NMI15 Jakub Škrabánek
-
Upload
new-media-inspiration -
Category
Technology
-
view
74 -
download
1
Transcript of NMI15 Jakub Škrabánek
Úvod
• Z každé stopy na internetu zanecháváte data, která můžeme sledovat a analyzovat
• Na základě tisíců dat můžeme a umíme také odhadnout, jaké jsou vaše finanční možnosti a chování, tedy i to, zda jste schopni splatit půjčku, o kterou si žádáte
• Počítačové algoritmy tak umí nahradit práci bankovních úředníků nebo úvěrových registrů, které tradiční skóring provádí
• Jak se s velkými daty pracuje? V čem jsou výhody skóringupomocí big data? Co všechno lze o vás na internetu najít?
15 minut,
3 kliknutí,
pohodlně
z domu
Nový způsob, jak se dostat k penězům…
15 minut,
3 kliknutí,
pohodlně
z domu
Amazon světa financí?
Unikátní algoritmus Nezávislý na třetí straně Může být zaveden
celosvětově Umožňuje skórovat každého Nižší míra nesplacených úvěrů než u bank
KREDITECH VS. BANKY
kdokoliv
24/7
35 s
15 minut
27 % s kreditní historií
od 9 do 5
5 - 7 dní
1 až 3 dny
Co to vlastně „Big Data“ jsou?
>20 Petabytůdat,
procházejícíchGooglem každý den
>30 petabytůdat
generovaných uživateli na Facebooku
>30bn informací
měsíčne na Facebooku
>30bn sms, tweetů
hovorů přes mobil
>34k Liků na Facebooku za minutu (a to
pouze brandovaných)
>47k stáhnutí
v App storuza minutu
Okno příležitosti: Finance potkávají Data
Osobní finance BIG DATA Analýza
Přechod k online službám dnes zákazníci vyžadují
IT systémy pro bankovnictví vznikaly v 80. letech jako nástroj pro pobočky a fyzický kontakt se zákazníkem
Rozvojové trhy mají vysokou poptávku po financích, protože nemohou být skórováni, tudíž obslouženi bankou
Vysoký stupeň manuálních procesů a vysoké variabilní náklady vedou k ignoraci profitabilních zákaznických segmentů
Každý den je generováno obrovské množství dat
Technická infrastruktura (cloudy) umožňují analýzu a komplexní výpočty s velkými kvanty dat
Příkladů využití analytiky s vysokým ROI je minimum (kroměNSA ).+
Digitalizovat bankovnictví1. Obslouží 5 milionů neskórovatelných klientů, 2. nízkonákladové procesy, 3. umožňuje kvalitnější servis
Jak probíhá BIG DATA Credit Scoring
Class
Class
Class
Class
Final Score
Assembly
BIG DATA
• > 10,000 dat
• Osobní data, data o chování a
data dostupná zvenčí
• Vlastní model dat
• Nezávislé na úvěrových
registrech
Skoringové modely
• Modely stále a dynamicky
optimalizované
• Modely se nejprve sdílí napříč
zeměmi, ale poté jsou
upravovány o lokální data
Získání dat
Konstrukce dat
Seřazení dat
Klasifikace
Vyhodnocení
Kde všude data můžeme sbírat?
CreditbureausLokalizační
data
Data z přístrojů
Data o chování
Sociálnísítě Užívání
webu
Finanční data
Veřejná data
E-commerce
Mobile App Data
• V roce 2012, bylo každý den produkováno 2.5 quintillionu bytů dat (18 nul), 90% dat na světě bylo vytvořeno v posledních dvou
letech.
• Google obdrží přes 2 miliony požadavků na vyhledávání za minutu.
• Lidé na Facebooku sdílí 684,000 bitů obsahu denně.
• Digitální svět se dvojnásobně zvětší každé dva roky až do roku 2020.
