`

СПЕЦИАЛЬНЫЕ
ПАРТНЕРЫ
ПРОЕКТА

Архив номеров

Как изменилось финансирование ИТ-направления в вашей организации?

Best CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

Аналитика как рычаг реформирования масштабных почтовых операторов

Не утихают дискуссии по поводу реформирования «Укрпочты». Бесспорно, единственный в Украине государственный оператор почтовой связи уже давно нуждается в модернизации.

Реструктуризация повлечет за собой создание единой системы закупок, единой системы их контроля и единой системы управленческого учета. На мой взгляд, «Укрпочта» имеет все шансы превратиться из государственного предприятия в конкурентоспособного игрока рынка. Примером тому национальные почтовые операторы Swiss Post, Deutsche Post, DHL, La Poste, Poste Italiane и т.д. В Украине эта задача вполне выполнима, но для этого нужен не только опытный кризис-менеджер, но и современные ИТ.

Как почтовые операторы решают подобные задачи за границей? Приведу пример клиента SAS, «Почтовой службы Канады». Используемая канадцами на базе мейнфреймов система имела существенные ограничения, как по объему обрабатываемых данных, так и по скорости и функциональности. Ее модернизация была нереальна, возможности сильно ограничены и не соответствовали потребностям оператора, а расходы на поддержку постоянно росли. Внедрив аналитику SAS и построив систему оценки качества обслуживания, «Почтовая служба Канады» наладила эффективную работу с информацией. В результате организация вывела на принципиально новый уровень планирование ресурсов и управление качеством предоставляемых услуг, получила набор инструментов для детальной оценки эффективности своей работы.

В получаемых отчетах о качестве работы почтовых сервисов содержатся сведения о наилучших и наихудших показателях, а также о параметрах, которые необходимо улучшить. Анализируя эту информацию, сотрудники «Почтовой службы Канады» могут принимать корректирующие меры по соответствующим направлениям, продуктам и услугам и планировать мероприятия по повышению эффективности работы предприятия.

И если раньше на создание отчета уходило от 10 до 30 минут, в зависимости от его сложности, то с внедрением системы SAS эта задача решается максимум за 15 секунд. Кроме того, уходило от 30 минут до трех часов на скачивание данных для форматирования и подготовки отчета в Excel, в то время как в новой построенной на SAS системе экспорт данных в HTML, Excel и PDF происходит практически мгновенно.

Что особенно важно – отчеты позволяют оценить качество почтовых услуг с учетом корпоративных стандартов на каждом из уровней детализации – национальном, региональном, городском, а также по конкретной почтовой станции или отделению. Это позволяет быстро находить узкие места и устранять проблемы на любом этапе – от приема груза до его доставки.

Благодаря SAS, «Почтовой службе Канады» удалось построить интегрированную комплексную инфраструктуру для поиска и анализа данных, позволяющую контролировать и улучшать качество обслуживания клиентов при соблюдении различных ограничений – по бюджету, персоналу, техническому оснащению и другим ресурсам.

Эффективные решения и информированность сотрудников способствуют повышению качества обслуживания клиентов и рентабельности государственной почтовой службы – тезис совершенно очевидный, как мне кажется.

Однако реформируя государственные предприятия сегодня, нужно сохранить лояльность имеющихся клиентов, так как на рынке присутствуют и другие почтовые операторы. Для этого необходимы соответствующие аналитические инструменты, которые сделают обслуживание простым и приятным, а стоимость услуг – в разумных пределах. Успешных примеров реализации этого в мировой практике предостаточно.

О патрульной полиции и бизнес-аналитике

Согласно опросу Киевского международного института социологии, 80% киевлян довольны работой новосозданной пaтpульнoй пoлиции. Мало того, 45% жителей города почувствовали улучшение ситуации с безопасностью на дорогах, а 96% респондентов связывают это с наличием патрульной полиции.

Эти оптимистичные данные подкрепляются официальной статистикой МВД — так, по данным, предоставленным на запрос издания Тиждень.ua, в пepиoд c июля пo oктябpь 2015 г. в Киeвe зaфикcиpoвaнo 11 836 ДТП, пpoтив 13 644 ДТП зa aнaлoгичный пepиoд пpoшлoгo гoдa. В июлe общее кoличecтвo пpoиcшecтвий нa дopoгaх cнизилocь нa 3%, a уже к oктябpю — упaлo нa 50%. Можно утверждать, что первичный кредит доверия общества был оправдан. А что дальше?

Нужно понимать, что следующим этапом трансформации работы правоохранительных органов и полиции в частности должна стать модернизация технологической базы ведомства. Не секрет, что многие оперативные процессы сегодня все еще выполняются вручную, большинство рабочих моментов до сих пор фиксируются на бумаге — это занимает очень много времени и зачастую приводит к совершению ошибок. Кроме того, из-за отсутствия интеграции внутренних систем полиция часто не может проводить более глубокий анализ, готовить отчетность на должном уровне и принимать оперативные решения.

Основываясь на опыте использования аналитических приложений SAS, которые внедрены в департаментах полиции многих стран мира, на мой взгляд, нашей полиции также важно создать единое информационное пространство. Допустим, при помощи сегодняшних информационных технологий собрать все имеющиеся данные не составит труда. Однако нужно понимать, что это огромный массив информации и полученные данные необходимо где-то хранить, защищать, при этом грамотно распределяя права доступа к ним. Интегрированная аналитическая платформа SAS Memex может стать ключевой технологической платформой в этом процессе, и, что немаловажно, поможет без сложных иерархических слияний и изменений кадрового состава объединить силовые ведомства, причем как местные так и государственные органы, соблюдая при этом внутренние политики и регламенты, а также национальные интересы. При этом платформа дает возможность интегрировать данные между другими платформами различных поколений, что крайне важно для наших реалий, учитывая разрозненность ИТ-инструментов, которые применяются в правоохранительных органах сегодня.

Кроме того, SAS Memex предназначен для оперативной работы полицейского, другими словами, это инструмент для ежедневной отчетности, аналитики и принятия решений. Уникальность этой аналитической платформы заключается в наличии визуализации связей между объектами и возможности отслеживания многоуровневых связей, вплоть до 20-го уровня. Очень часто человек не способен физически увидеть глубину связей тех или иных документов, и когда он что-то упускает из виду в банковской деятельности или в страховании, то это чревато убытками, а когда речь идет о национальной безопасности — то это касается жизней людей. Платформа помогает патрульным быстро и эффективно получить ответы на любые запросы из центральной базы данных, которая обогащается силовыми и правоохранительными ведомствами. Например, как это работает в Великобритании — полицейские подключаются удаленно с мобильных устройств к SAS Memex, патрулируя футбольные матчи, таким образом можно выявить потенциально опасного человека, провести досмотр вплоть до недопущения его на стадион. При этом система обрабатывает метаданные (данные о данных или информация об информации), не образы, не фотографии и не текстовую информацию.

Причем эта платформа обладает очень гибкими и простыми настройками, таким образом, сотрудники МВД смогут настраивать систему самостоятельно, без привлечения внешних экспертов.

Безусловно, мы не сможем перенести опыт той же Великобритании или США в Украину, потому что у нас другие реалии и исторические предпосылки, но мы можем предоставить аналитический инструментарий, опробованный департаментами полиции по всему миру, который однозначно повысит эффективность работы украинских силовых структур, а, следовательно, и общую безопасность, в том числе и на дорогах.

О сегментации клиентов в ритейле

Колоссальные изменения в привычках потребителей, которые произошли в течение последних лет, значительно влияют на традиционный оплот большинства ритейлеров – базу их лояльных клиентов.

Располагая доступом к дополнительной информации, личным автотранспортом и множеством вариантов совершения покупки, потребители стали менее постоянными, ими сложнее управлять с точки зрения традиционных маркетинговых инструментов. Программы лояльности в настоящее время уже являются нормой, и количество подобных карт в кошельках клиентов продолжит расти. Ритейлеры ищут правильное сочетание бонусов и без ущерба маржинальности предложений для своих клиентов, сталкиваясь при этом с очередным вызовом – сделать свои программы максимально отличными от конкурирующих.

Для того чтобы повысить эффективность программ лояльности, розничным сетям необходимо знать основные сегменты покупателей и те преимущества программы, которые резонируют с каждым сегментом, а иногда и микросегментом. Согласно результатам совместного исследования компании SAS и Kellogg School of Management (апрель-июнь 2014 г.), всех покупателей можно разделить на три группы в зависимости от их отношения к процессу совершения покупок:

  • Покупатели по необходимости. Поход по магазинам для них не считается приятным временем препроводждения. Они стремятся откладывать саму покупку как можно дольше.
  • Покупатели-практики. Им нравится ходить по магазинам, они получают удовлетворение от процесса.
  • Покупатели для удовольствия. Делают покупки для развлечения, как правило, для этого им не нужен повод. Они меньше всего заинтересованы в практической стороне совершения покупок.

Выстроив сегментацию клиентов таким образом, можно разработать максимально выгодную программу лояльности, подходящую под каждого покупателя. Аналитические инструменты при этом позволяют выстроить более эффективные коммуникации с ним, направленные на увеличение суммы среднего чека, частоты покупок или оборота – в зависимости от конкретной задачи, стоящей перед бизнесом.

Нужно признать, что программы лояльности сегодня уже не являются конкурентным преимуществом того или иного ритейлера, скорее наоборот – они уже ожидаемы потребителями. Это исследование дает представление о том, как структурировать систему бонусов и выгодных предложений для этих трех различных типов покупателей.

Приведу несколько подсказок, которые предлагаются ритейлерам в этом исследовании:

  • Изучите весь предыдущий опыт своих клиентов, прежде чем перейти к разработке программы лояльности. Хорошая программа лояльности не будет компенсировать сервис ниже среднего или плохое качество продукции.
  • Учитывайте пол, а также другие демографические показатели при построении программы лояльности. Мужчины и женщины по-разному относятся к походам в магазин, это касается и покупателей из разных возрастных групп.
  • Инвестируйте в понимание своей клиентской базы и того, что ценно для ваших клентов. Успешные программы лояльности учитывают именно специфические потребности покупателей.
  • Не избегайте традиционных каналов взаимодействия, но и не забывайте про социальные сети. Взаимодействуйте с вашей аудиторией через те каналы, которые она предпочитает.
  • Не нужно идти в ногу с лидерами рынка. Вместо этого сосредоточьте свои усилия на создании программ лояльности, основанных на общем опыте именно ваших клиентов и развитии отношений с ними, учитывая их специфические запросы и потребности.
  • Поставьте конкретные цели для своей программы лояльности – например, за год увеличить количество держателей карт с 250 до 500 тыс. человек.

Универсальный солдат

В опросе Forrester Research, который недавно попался на глаза в  материале KMWorld, отмечается, что организации используют лишь 25% своих неструктурированных данных в процессе принятия решений, что же касается структурированных - тут показатель доходит до 35%.

Одной из причин этой разницы, по словам аналитиков компании, является то, что неструктурированные данные намного сложнее анализировать и интерпретировать.

Безусловно, текстовая аналитика включает в себя немало этапов работы с информацией, начиная с доступа к источникам данных, их добычи и обработки, проведения продвинутого статистического анализа, и заканчивая интерпретацией и обогащением. Тем не менее, судя по запросам наших клиентов, я вижу, что все больше и больше компаний сегодня понимают ценность такого анализа и готовы принять этот вызов.

Текстовая аналитика широко используется в маркетинге и исследованиях рынка, мониторинге СМИ, финансовом секторе, госсекторе и правоохранительных органах в частности, помогая решать множество задач, стоящих перед организациями сегодня.

Скажем, один из клиентов SAS, компания Lenovo, - крупнейший в мире производитель ПК, с объемом продаж 60 млн устройств в год, от ноутбукв до рабочих станций и серверов. Чтобы быть на волне инженерных инноваций, около двух лет назад Lenovo запустила программу, которая при помощи текстовой аналитики помогает извлекать ценность из отзывов потребителей, получаемых с разных площадок. А это огромный массив неструктурированных данных: ответы на опросы, блоги, форумы, обзоры продукции, записи в системе CRM и социальные медиа.

