'

Возможности применения бизнес-аналитики в банковском бизнесе

Понравилась презентация – покажи это...





Слайд 0

Возможности применения бизнес-аналитики в банковском бизнесе ЗАПРОГРАММИРОВАННЫЙ УСПЕХ www.iba.by IX Международный форум по банковским информационным технологиям «БанкИТ’2012» 21–22 ноября 2012 года


Слайд 1

Разработка управленческой системы


Слайд 2

Функции управленческой системы План, бюджет, анализ исполнения Помощь в принятии решений


Слайд 3

Автоматизированная система бюджетирования


Слайд 4

Автоматизированная система бюджетирования Задачи системы : Организация бюджетного процесса Автоматическая консолидация информации, расчет необходимых показателей Формирование итоговых отчетных форм


Слайд 5

Информационно-аналитическая система


Слайд 6

Информационно-аналитическая система Задачи системы : Сбор и накопление информации Автоматическая обработка Формирование отчетности


Слайд 7

Управленческая система


Слайд 8

Методология 1. Реализация действующей методологии банка 2. Совместная разработка методологии 3. Привлечение стороннего консалтинга


Слайд 9

Платформа


Слайд 10

Сервис 1. Разработка системы 2. Обучение 3. Техническая поддержка


Слайд 11

IBM Cognos в Беларуси


Слайд 12

Data Mining


Слайд 13

Data Mining - это процесс обнаружения в сырых данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах бизнеса


Слайд 14

Статистический анализ данных


Слайд 15

Кредитный скоринг


Слайд 16

Что включает в себя кредитный скоринг? Application-скоринг – оценка кредитоспособности заемщиков для получение кредита Behavioral-скоринг – оценка вероятности возврата уже выданных кредитов Collection-скоринг – оценка возможности полного или частичного возврата кредита заемщиком при нарушении им сроков погашения задолженности Fraud-скоринг – выявление и предотвращение мошеннических действий со стороны потенциальных и уже существующих клиентов-заемщиков


Слайд 17

Application-скоринг Бизнес-задача – снижение кредитных рисков и потерь банка от выдачи плохих кредитов. Повышение доходности розничного бизнеса.


Слайд 18

Разделение заёмщиков на «плохих» и «хороших» на стадии принятия решения о выдаче кредита Application-скоринг


Слайд 19

г Application-скоринг БД Плохие Хорошие Да Нет


Слайд 20

1. Собрать информацию о клиенте Что нужно сделать 2. Выявить факторы, влияющие на исход сделки 3. Разработать модель, рассчитывающую вероятность наступления целевого события 4. Определить точку отсечения


Слайд 21

Собрать информацию от клиентов Бумажные анкеты Электронное заполнение заявок на кредит Существующая информация Данные кредитного бюро


Слайд 22

Аналитическая базовая таблица


Слайд 23

Выявление факторов, влияющих на исход сделки


Слайд 24

Что должно попасть в базовый набор данных?


Слайд 25

Пример скоринговой карты


Слайд 26

Определяем точку отсечения


Слайд 27

Меняем целевую переменную Application-скоринг – факт дефолта Behavioral-скоринг – факт просрочки Collection-скоринг – факт невозврата кредита Fraud-скоринг – факт мошенничества


Слайд 28

Эффект от внедрения системы application-скоринга Инструмент оценки кредитного риска Эффективный инструмент управления кредитной политикой банка Уменьшение влияния человеческого фактора в процессе обработки кредитных заявок


Слайд 29

Сегментация


Слайд 30

Что мы знаем о наших клиентах? IBM SPSS


Слайд 31

Что мы знаем о наших клиентах? - Отрасль - Численность персонала - Регион - Форма собственности - ……. Общие данные


Слайд 32

Что мы знаем о наших клиентах? Используемые услуги - Финансирование оборотного капитала - Инвестиционное финансирование - Депозитные операции - Факторинг - РКО - Зарплатный проект Общие данные


Слайд 33

Что мы знаем о наших клиентах? Используемые услуги - Поступления на счета - Доходность - Объемы кредитования - Среднедневные остатки - ……. Общие данные Финансовые показатели …….


Слайд 34

Зачем? Кто наши клиенты? Какие клиенты уходят? На ком мы зарабатываем? Кто наши новые клиенты?


Слайд 35

Сегментация Позволяет из общей совокупности клиентов выделить отдельные группы, объединенные множеством характеристик


Слайд 36

Сегментация Наши клиенты


Слайд 37

Сегментация Наши клиенты Определяем количество сегментов и набор факторов для сегментации. Или предлагаем системе сделать это автоматически.


Слайд 38

Сегментация И их характеристики Используемые услуги - Поступления на счета - Доходность - Объемы кредитования - Среднедневные остатки - ……. Отрасль Финансовые показатели


Слайд 39

Общий вид модели сегментации Демо


Слайд 40

Аналитическая базовая таблица


Слайд 41

Результаты кластерного анализа Демо


Слайд 42

Представление выделенных сегментов (кластеров) и их характеристики


Слайд 43

Сегментация Анализ клиентской базы Оптимизация предложений для каждой из групп Позволяет выявлять новые сегменты и их потребности


Слайд 44

Перекрестные продажи Перекрестные продажи


Слайд 45

Перекрестные продажи Есть ли среди наших действующих клиентов те, кто склонен откликнуться на наше предложение


Слайд 46

Перекрестные продажи Можем ли мы предлагать правильные продукты правильным клиентам


Слайд 47

Перекрестные продажи Анализ клиентов, пользующихся услугой «депозит»


Слайд 48

Перекрестные продажи Профиль клиентов, пользующихся услугой «депозит» Пол Доход Возраст Дети Семья Квартира История Много другой информации Автомобиль


Слайд 49

Перекрестные продажи Используем полученный профиль клиентов, пользующихся услугой «депозит»


Слайд 50

Перекрестные продажи Находим клиентов, склонных приобрести эту услугу


Слайд 51

Общий вид модели по перекрестным продажам


Слайд 52

Таблица с базовыми данными


Слайд 53

Выбор и оценка предикторов


Слайд 54

Таблица – результат анализа


Слайд 55

Перекрестные продажи Максимальное использование потенциала существующих клиентов Формирование лучшего предложения для клиента Минимизация затрат


Слайд 56

SPSS не требует программирования и знания о том, как производить расчеты Визуализация процесса обработки информации Визуализация результатов анализа IBM SPSS


Слайд 57

Юрий Жолнеркевич, руководитель проекта отдела развития функциональных направлений и перспективных проектов Тел.: Email: +375 17 217 33 33 (вн. 39 24) YZhalnerkevich@iba.by Спасибо за внимание! Более подробную информацию можно получить: СП ЗАО «Международный деловой альянс» (IBA) ул. М. Богдановича, 155, г. Минск, 220040, Республика Беларусь Тел.: +375 17 217 33 33 Факс: +375 17 217 32 32 Email: info@iba.by www.iba.by ЗАПРОГРАММИРОВАННЫЙ УСПЕХ


×

HTML:





Ссылка: