Digitalizace bankovnictví neznamená, že budou banky své klienty od rána do večera spamovat produktovými nabídkami. „Poradci potřebují data, aby mohli s klienty v reálném čase řešit přesně to, co zrovna potřebují, a způsobem, který jim vyhovuje. Musí mimo jiné vědět, jestli klientovi poslat e-mail, zavolat, nebo zda preferuje osobní kontakt,“ popisuje v ADASTRA podcastu své zkušenosti s digitalizací Vanda Gomolčáková, product owner a zároveň data scientist Komerční banky.
- Jak bude díky AI a možnostem machine learningu v budoucnu vypadat bankovnictví?
- Proč můžou technologie nahradit osobní setkávání s bankéři jen částečně?
- S čím vším mohou bankám pomoci dobře strukturovaná a analyzovaná data?
- A jak vypadá přechod na digitální banku
Poslechněte si podcast
Přečtěte si podcast jako rozhovor
Ivana Karhanová: Znamená digitalizace bankovnictví to, že nás banky budou spamovat nabídkami od rána do večera, že o nás ví úplně všechno? Nebo je to nakonec celé jinak? O tom si dnes budu povídat s Vandou Gomolčákovou, která je product ownerem a zároveň data scientist v Komerční bance. Dobrý den.
Vanda Gomolčáková: Dobrý den. Děkuji za pozvání.
Ivana Karhanová: Dříve znal bankéř klienta osobně. Nyní nám práci poradců pomalu, ale jistě nahrazují data. Zákazníci už nemusí chodit do banky a komunikace s nimi může probíhat v pohodě na dálku. V čem vy v současné době vidíte největší výzvu pro digitalizaci bank? Jsou to procesy, nebo legislativa, nebo hlavy zákazníků?
Vanda Gomolčáková: Protože pracuji s daty, začnu tedy touto oblastí. V našem týmu, který nazýváme Advanced Data Analytics, nebo nově Squat Data Analytics, zpracováváme data klientů hlavně za účelem poskytování bankovního poradenství. Dáváme poradcům větší a hlubší znalosti o klientovi, které mohou využít při rozhovoru s klientem, při plánování jeho finančních potřeb nebo zjišťování toho, co může klient využít a jak zlepšit svou finanční situaci nebo ji udržet stabilní.
Ivana Karhanová: Digitalizace bank bývá často spojována s marketingem. Důsledkem byla dřív detailnější segmentace. Nyní se dostáváme až do bodu Segment of One. Jak to přesně funguje?
Vanda Gomolčáková: V týmu například vyvíjíme různé wdatí aplikace, například aplikaci Miclus, což je zkratka pro micro-clustering. Obsahuje mnoho různých segmentací od té nejjednodušší, kde je klient kategorizován například podle věku nebo vzdělání a podle mnohých informací, které nám poskytne, až po složitější machinelearningové algoritmy, podle nichž můžeme klienty segmentovat na základě jejich behaviorálních charakteristik. Každý klient patří do každé segmentace, ale právě jen do jednoho segmentu. Vznikají segmenty klientů, které jsou si navzájem velmi podobné, což nám umožňuje se na ně zaměřit mnohem přesněji. V každém segmentu mohou být například čtyři klienti, ale také šestnáct nebo dokonce sto klientů, kteří jsou si velmi podobní. To nám umožňuje přesněji zacílit nabídku na tyto klienty a personalizovat ji.
Ivana Karhanová: Personalizace pak probíhá jakými kanály? Bavíme se o on-linu, nebo například i o komunikaci osobního bankéře se zákazníkem fyzicky?
