Instytucje finansowe i ubezpieczeniowe gromadzą ogromne ilości danych o klientach, ale informacje te często nie są efektywnie wykorzystywane.
Rozważmy przykład banku, który ma liczne kontakty z konkretnym klientem, rozproszone po różnych departamentach, takich jak bankowość detaliczna, ubezpieczenia i zarządzanie majątkiem. „Gdy połączy się te wszystkie relacje, może się okazać, że jest to bardzo ważny klient” — mówi Steve Jones, wiceprezes ds. wielkich zbiorów danych w firmie konsultingowej Capgemini. „Ale ponieważ departamenty banku często działają w izolacji, jeden z nich może nie zdawać sobie sprawy z tego, jak ważny jest to klient, i na przykład zastosować standardową blokadę jednego z kont po wystąpieniu ujemnego salda. Może to zirytować klienta i doprowadzić do całkowitego zerwania jego relacji z bankiem”.
Kluczową metodą, którą zaczynają stosować instytucje finansowe w celu wykorzystania wielkich zbiorów danych i narzędzi analitycznych, jest zatem konsolidacja różnych relacji w ramach jednolitego i pełnego widoku klienta. Konsolidacja umożliwia wytypowanie klientów, którzy zasługują na szczególne traktowanie, a także wykorzystanie pełnej wiedzy o kliencie do odpowiedniego przygotowania materiałów marketingowych i ofert.
Wykorzystanie danych do personalizacji
Kierownictwo instytucji finansowych i ubezpieczeniowych zdaje sobie doskonale sprawę, że wielkie zbiory danych i analizy mają kapitalne znaczenie dla sukcesu w działalności. Co więcej, jak wskazuje badanie przeprowadzone ostatnio przez Oracle, w branży tej panuje przekonanie, że jest ona bardziej niż jakakolwiek inna narażona na ryzyko finansowe z powodu niepełnego wykorzystania informacji cyfrowej.
„Banki powinny wiedzieć naprawdę dużo o swoich klientach” — mówi Zhiwei Jiang, szef działu globalnego zarządzania informacją biznesową w usługach finansowych, Capgemini. „Mało jest przedsiębiorstw, z którymi klienci mają kontakty równie ścisłe i poufne, jak ze swoim bankiem”.
Instytucje finansowe rozumieją potrzebę wykorzystania danych do personalizacji. Ważne jednak, by w obecnych czasach, gdy coraz większego znaczenia nabiera kwestia prywatności danych, taka personalizacja była ukierunkowana na utrzymanie relacji instytucji finansowej z klientem, a nie jedynie na zwiększenie przychodów.
Zwiększenie roli banku w życiu klientów
Dzięki udostępnieniu bardziej konkretnej i dogłębnej informacji o klientach, wielkie zbiory danych i analizy umożliwiają instytucjom finansowym zwiększenie ich roli w życiu klientów. „Instytucje finansowe często sprzedają swoim klientom jedynie produkty, a nie usługi” — mówi Craig Stires, wiceprezes ds. Big Data w IDC. „Analizy stwarzają takim instytucjom znakomitą okazję do świadczenia usług planowania finansowego i zarządzania finansami. Na przykład banki, które oferują aplikację mobilną do samoobsługowej analizy finansowej, w istotny sposób zmieniają charakter swoich relacji z klientami”.
Banki coraz szerzej wykorzystują również dane z mediów społecznościowych. Badanie Oracle wykazało, że zdaniem 17% respondentów media społecznościowe są obecnie dla nich jednym z najszybciej rosnących źródeł danych, a 23% badanych uważa, że uzyskają one taki status w ciągu najbliższych dwóch lat. Banki analizują komentarze publikowane przez klientów w sieci, aby wykryć i zażegnać narastające powody niezadowolenia, a także rozpoznać, jakie nowe produkty byłyby interesujące dla klientów.
Zapobieganie oszustwom
Wielkie zbiory danych i analizy mają również kluczowe znaczenie dla zapobiegania oszustwom. Na przykład pewna instytucja ubezpieczeniowa badała zasadność roszczeń związanych z ubezpieczeniem podróży, analizując wpisy na Twitterze. W niektórych przypadkach zawartość takich wpisów pozwoliła ustalić, że osoba wnosząca roszczenie nie była w miejscu rzekomego wypadku — i dzięki temu zdemaskować oszustwo. „Są to stosunkowo proste algorytmy, ale dawniej trudno było je zastosować do wielkich ilości danych” — mówi Jones. Obecnie technologia umożliwia instytucjom finansowym analizowanie ogromnych ilości danych w czasie rzeczywistym.
Dowiedz się więcej na temat Oracle Big Data
