Znaczenie analityki predyktywnej w kształtowaniu relacji z klientami

Okres w którym klienci utrzymywali relacje z wybraną instytucją finansową lub innym dostawcą usług przez całe życie już dawno minął.

Bankowość elektroniczna sprawiła, że ​​obsługa klienta stała bardziej efektywna pod względem kosztów, ale z drugiej strony w wyniku zautomatyzowania obsługi klientów relacje banku z jego klientami mocno się rozluźniły, co przejawia się wyraźnym spadkiem wskaźniki lojalności. Fakt ten można interpretować w formie paradoksu, gdyż bankowość elektroniczna, a obecnie mobilna, spowodowała znaczący wzrost liczby interakcji między klientem a bankiem. Współczesny klient "odwiedza" bank kanałami zdalnymi nieporównywalnie częściej niż kiedyś korzystał z obsługi w placówkach bankowych.

Kluczem do zwiększenia personalizacji relacji staje się obecnie wdrożenia narzędzi tzw. analityki predyktywnej. Poprzez wszechstronne wykorzystanie danych pozyskiwanych od klienta i wyniku jego obserwacji, narzędzia te pozwalają bankom i innym instytucjom finansowym z powrotem spersonalizować relacje. Sednem tych działań jest pełne zrozumienie i przewidywanie pełnego kontekstu, w którym określony  klient korzysta z usług danej instytucji. Sektor finansowy ma zdecydowaną przewagę nad większością innych branż dzięki możliwości pozyskiwania znaczenie bogatszego zbioru danych o klientach.

Dzięki wymaganiom identyfikacji klienta i surowym regulacjom w zakresie ochrony danych osobowych, bazy klientów banków mają potencjalnie bardzo wysoką jakość danych. Instytucje finansowe dysponują również danymi o bardzo istotnych transakcjach związanych funkcjonowaniem klientów we współczesnym społeczeństwie. Dane te pozwalają bankom na bardzo szczegółowe spojrzenie na dochody każdego klienta, wzorce jego wydatków, profile popytowe w obszarze kredytów czy identyfikacje aktywności w usługach okołobankowych (np. ubezpieczenia, inwestycje itp.). Takie 360-stopniowe spojrzenie na klienta przez bank jest punktem wyjścia dla wielu cennych  analiz, tworząc podstawy wzorców działania mające na celu identyfikowanie nie tylko obecnych, ale również przewidywanie przyszłych potrzeb klienta.

W praktyce większość narzędzi analitycznych w instytucjach finansowych w ciągu ostatnich dwóch dekad sprowadzała się wyłącznie do raportowania transakcji. Systemy raportowania zorientowane na dane historyczne siłą rzeczy koncentrują się na dotychczasowych działaniach operacyjnych w takich obszarach jak sprzedaż, transakcyjność klienta, zarządzanie ryzykiem, analiza satysfakcji z klienta. Natomiast zagadnienia dotyczące kwestii związanych z perspektywami rozwijania relacji często pozostały bez odpowiedzi z punktu widzenia analizy danych.

W praktyce perspektywa przyszłości, a nie przeszłości jest znacznie cenniejsza gdyż tworzy przesłanki rozwoju i pogłębiania relacji z klientem. Tymczasem identyfikowanie najbardziej pożądanych ofert usług, perspektywicznych klientów, wybór kanałów dystrybucji odbywa się wciąż intuicyjnie i rzadko opiera się na rzetelnej analizie danych, co zmniejsza finalną skuteczność takich działań. Co więcej, w świecie ogromnego przepływu informacji banki są często nieświadome priorytetów wyborów klientów, co znacząco obniża wartość relacji i w konsekwencji przychody z tych relacji.

W tym kontekście narzędzia analityki predyktywnej mają wspierać bank w procesie ułatwiania klientom wyboru przyszłych usług, a nie spoglądać na historię dotychczasowej relacji. Pomoc ta ma służyć bezpośrednio klientom w odpowiedzi na pytania typu "czy potrzebuję dodatkowego ubezpieczenia?", "ile pieniędzy mogę zaoszczędzić w danym miesiącu, aby zrealizować moje cele oszczędnościowe?" oraz "na jak duże wydatki mogę sobie pozwolić teraz bez tworzenia problemów dla zbilansowania budżetu domowego w przyszłości?"