Vanda Gomolčáková: Mohou to být různé kanály. Jako banka se tedy snažíme fungovat omnikanálově. To znamená, že se snažíme komunikovat všemi kanály, které nám klient umožní, a to tak, že nám poskytne své telefonní číslo, které lze použít pro marketingovou komunikaci, nebo e-mailovou adresu, případně si s ním domluvíme schůzku s bankovním poradcem. Jednou věcí je však schopnost komunikace, druhou věcí jsou preference klienta, které se také snažíme zjistit pomocí dostupných dat. A například, když se podíváme historicky, jakým kanálem klient komunikoval a jak reagoval, jestli vůbec zvedl telefon, jak pak reagoval, nebo pak něco koupil, tak se také snažíme používat machinelearningové algoritmy, abychom zjistili, jestli klient ten kanál chce, jestli je pro něj přívětivý a jestli bude reagovat.
Ivana Karhanová: To znamená, že na jednu stranu máme o klientech víc dat, a na druhou stranu musíme pečlivě vážit, jak ta data využijeme.
Vanda Gomolčáková: Ano, určitě to tak lze říci, protože dat o klientovi je v bance spousta, ale je třeba z nich vyvodit nějaký smysl. Kdybychom jenom pustili nějaký velký stroj na všechna data, nemusí z toho vyjít něco smysluplného, ale na začátku by měla být nějaká představa, co chceme těmi daty získat a jak využít znalost klienta. A teprve pak se podívat na to, jaké údaje máme k dispozici, případně nějaká nová data získat.
Ivana Karhanová: Takže vy v Komerční bance obohacujete transakce o další data. Máte na to speciální nástroj. S jakými daty tam pracujete? Co vlastně vůbec je cílem toho nástroje?
Vanda Gomolčáková: Je to jedna z dalších aplikací na Big Data platformě, o nichž jsem už mluvila. Tuto aplikaci nazýváme Trench, což je anglická zkratka Transaction Enrichment. Jejím cílem je obohatit transakce. Víceméně k tomu využíváme jen informace o těchto transakcích. U každé transakce víme, odkud ta platba šla, komu šla, jaká je částka, ale známe i datum a čas, případně co poskytne obchodník na post-terminálu, například nějaké texty, třeba „Děkujeme za nákup, Albert Praha 4“. Ze všech těchto informací, které můžeme dát dohromady, dokážeme vytáhnout data pro klienta i pro bankovního poradce. To znamená, že když tam najdeme etiketu „Děkujeme, že jste nakoupili v Albertu“, tak víme, že ten zákazník nakupoval v potravinách a můžeme tu transakci oštítkovat jako Potraviny. To nám pak umožní v agregované podobě pohled na finanční a transakční chování klienta. Pro bankovního poradce to může zase sloužit jako vstupní informace pro analýzu klientova chování a pomoci mu připravit klientovi nějaké nabídky.
Ivana Karhanová: Předpokládám, že ten poradce potom informace o klientech vidí v nějaké agregované podobě, že nevidí, že klient nakupoval na Praze 4 v Albertu.
Vanda Gomolčáková: Je to přesně, jak říkáte. Může to být nějaký pohled za měsíc, kdy klient utratí část své výplaty nebo nějakých 30 procent za jídlo, 20 procent za bydlení, 20 procent si odloží na spoření, případně 30 procent ještě pro děti a tak dále. A z těchto informací mohou bankovní poradci, kteří jsou vyškoleni na poskytování finančního poradenství, vyvodit závěry, že by si klient měl vytvořit větší rezervu, jindy zase utratit méně, nebo že by si měl vzít výhodnější hypotéku a podobně.
Ivana Karhanová: Poradci dřív informace o klientech získávali jak? Výhradně z osobního rozhovoru, nebo měli i jiné možnosti?
Vanda Gomolčáková: I z nástrojů CRM, které se za dlouhé roky postupně obohacují. Kdysi dávno v nějaké aplikaci konzultat viděl jen základní informace o klientovi. Samozřejmě tam byly nějaké identifikační údaje, mohl se podívat, jaké má produkty, a mohl si otevřít výpis z účtu za daný měsíc, ale četl položku po položce. Tyto aplikace CRM jsou nyní obohaceny právě o tyto datové vstupy, ale snažíme se je agregovat na takovou úroveň, aby se bankovní poradce mohl podívat na obrazovku a okamžitě byl schopen vyhodnotit daného klienta během několika sekund. Existují také různé segmentace těchto klientů, případně informace o tom, že má, nebo nemá děti nebo v jaké oblasti pracuje. Další krok, jak k tomu přistupovat, je dát bankovnímu poradci do ruky nějaký nástroj, díky němuž pozná klienta, a umožní mu vést konverzaci více k věci. Ale kromě toho se bankovní poradce dozví podstatné věci právě z rozhovoru s klientem.