Source: “DC Digital Universe Study 2012
Data o lokaci a prostředí
Home
WorkIP
Last Check in
Distance
Surounding
Mikrogeografická kompozice
Koherentnostinformací Ekonomické ukazatele: kupní
síla …
Pracovní prostředí
Geolocation
Data ze sociálních sítí
Velikost sítě
EdgerankInterakce a
intenzita
Spojitost dat z jednotlivých sítí
Obsah profilu Liky a zájmy
Data o přístroji a chování na internetu
Chování při vyhledávání
Způsob psaní
Užívání webů
Cesta zákazníka
Informace o přístroji
Historie vyhledávání
Žádosti
Síť vztahů
ZAČÁTEK: SKÓROVAT NESKÓROVATELNÉ. PRODÁVAT SKÓRING BANKÁM
?
VLASTNÍ skóring Doáhnout na nové zákazníky a snížit počet
nesplacených úvěrů
Tradiční banky Bankou zamítnuto
?4bn lidí bez kreditního
skóre
EXPANZE ODSPODU: OD SKÓRINGU K BANKOVNICTVÍ
Používají historická data s nízkou předpovídací
hodnotou
Vylučují velký počet zákazníků, kteří na úvěr
mají
Kvůli nedostatku dat nemohou operovat na
rozvojových trzích
Spoléhají na úvěrové registry při
posuzování úvěrů
Vysoké náklady kvůli procesům a
infrastruktuře
Nemohou obsloužit zákazníky na
rozvojových trzích
Credit BureauBanky
INOVATIVNÍ PRODUKTY ADEKVÁTNĚ OCENĚNÉ A CÍLENÉ NEOBSLUHOVATELNÝM ZÁKAZNÍKŮM
VIZE: JEDEN OBCHOD PRO VŠECHNY OSOBNÍ FINANCE
Dynamic Credit Score
E Wallet / Bank
AccountPers. Finance Management
External products
New internal products
Platforma
Země
LIVE
Produkty
CreditCards
Risk BasedCredit
Install-ments
Micro-loans
Dynamický rozvoj produktů
KREDITECH – může to fungovat
Aktivní na 8 trzích Default rates menší jak <7%
Plánované trhy
Aktivní trhy
Kredito24: Fast-Learning Products
Sběr datPrůběžná optimalizace modelů- Minimum času
- Minimální nároky na kapitál
- Maximum poznatků
Vývoj zákazníkůDlouhodobý vztah se zákazníkem umožní nabídnout různé produkty podle aktuální potřeby a vývoje finanční situace
Udržitelné úvěrování20% schváleno/ 7% defaults vs 40-60% schváleno/ 25%+ defaults
Zaimo: Automated, Tailored Lending
Cena na míru0,5-2min: Cenová nabídka v reálném čase1-5min: Peníze jsou převedeny na účet
InovativníÚvěr vyřízen za 5 minut i v nociOkamžité vydání virtuální platební karty, fyzická během několika dnůZákaznická podpora pomocí Live Chatu
Flexibilní cíleníCenová nabídka tvořena na základě- Kreditní skóre klienta
- Potřeby klienta
What are Customers Willing to share?
70%81%
73% 72% 70%
86% 90%
68%
30%19%
27% 28% 30%
14% 10%
32%
0%
20%
40%
60%
80%
100%
World Brazil Canada China EU India South Africa US
Would You be Willing to Provide Your Bank with More Information About Yourself if it Helped to Deliver a Better Service?
Yes No
Source: “The customer takes control” - Global Consumer Banking Survey 2012 by E&Y; Consumer Credit - G.19 report by Federal Reserve (US)
1. Banks operate outdatedprocesses on outdated IT to serve customer in outdated way
2. Banks do not serve the public butprofitable customers
HERE IS WHY IT IS LIKE THAT
PRIVATE CREDIT BUREAU COVERAGE WORLDWIDE
573%
1.3
3.7of all the adults
in the world are
unscored
Total Adult Population The Scored The unscored
billion
FACT
Globally,
of people havea mobile phone…
5.25 billion
3.7 billion
2.5 billion
no bank account
unscored
with mobile phone
75%
466 mio.High Income OECD Economies
572 mio.Developing Economies
2.793 mio.
230 mio.
access to financing
17 %
67 %
THE CREDIT DIVIDE – ACCESS TO FINANCING
MEET THE TEAM
1.5mscored loans
120m USDlending run rate
35m USDrevenue run rate
150 employeesin Hamburg from 40 nationalities
15.000 datapoints per application