Analitykę predyktywną można określić jako technologię i zbiór reguł postępowania, które wynikają z nauki banków w oparciu o dotychczasowe doświadczenia (dane) dla możliwe optymalnego przewidywania przyszłych zachowań klienta i wsparcia jego procesu decyzyjnego. Oznacza to, że analityka predyktywna nie przestaje zauważać ostatnich wydarzeń, ale przede wszystkim przewiduje przyszłość wybranej zmiennej i określa prawdopodobieństwo wartości docelowej.

Biorąc pod uwagę aktualny kontekst i rosnące znaczenie danych, analizy predyktywne mogą znacząco wpływać na kształtowanie wizerunku banków w percepcji klientów. Podobnie jak w przypadku technologii mobilnych, oferowanie wsparcia w podejmowaniu decyzji przez klienta istotnie zwiększa wartość usług, zarówno dla klienta, jak i dla instytucji finansowych. Dzięki analityce predyktywnej instytucja finansowa może przewidzieć zmiany potrzeb klientów, kierować klientów do dobrze dobranych i odpowiednich ofert produktów oraz budować lojalność, oferując informacje kontekstowe i porady, które poprawiają jakość obsługi klienta.

Handel detaliczny przez wiele lat wykorzystywał narzędzia analityki predykcyjnej jako środek na zwiększenie skuteczności kampanii marketingowych i budowanie lojalności. Przedsiębiorstwa telekomunikacyjne zastosowały analitykę predyktywną, aby zmniejszyć rezygnację klientów i przewidzieć czas relacji z klientem. Instytucje finansowe tradycyjnie stosowały analitykę predykcyjną w celu zidentyfikowania potencjalnych nieuczciwych transakcji i oceny ryzyka kredytowego. Jednak nadszedł czas, aby przekroczyć ramy tych obszarów i wykorzystać dane do zrozumienia przyszłości.

Po wprowadzeniu analiz opisowych i diagnostycznych następny krok oferuje analityka predyktywna. Wymaga to przesunięcia z orientacji historycznej, aby stać się bardziej przyszłościową. Jest to zasadnicza różnica, której celem jest nie tylko opisywanie i zrozumienie przeszłości, ale także zbadanie "co może się wydarzyć". Analizy diagnostyczne i opisowe mogą być w tym kontekście coraz bardziej precyzyjne. Oczywiście analityka predyktywna jest z definicji oparta na prawdopodobieństwie i musi być uznana za dostarczającą nie tyle pewnych zdarzeń w przyszłości, ale wysoce prawdopodobnych, czyli z dużym stopniem ufności. Dzięki analityce opisowej można stwierdzić: "wczoraj padało", lecz  to nie pomaga w podjęciu bieżącej decyzji. Podstawowy poziom analityki predyktywnej pozwala określić iż "jest 90% szansa na deszcz w ciągu najbliższych 12 godzin". Warto zauważyć, że zawsze pozostaje swoboda decyzji, czy wziąć parasol, czy nie, ale taka prognoza daje możliwość podjęcia decyzji trafionej, gdyż opartej na faktach. W tym przykładzie, prawdopodobnie większość osób wyjdzie na zewnątrz z parasolem, gdyż ich decyzja została poparta analizą predyktywna.

Jednakże najwyższy etap rozwoju analityki predyktywnej to odkrywanie możliwości, których bank i jego klienci nie byli świadomi, a więc odpowiedź na pytanie: "jak możemy to zrobić lepiej?" lub "co powinniśmy zrobić, aby wyniki były lepsze?". Przykładowo oznacza to identyfikację zestawu zasad biznesowych, które będą obejmować koszty i kwestie ryzyka związane z postulowanym algorytmem działań optymalizujących. Wynik jest raportowany na bieżąco z identyfikacją potrzebnych zasobów i czasu,  aby osiągnąć pożądaną relacje efektów do nakładów. Posługując się powyższym przykładem parasolki, ostateczne zalecenie analityki predyktywnej będzie od subiektywnych kosztów, które przypisujemy zmoczeniu ubrania w relacji do niewygody związanej z noszeniem parasoli przez cały dzień. 

Wiesz już wszystko? Proponujemy kolejny artykuł...