Ivana Karhanová: Jak dlouho trvá v instituci velikosti Komerční banky, než se podaří zrealizovat takový projekt?
Vanda Gomolčáková: Aplikaci Trench vytváříme v našem týmu a již spolupracujeme na dodávkách s odběrateli. A pokud jde o samotný vývoj, jde o velikost týmu. Kdyby nás bylo víc, bylo by to samozřejmě rychlejší. Nyní na ní ale pracujeme zhruba rok až půl od začátku vývoje celé aplikace až po konkrétní obsahy, a jsme asi ve druhé třetině, třetí čtvrtině. V této aplikaci jsou anglicky řečeno workflow, datová zpracování, která jsme museli naprogramovat, vyvinout machinerové modely, štítkování a další věci.
Ivana Karhanová: Když už to máte v produkčním prostředí, tak už to testují poradci v realitě?
Vanda Gomolčáková: Ano, děkuji za tuto otázku. Jsem ráda, že jste se na to zeptala. Na podzim začíná pilotní provoz poradenství na pobočkách, které jsou našimi hlavními odběrateli. Říkáme tomu interně finanční koučink, kdy bankovní poradce v aplikaci dostane o zákazníkovi nějaký pěkný přehled.
Ivana Karhanová: Kdo potom všechno se na straně banky zapojuje do vývoje té aplikace? Logicky vy jako data scientists, to znamená ti, kteří mají přístup k těm datům, asi vidíte, co všechno by se z nich dalo vyčíst. Jsou to právě třeba i poradci, kteří vám říkají: tohle nám chybí a tohle bychom potřebovali?
Vanda Gomolčáková: Ten vývoj probíhá tedy hlavně u nás, podílejí se na něm data scientists a datoví inženýři. Pravidelně komunikují s byznysovou částí toho projektu, s kolegy z finančního koučinku, kteří zase samozřejmě pravidelně testují aplikaci s bankovními poradci a ještě s klienty, protože ta aplikace bude jednoho dne – předpokládám, že v příštím roce – k dispozici i pro samotné klienty, aby si mohli sami data číst a orientovat se ve své finanční situaci.
Ivana Karhanová: To znamená, že vlastně klientům dáváte do ruky nástroj, který jim v podstatě umožní mít lepší, agregovanější přehled o jejich financích, aniž by se o tom museli bavit s bankéřem.
Vanda Gomolčáková: Ano. A budou si moci sami naplánovat, jak lépe optimalizovat svou finanční situaci, například kde více uspořit nebo kam více investovat. Nebo třeba upravit svoje hypotéky, aby byly výhodnější, a různé další věci, které mohou řešit v bance.
Ivana Karhanová: Řešili jste s klienty třeba i to, zda jsou v pohodě s tím, že banka za ně bude takhle nakládat s informacemi o jejich finančním chování? Já vím, že ta data běžně máte, ale nejsem si jistá, nakolik si klienti uvědomují, že je máte a že se dají takto použít.
Vanda Gomolčáková: Osobně o tom dost často přemýšlím, člověk se tomu nemůže vyhnout. Pro některé lidi jsou to hodně soukromé věci. Pravda je, že my nemáme ani kapacitu ani záměr podívat se na každého jednotlivého klienta, data sledujeme na agregované úrovni. Někteří klienti jsou si vědomi, že informace o jejich financích máme a očekávají od nás, že s nimi budeme pracovat a pomáhat jim spravovat jejich finance. Sami nám to v průzkumech říkají. Pak jsou tu samozřejmě ti, kterým to vadí a chtějí, abychom jejich data nezpracovávali. Tito klienti mají možnost nám souhlas odebrat v souladu s GDPR. Všechny aplikace, o kterých tady mluvím, samozřejmě podléhají regulaci a my nemáme pravomoc zpracovávat údaje klientů pro marketingové účely bez jejich souhlasu.
