Díky stále kvalitnějším internetovým službám, především v oblasti nakupování, rostou nároky českých zákazníků i v dalších odvětvích včetně poskytování finančních služeb. Tradiční banky přitom trochu zaspaly ve flexibilitě svých služeb a využití potenciálu obrovského množství dat, které o svých zákaznících již mají nebo mohou poměrně snadno získat. Stále sázejí především na zažitý způsob obsluhy klientů s plošnými nabídkami produktů, aniž se předem udělají důkladný průzkum a analýza potřeb zákazníků. Není divu, že se nabídka banky a poptávka ze strany klientů v mnoha případech nesetkává, a tak si v lepším případě žádné nové služby neobjednají, v horším pak odcházejí ke konkurenci. Finančním institucím přitom stále výrazněji konkurují inovativní internetové služby, které útočí na samou podstatu obchodního modelu bank. Vznikají například virtuální měny, alternativní platební systémy, platformy pro P2P půjčky nebo služby umožňující převody peněz mezi svými uživateli. Opatrnost a přehnaná rozvážnost přivedly banky či pojišťovny do situace, kdy musejí začít opravdu rychle inovovat, aby neztratily trh, který si celá desetiletí budovaly.
Jednou z možných cest, jak si udržet zákazníky a přinášet jim služby, o které mají opravdu zájem, je intenzivní využívání analýzy dat a na základě zjištěných skutečností o životní situaci a vzorcích chování klientů vytvořit vysoce personalizovanou nabídku služeb. Aktuální inteligentní technologie, připravené na zpracování obrovských objemů dat v reálném čase, umožní automatizovanou personalizaci téměř na úrovni osobního bankéře, ale s mnohem nižšími náklady.
Nekonečný příval dat
K personalizaci služeb mohou banky využít své vysoce rozvinuté technologické zázemí, bez kterého by již v současné době nemohly fungovat, vlastní kapitálové zdroje, a především obrovské a každým okamžikem dále rostoucí množství dat z historie transakcí milionů klientů. Ani sběr dat není pro banky nic nového, protože data o transakcích musejí archivovat ze zákona. Banky, stejně jako pojišťovny nebo například telekomunikační společnosti, proto uchovávají obrovská množství dat ze všech klientských transakcí, ať už jde o přihlášení do samoobslužných systémů (internetové bankovnictví, mobilní aplikace, hovor se zákaznickým centrem) či jakékoli jiné interakce mezi zákazníkem a poskytovatelem služeb. Právě z analýzy těchto dat vyplývají zcela nové informace o jejich klientech a zatím netušené souvislosti, které nebylo možné odhalit jinou cestou. „Pokud chce banka získat nový pohled na své jednotlivé klienty, nemusí pro potřebná data chodit daleko – všechny nezbytné informace se velmi pravděpodobně již dnes nacházejí v datovém centru této instituce. Pouze je třeba je zpracovat vhodně navrženými algoritmy, které je položí do širších souvislostí,“ vysvětluje Bohumír Zoubek, ředitel produktů a služeb firmy Profinit, dodavatele řešení datové analýzy pro banky či telekomunikační operátory.
Na základě analýzy bankovních transakcí lze například identifikovat klienty jako členy společné domácnosti, zjistit, kde pracují, za co nejvíce utrácejí nebo kdy a jak tráví dovolenou. Získané informace jsou navíc daleko přesnější než údaje sdělené klientem během finanční analýzy s osobním bankéřem. Klient si nemusí vždy přesně pamatovat své útraty a často vychází spíše z odhadů. Analýza bankovních transakcí takové pochyby nepřipouští a pracuje s naprosto přesnými daty, samozřejmě za předpokladu, že probíhá nad primárním účtem klienta.
Kromě bankovních transakcí budou navíc do hry stále více vstupovat i další zdroje informací. Jedním z nejdůležitějších budou informace z profilů klientů v sociálních sítích, podle kterých lze dále upřesnit zvyky, zájmy a sociální okolí klientů. Vyhodnocení on-line aktivit může mít velký vliv například při rozhodování o poskytnutí úvěru nebo při uzavření pojistky. Analýza dat ze sociálních sítí je ovšem i se současnými prostředky poměrně složitá už proto, že například Facebook vytěžení dat ze své sítě externím subjektům nijak neusnadňuje. Zároveň jde o dvousečnou zbraň, protože může snadno dojít k záměně příčiny a důsledku. Pokud se například někdo v sociální síti přátelí s neplatičem dluhu, ještě to neznamená, že bude mít sám problémy se splácením svých závazků.
