να αυξήσει τα κίνητρα.

Και, φυσικά, το gamification βοηθά στη δημιουργία σχέσεων με τους πελάτες, στην αύξηση της αφοσίωσής τους και στη διαμόρφωση της συνήθειας χρήσης μιας συγκεκριμένης υπηρεσίας ή προϊόντος. Είναι μέσα στο παιχνίδι που μπορείτε να οδηγήσετε διακριτικά τον χρήστη στη δράση-στόχο. Θα επικεντρωθούμε σε αυτό το κοινό και σε σχέση με τον χρηματοοικονομικό τομέα.

Για πολλά χρόνια πίστευαν ότι οι τράπεζες και χρηματοπιστωτικά ιδρύματαείναι απαραίτητο να δημιουργηθεί και να διατηρηθεί η εικόνα των σοβαρών εταιρειών· κατηγορηματικά δεν επιτρέπουν τα αστεία. Μόνο τότε οι πελάτες θα τους εμπιστευτούν τα χρήματά τους. Αλλά η κατάσταση έχει αλλάξει: οι χρηματοδότες χρησιμοποιούν επίσης το gamification.

Στόχοι gamification

1. Προσέλκυση νέων χρηστών

Είναι άλλο πράγμα όταν μιλάς για τα οφέλη ενός προϊόντος, αλλά εντελώς άλλο όταν προσκαλείς τον χρήστη να λάβει μέρος σε ένα παιχνίδι.

Υπόθεση

Πέρυσι, η Rocketbank πραγματοποίησε μια διαδικτυακή αποστολή με αναφορές στην ΕΣΣΔ. Οι χρήστες θα μπορούσαν να κερδίσουν ένα iPhone 7, ισπανικό jamon ή γαλλικά macarons. Οι συμμετέχοντες έπρεπε να ολοκληρώσουν 12 εργασίες, για τις οποίες απονεμήθηκαν βαθμοί και τοποθετήθηκαν γραμματόσημα σε ένα εικονικό εισιτήριο. Κάποια από αυτά σχετίζονταν με τη διάδοση πληροφοριών για την Rocketbank στο στα κοινωνικά δίκτυα. Και ένα από τα καθήκοντα - "Party Card" - περιελάμβανε την υποβολή αίτησης για την έκδοση μιας κάρτας Rocketbank.

Έτσι, οι συμμετέχοντες στο quest, ενώ έπαιζαν, αύξησαν οι ίδιοι την αναγνωρισιμότητα της τράπεζας, διεύρυναν το κοινό της και, στο μεταξύ, έγιναν πελάτες.

2. Σας βοηθά να κατανοήσετε το προϊόν

Τα χρηματοοικονομικά προϊόντα είναι συχνά αρκετά περίπλοκα· ο χρήστης χρειάζεται να εξηγήσει την ίδια την υπηρεσία και να παράσχει οδηγίες για τον τρόπο χρήσης της.

Υπόθεση

Η ολλανδική Robobank έφερε ένα στοιχείο παιχνιδιού στη μάλλον περίπλοκη και μπερδεμένη διαδικασία απόκτησης στεγαστικού δανείου. Για να γίνει αυτό, ο δανειολήπτης πρέπει να περάσει από ένα μονοπάτι· του ορίζονται συγκεκριμένα βήματα και μόνο μετά την ολοκλήρωσή τους ανοίγει το επόμενο επίπεδο και ενεργοποιείται το νέο εικονίδιο δράσης.

3. Βελτίωση του χρηματοοικονομικού γραμματισμού

Πολλές τραπεζικές υπηρεσίες και υπηρεσίες πληρωμών όχι μόνο διασφαλίζουν ότι οι πελάτες γνωρίζουν το προϊόν τους, αλλά αυξάνουν και τον οικονομικό τους γραμματισμό. Συχνά οι ερωτήσεις σχετικά με την προστασία από απάτη και τη λήψη οικονομικών αποφάσεων χρησιμοποιούνται στο gamification.

Υπόθεση

Στην Αμερική υπάρχει ένα πρόγραμμα επιβράβευσης που ονομάζεται SaveUp. Οι χρήστες ενθαρρύνονται να λαμβάνουν σωστές και αποτελεσματικές ενέργειες που σχετίζονται με τα οικονομικά. Επιπλέον, δεν πρόκειται για πρόγραμμα επιβράβευσης μιας συγκεκριμένης τράπεζας· σε αυτό περιλαμβάνονται χρήστες περισσότερων από 180 χιλιάδων αμερικανικών χρηματοπιστωτικών ιδρυμάτων.

Οι πόντοι, για παράδειγμα, υπολογίζονται όταν ένας χρήστης καταθέτει κεφάλαια σε λογαριασμό συνταξιοδότησης ή κατάθεση, εξοφλήσει χρέη για στεγαστικά δάνεια, πιστωτικές κάρτες και άλλους τύπους δανείων. Επιπλέον, οι καταναλωτές λαμβάνουν μέρος σε οικονομικά εκπαιδευτικά μαθήματα σχετικά με τον πόρο SaveUp. Οι πόντοι μπορούν να εξαργυρωθούν για μια ευκαιρία να κερδίσετε βραβεία.