Ivana Karhanová: V podstatě v tom tranši detekujete také příjem klientů. To znamená, že se snažíte o nějakou predikci. Co přesně jste v tuto chvíli schopni pro klienta na základě dat vlastně udělat? Co jste schopni mu o něm říct, co on sám třeba neví, nebo možná nechce vědět?
Vanda Gomolčáková: Někteří klienti nám sdělí svůj příjem, například pokud si berou spotřebitelský úvěr, je to jedna z položek, které musí vyplnit. A protože úvěrový produkt u nás nemá tolik klientů, musíme to u nich zjistit nějakým jiným způsobem. Proto máme machinelearningové modely. Díky jednomu z modelů, který jsme vyvinuli, dokážeme z příchozích transakcí odhadnout, která z nich je pro klienta příjmem, který se pravidelně opakuje, je stále zhruba ve stejné výši, nebo který prostě přichází ze stejného protiúčtu. Kvůli finančnímu poradenství používáme nyní jiný model, který dokáže odhadnout, jak na tom klient bude v příštích třiceti dnech, jaký bude mít zůstatek na účtu. Bere v úvahu pravidelnou splátku hypotéky, víceméně pravidelnou platbu v restauraci, to, že klient každý rok v určitou dobu jezdí na dovolenou, a teprve pak mu přijde výplata.
Ivana Karhanová: To znamená, že vlastně tomu klientovi chcete říct, kolik může utratit nad rámec svých standardních zvyklostí.
Vanda Gomolčáková: Přesně tak, budeme ho upozorňovat nebo ho udržovat na takové hranici, že je pořád v pohodě, má nějakou rezervu. A případně ho upozorňovat, že když bude nadále utrácet, dva dny před hypotékou bude na nule a nebudete mít na splátku.
Ivana Karhanová: Zpětná vazba klientů na tohle je jaká? Jestli jste ji tedy zjišťovali?
Vanda Gomolčáková: Nevím, jestli tohle už prošlo testováním. Myslím, že to kolegové z týmu už testovali s klienty, ale nejsem si jistá.
Ivana Karhanová: Tohle mi z pohledu klienta připadá jako super, že to je to, co může mít přidanou hodnotu, že mi vlastně banka bude říkat, jak se mám vyhnout nějakému defaultnímu nebo kreditnímu riziku.
Vanda Gomolčáková: Pokud má klient povolený debet, může se dostat do mínusu, ale je riziko, že nebude mít na splátku hypotéky. To pak pro něj následně může znamenat například negativní záznam u úvěrových společností.
Ivana Karhanová: Aby si to dokázali představit i lidé z byznysu: k čemu potřebujeme machinery learning nebo umělou inteligenci v těchto modelech? Co je vlastně jejich úlohou?
Vanda Gomolčáková: V bankovnictví trochu rozlišuji mezi machinery learning a umělou inteligencí. Umělá inteligence už v podstatě nepotřebuje podsouvat nějaká data, a pak se mluví o učení bez učitele. Ale machinelearningové a klasické prediktivní modely potřebují učitele.
Ivana Karhanová: To si můžu představit tak, že vy jste pak ten, kdo mu vlastně říká, co je v tom důležité, jestli je to obec, kde bydlí, věk, příjem?
Vanda Gomolčáková: Ano, ale u prediktivních modelů si určím takzvaný target. To znamená, že hledám klienta, který si koupil spotřebitelský úvěr – to je moje jednička. A vedle ní mám klienty – nuly, které si spotřebitelský úvěr nikdy nekoupily. Algoritmus je pak rozdělí na klienty, kteří jedničku mají, a na ty, kteří ji nemají. Takže zjistí, že průměrný věk klientů – jedniček je 40 let, zatímco věk nul je 20 let. To se v bankách používá už dlouhé roky. A používá se to hlavně k vyhledání klientů, kteří si chtějí vzít spotřebitelský úvěr nebo úvěr z kreditní karty, a ke zjištění sklonu k odchodu klienta. U umělé inteligence existují jiné aplikace, například chatboty ke komunikaci s klientem. Mohou to být nějaké jednoduché algoritmy, které rozumí nějakým klíčovým slovům a vyhledají v produktovém listu odpovědi na dotazy klienta.
