Предсказательные транзакции — будущее электронной коммерции

На данный момент «выстреливают» стартапы — Databricks, Snowflake, Confluent, MongoDB, Segment, Looker и так далее. Но уже стремительно наступают такие IT-гиганты, как IBM и Oracle, желающие занять долю рынка, соответствующую их статусу. И это неудивительно, ведь эксперты прогнозируют астрономический рост, отталкиваясь не только от первых данных, но и от самих основ поведения человека. Мы едем с утра на работу и хотим послушать музыку, возвращаемся вечером и желаем посмотреть кино — причём рассчитываем на то, что всесильные алгоритмы сами подскажут идеальные варианты, изучив наши вкусы. Поисковая строка стремительно превращается в анахронизм: искусственный интеллект всё реже ошибается, и всё чаще доказывает нам, что действительно разбирается в наших вкусах.

Вскоре желание, чтобы банк сам предложил подходящий финансовый продукт, а электронный ритейлер привёз набор продуктов, бытовой химии и косметики на неделю без лишних вопросов станет таким же естественным. Кредитные учреждения уже добиваются определённых результатов в этой области, а крупнейшие компании электронной коммерции, как ожидается, предложат свои предсказательные (или предиктивные) модели в ближайшие полтора-два года. Это такой же естественный шаг, как отказ от походов в продуктовые магазины: темп жизни стремительно растёт, и скоро сам факт оформления заказа в интернете будет восприниматься как досадная трата времени.

Пионерами, как уже отмечалось, стали кредитные организации. Santander, крупнейший банк Испании, ещё два года назад запустил соревнование, целью которого было предсказать ту или иную транзакцию, опираясь на «большие данные». Участники должны были правильно ответить на простые, но, пожалуй, самые важные в сфере обслуживания физлиц вопросы: воспользуется ли клиент конкретным финансовым продуктом? Доволен ли он? Сможет ли погасить кредит без просрочек и в полном объёме? Конкурс уже завершился, и Santander поделился лишь самой общей информацией: участвовало около 10-ти тысяч программистов, победитель забрал денежный приз в размере 65-ти тысяч долларов. Детали не раскрываются, так как удачные наработки превратились в реальные бизнес-практики.

В какие именно — можно попытаться предположить на примере конкурентов. Royal Bank of Canada, крупнейший коммерческий банк в Канаде по рыночной капитализации, запустил NOMI Forecast: это раздел в приложении, с высокой долей точности прогнозирующий все доходы и расходы клиента на ближайшие семь дней. При этом функция Find & Save — «Найди и Сбереги» — опираясь на предиктивные технологии даёт пользователю конкретные советы, на чём именно можно было бы сэкономить. Мало того: излишки автоматически направляются на специальный сберегательный счёт с периодической капитализацией процентов. Пользователи Find & Save в среднем экономят 225 долларов в месяц — для большинства это весомая прибавка к семейному бюджету.

Стоит отметить, что «большие данные» сыграли важную роль в запуске этих функций. NOMI Forecast появилась только в сентябре, а в начале года в ходе исследования 2021 Canada Mobile Banking Emerging Features выяснилось, что «хрустальный шар» с расходами и доходами на ближайший период стал бы крайне важным преимуществом более чем для четверти респондентов. Между тем, на тот момент подобный раздел в своих приложениях предлагало лишь два банка из семёрки крупнейших в Канаде, так что RBC успел занять соответствующую нишу ещё до того, как там оказались все конкуренты. В вопросе новых потребительских привычек важно быть первым или одним из первых: достаточно вспомнить Netflix, у которого есть заметные региональные соперники, но на международном рынке даже Amazon и HBO не могут похвастаться столь крупной долей.

Предиктивные технологии помогают и в вопросах кибербезопасности. Например, сингапурский OCBC Bank чуть больше года назад запустил систему отслеживания мошенничества FSS — и уже помог своим клиентам (физическим лицам) уберечь от жуликов более 7-ми миллионов долларов США. FSS анализирует транзакции, аннулируя аномальные или жи возвращая по ним средства в кратчайшие сроки, пока злоумышленники ещё не успели обналичить их. Для глубинного анализа используются все возможные данные: источники доходов, снятие в банкоматах, онлайн-траты, мобильные переводы и так далее. На основе всего этого создаётся профиль клиента, позволяющий выявить несвойственную ему транзакцию ещё до того, как сам клиент подал заявку о возможном мошенничестве.

Над предиктивными технологиями работают и в добывающей промышленности. Vedanta, одна из крупнейших горнодобывающих компаний Индии, ещё в 2016-м году поставила перед собой амбициозную цель: демократизировать предсказания. Смысл в том, что в конечном итоге предиктивные приложения должны делаться по технологии low code/no code, то есть практически без навыков программиста — или вовсе без них. Иначе говоря, индустрии нужен некий «предсказательный конструктор», который можно использовать даже не будучи IT-специалистом. Необходимость подобного инструмента сложно отрицать, ведь здесь проводятся очевидные параллели с ритейлом. Предположим, клиент заказывает примерно одинаковые объёмы сырья — если не произошло фундаментальных рыночных потрясений, он скорее всего повторит заказ, а максимальная автоматизация транзакции лишь повысит его лояльность.

Как уже было сказано, рынок формируется стремительно: речь идёт не только о стартапах — звучат действительно громкие имена. Например, в начале сентября Deloitte и HighRadius подписали договор о стратегическом партнёрстве. Ведущий мировой аудитор в представлении не нуждается, а HighRadius занимается пакетами программного обеспечения для финансовых директоров, в том числе — предиктивными решениями. Среди клиентов — такие крупные компании, как PepsiCo и Sanofi. Человечество с древних времён мечтает о хрустальном шаре предсказаний — и похоже, вскоре он действительно появится благодаря «большим данным» и искусственному интеллекту.