4. Αυξήστε τη δραστηριότητα των χρηστών και προσφέρετε νέες υπηρεσίες

Οι άνθρωποι δεν πηγαίνουν σε μια υπηρεσία πληρωμών από πλήξη ή απλώς επειδή έχουν ένα δωρεάν λεπτό. Πρέπει να πληρώσετε - ο χρήστης ανοίγει την εφαρμογή, κάνει μια πληρωμή και φεύγει. Αλλά με αυτήν την προσέγγιση, ο πελάτης μπορεί να μην γνωρίζει καν όλες τις δυνατότητες της υπηρεσίας. Για παράδειγμα, συνειδητοποίησε ότι ήταν βολικό να πληρώνει για στέγαση και κοινόχρηστες υπηρεσίες, οπότε ερχόταν μια φορά το μήνα και έκανε μια πληρωμή. Έως ότου η HOA ή η εταιρεία διαχείρισης εκδώσει την επόμενη απόδειξη, ο χρήστης δεν μπορεί να επιστρέψει στην υπηρεσία.

Υπόθεση

Το σύστημα πληρωμών του Κεντρικού Ταμείου έχει μια μεγάλη ομάδα χρηστών που διαφέρει από άλλα κοινά - οδηγούς ταξί. Λαμβάνουν πληρωμή από τους επιβάτες που πλήρωσαν με τραπεζική κάρτα, σε ηλεκτρονικό πορτοφόλι. Κάποιοι από αυτούς απλώς μετέφεραν τα χρήματα που έλαβαν στις κάρτες τους. Αυτό ολοκληρώνει την αλληλεπίδραση με σύστημα πληρωμήςτελείωνε.

Ως εκ τούτου, η επιχείρηση βρέθηκε αντιμέτωπη με το καθήκον: διδάξτε στους οδηγούς ταξί να χρησιμοποιούν την εφαρμογή για να πληρώνουν για υπηρεσίες. Αυτός είναι ο λόγος που ξεκινήσαμε το παιχνίδι. Οι οδηγοί ταξί δέχονταν πληρωμή για ταξίδια, λάμβαναν μπόνους και πλήρωναν για υπηρεσίες αποστολής χωρίς προμήθεια.

Άλλη περίπτωση

Η Alfa Bank ξεκίνησε την υπηρεσία Alfa Activity. Η τράπεζα πρόσφερε στους χρήστες να μεταφέρουν αυτόματα χρήματα στον «κουμπαρά» ανάλογα με τα βήματα που έγιναν. Για να γίνει αυτό, ήταν απαραίτητο να συνδέσετε τον λογαριασμό του fitness tracker με την τράπεζα Διαδικτύου. Τα αποτελέσματα εμφανίζονταν σε ειδική κλίμακα, ώστε ο χρήστης να μπορεί να καταλάβει για τι είχε ήδη αποθηκεύσει.

Και ένα ακόμα

Η αμερικανική τράπεζα PNC δεν κατέληξε σε μια μακρά και περίπλοκη αναζήτηση. Ένας κουμπαράς εμφανίζεται απλώς στην οθόνη του χρήστη όταν βρίσκεται στην ηλεκτρονική του τραπεζική. Όταν κάνετε κλικ σε αυτό, τα χρήματα μεταφέρονται στον λογαριασμό ταμιευτηρίου σας. Επιπλέον, ο πελάτης διαμορφώνει ανεξάρτητα τη συχνότητα και το ποσό των πληρωμών.

5. Πρόγραμμα πίστης

Ανοίγουμε το πορτοφόλι μας και τι βλέπουμε; Ενας μεγάλος αριθμός απόεκπτωτικές κάρτες, πολλοί άνθρωποι δεν τις έχουν πλέον όλες μαζί τους. Επομένως, κανείς δεν θα εκπλαγεί από ένα κανονικό πρόγραμμα επιβράβευσης. Οι χρήστες συχνά αρνούνται ακόμη και να συμμετάσχουν σε αυτό.

Υπόθεση

Το Gamification θα βοηθήσει για άλλη μια φορά να αναβιώσει το πρόγραμμα μπόνους. Η ισπανική τράπεζα BBVA ξεκίνησε τη διαδικτυακή υπηρεσία BBVA Game. Ο πελάτης λαμβάνει πόντους για την εκτέλεση ορισμένων ενεργειών, για παράδειγμα, για την πραγματοποίηση πληρωμών στο διαδίκτυο. Οι πόντους μπορούν να ανταλλάσσονται με βραβεία, μουσική και βίντεο στον ιστότοπο συνεργατών της BBVA. Εκτός από τους πόντους, ο χρήστης λαμβάνει μετάλλια («κονκάρδες»), τα οποία εμφανίζονται στη σελίδα του προφίλ του.

Αλλά είναι σημαντικό να θυμάστε ότι οι επιχειρήσεις δεν πρέπει να ξεκινούν ένα παιχνίδι μόνο για να παίξουν ένα παιχνίδι. Ο στόχος του gamification είναι να κάνει πιο ενδιαφέρουσα την αλληλεπίδραση με τις εταιρείες, την αγορά των υπηρεσιών τους και τη χρήση της λειτουργικότητας. Μόνο σε αυτή την περίπτωση το παιχνίδι θα βοηθήσει στην επίτευξη των επιχειρηματικών στόχων και στην αύξηση της αφοσίωσης.