Ivana Karhanová: Vy se snažíte s klienty komunikovat v real time, v podstatě omnichannelově. Co představuje zatím největší výzvu pro banku, aby ta komunikace mohla opravdu reagovat event based, real time na to, jak se klient vlastně chová, co dělá?
Vanda Gomolčáková: Z mého pohledu vidím technologii spíše jako doplněk. Často vidím, jak celý můj tým a já bojujeme s tím, že ne vždy se ty platformy nebo aplikace chovají tak, jak bychom právě potřebovali. Musíme proto ještě zapracovat na stabilitě těch technologií.
Ivana Karhanová: To znamená, aby to bylo schopné načítat víc dat rychleji, aby to bylo stabilnější, aby to z toho obrovského množství dat vytáhlo jenom ty relevantní.
Vanda Gomolčáková: Ano. A aby nenastávaly nějaké výpadky, protože když jsme klienta například naučili, že mu budeme štítkovat jeho transakce v reálném čase a pak se nám to několik dní nepodaří, tak je nespokojený. Musíme se tedy ujistit, že když klienta naučíme na nějaký standard, abychom ho později nemuseli odnaučovat nebo se mu omlouvat. To se týká dat a aplikací. Pokud jde o nové kanály, Komerční banka nyní připravuje Novou digitální banku (NDB), kde obmění celý core systém a všechny technologie, na kterých banka běží, což umožní jednak větší stabilitu našich systémů, a také větší možnosti v real time komunikaci.
Ivana Karhanová: To znamená, že celé to legacy zázemí prostě budete nahrazovat.
Vanda Gomolčáková: Ano.
Ivana Karhanová: To je ale obrovský projekt.
Vanda Gomolčáková: Ano, je to obrovský projekt. Mám pocit, že během příštích dvou let budou první klienti přecházet na nové aplikace, které budou modernější a rychlejší.
Ivana Karhanová: Ty projekty vznikají od vás, data scientists, anebo vznikají z toho byznysu? Jak se to vlastně dostane do projektu, do produkce?
Vanda Gomolčáková: To je dobrá otázka, protože je to někde mezi tím. Myslím, že by bylo ideální, kdyby lidé z byznysu chodili za data scientisty a řekli nám, co potřebují, aby dostali více klientů do toho a toho kanálu. Ono se to děje, ale na druhé straně existuje propast mezi světem dat a světem byznysu. Obchodníci dokážou lépe pochopit klienty než lidé, kteří se zabývají daty, ale často nemají představu o tom, kde všude se data nacházejí a co by se s nimi dalo dělat.
Ivana Karhanová: Když vznikne nápad na, dejme tomu, další využití dat, jak dlouho potom trvá, než se to dostane ke klientům? Bavíme se o měsících, nebo spíš o letech?
Vanda Gomolčáková: Záleží na tom, ale jsou to zhruba delší měsíce. Protože když máte nápad, musíte ho ještě rozpracovat i po byznysové stránce.
Ivana Karhanová: Verifikovat.
Vanda Gomolčáková: Všechno se testuje s klienty. Na vývoji aplikací se podílí řada specialistů, kteří vytvoří prototypy, které jsou někdy na začátku i nefunkční. Z nich pak vytvoří funkční prototypy, které si klienti sami vyzkoušejí a zjistí, co jim vyhovuje. Na základě toho se vytvoří finální prototyp, který se následně naprogramuje. Děláme spíše projekty z oblasti mobilních nebo internetových bank. Pokud jde o datové aplikace, některé jsou jednoduché, a ty se dají udělat za měsíc. Složitější aplikace vyžadují více času, někdy až rok.
Ivana Karhanová: Vy už jste zmínila jednu věc, že v podstatě vás brzdí a primárně v tuto chvíli technologie, respektive asi ty původní legacy systémy, které se tam prostě propisují do dalších procesů. Je ještě něco, co by pomohlo zrychlení práce s daty a jejímu lepšímu využívání na straně banky? Měla by to třeba být větší integrace byznysu a dat?
Vanda Gomolčáková: Určitě, na komunikaci mezi lidmi zabývajícími se daty a lidmi z byznysu je vždycky co zlepšovat, a to na obou stranách. Ti první by se měli snažit lépe porozumět klientům a chodit za nimi a ptát se, ověřovat si věci. Na některých lidech z byznysu je naopak stále vidět nedůvěra k datům.
Ivana Karhanová: Já právě mířím tam, jestli vlastně nemáte pocit, že mezi těmi daty a tím byznysem ještě pořád přetrvávají bariéry.
Vanda Gomolčáková: No, určitě nejste daleko od pravdy. Mám kolegy, který nemají o datech velké odborné ponětí, ale jsou nadšení. S nimi s nám pracuje nejlépe, protože vymýšlejí věci, říkají nám o nic a víme, že je hlavně budou používat. Jiní mají stále k datům nedůvěru a říkají, že všechno se nejlíp dozvědí od klientů. To je pravda, ale zkuste se zeptat třeba 1 400 000 klientů – to prostě nejde. A pak se ještě stává i u lidí z byznysu, kteří mají důvěru v data, požádají nás, abychom jim něco vyvinuli, ale pak se to ne vždy použije.
Ivana Karhanová: Tak to je asi součástí procesu, ne? Když něco objevuji, tak se občas netrefím.
Vanda Gomolčáková: Někdy se priority mění tak rychle, že než se ty věci dostanou k člověku z byznysu na stůl, jsou už priority někde úplně jinde. Nyní by ale v bance měli být byznysoví lidé přímo u zadávání požadavků a měli by vědět, na co naše řešení použijí, protože to stojí čas, a čas jsou peníze.
Ivana Karhanová: V tuto chvíli se v podstatě shodneme na tom, že banky nahrazují poradce, nebo jejich detailní osobní znalost o klientovi, daty. Vidíte nějaký další trend, který se v bankovnictví rýsuje někde na obzoru, co se týká komunikace s klienty?
Vanda Gomolčáková: Řekla bych, že tento směr se bude ještě přitvrzovat. V dnešní době přibývá klientů, kteří nepotřebují chodit do banky.
Ivana Karhanová: Já tam taky nechci chodit.
Vanda Gomolčáková: Myslím si, že nejste zdaleka jediná. Pomohla tomu koronavirová krize, která nás přesvědčila o tom, že spousta věcí, které jsme si do té doby nedokázali představit, se dá dělat on-line. A tento trend bude pokračovat. Samozřejmě jsou klienti, kteří pravděpodobně nikdy nebudou chtít digitální banku a stále budou mít potřebu osobního kontaktu. Jsou to nejen ti starší, ale máme asi dva roky staré průzkumy, v nichž se i mladí lidé do 30 let vyjádřili, že účet v bance si klidně zřídí v internetové bance nebo na nějaké platformě, ale když uzavírají hypotéku, chtějí jít do banky a promluvit si o tom, co to znamená, jak budou úvěr splácet, jaké jsou podmínky. Je to pro ně tak velký krok, že to nechtějí dělat online. Pravděpodobně budou vždycky otevřené cesty pro určité typy klientů, nebo pro určité typy událostí. Některé věci budete moci vyřídit online a kvůli jiným budete chtít jít k bankovnímu poradci.
Ivana Karhanová: Říká Vanda Gomolčáková, která je produkt owner a zároveň data scientist v Komerční bance. Díky, že jste přišla povídat si o datech v bankovnictví a někdy na viděnou.
Vanda Gomolčáková: Ještě jednou děkuji za pozvání a na shledanou.