Lenovo использует инструментарий текстовой аналитики SAS (SAS Text Miner, SAS Sentiment Analysis Studio и т.д.) для анализа информации из 50 различных каналов. Компания сосредоточилась непосредственно на сборе и анализе обратной связи. Так, после одного из изменений дизайна клавиатуры ноутбука обнаружилось, что клиенты не реагируют положительно на это нововведение. Благодаря текстовой аналитике удалось построить «мост» между производителем и потребителем, и точно определить «точку разочарования». Эта информация была предоставлена ​​инженерной команде, которая выпустила новое поколение клавиатур с учетом пожеланий потребителя. И это, можно сказать, была информация именно из первых уст. Другими словами, производство продукции было осуществлено не по задумке инженеров, а на основании пожеланий потребителей.

Сегодня я наблюдаю тенденцию повсеместного применения текстовой аналитики. Так, при помощи этого инструмента компании, использующие решения SAS, контролируют качество своей продукции, управляют клиентским опытом, обеспечивают безопасность, как в рамках одного предприятия, так и целых государств, обнаруживают мошенничество, анализируют общественное мнение и т.д. Одним словом, текстовая аналитика сегодня – это универсальный солдат в мире неструктурированных данных.

Аналитика поможет упростить процесс пересечения зоны АТО

Пару недель назад в Украине начала действовать система электронного оформления заявок на получение разрешения для пересечения линии соприкосновения в зоне АТО.

Долгожданный ресурс призван сократить сроки рассмотрения заявок (по закону положено до 10 дней, а по факту этот процесс сегодня занимает до нескольких месяцев) и улучшить качество проверок, а также преодолеть коррупцию при оформлении и выдаче разрешений, сделав этот процесс более прозрачным и понятным для заявителей.

Интересен также не столько сам факт запуска этого ресурса, как статистика СБУ касательно количества поступивших, обработанных или находящихся в работе заявок, а также количество выданных разрешений или отказов. Но, даже если взять во внимание количество заявок, поступивших за первые 3 дня (по информации пресс-центра СБУ - более 26 тыс.), возникает вопрос – а будут ли они обработаны за положенные по закону 10 дней? Ответ на этот вопрос покажет, что запущенный ресурс – лишь верхушка айсберга масштабной информационно-аналитической системы. Безусловно, практически любой новый ИТ-ресурс должен пройти процесс тестирования и адаптации. Однако информационная система государственной важности должна работать, как швейцарские часы. Тут нельзя полагаться на волю случая, ведь иногда от ее работоспособности могут зависеть жизни граждан Украины.

Учитывая почти 40-летний опыт компании SAS по работе с госструктурами в разных странах мира, я убежден, что в данном случае СБУ необходимо внедрить высокопроизводительную аналитическую платформу. Такая система сможет не только аккумулировать терабайты разрозненных данных, поступающих из заявок (их, кстати, можно подавать как по обычной, так и по электронной почте, либо заполнить бланк и бросить его в специальный ящик в координационных центрах), но также хранить и анализировать эти данные при работе в каждом последующем случае. Очевидно, что СБУ сегодня необходим мощный ресурс, способный справиться с наплывом поступающих в систему данных, и имеющий при этом многоуровневую систему защиты, а также распределение прав доступа к ней и аналитический функционал. Такое решение должно быть интегральной составляющей общенациональной системы по борьбе с терроризмом, а возможно и ее основой.

Что бы мог предложить SAS, учитывая наш многолетний и глобальный опыт? Ниже опишу некий общий, но типичный сценарий. Допустим, поступила очередная заявка. При введении заявки в систему ей присваивается уникальный номер, который служит идентификатором при дальнейшей работе с заявителем. Кроме того, в систему интегрированы базы данных, по которым можно проводить проверки человека относительно его места работы, проживания, родственников, его связей, административных штрафов, нарушений и т.д., причем часть этих проверок происходит автоматически. Если бы для обработки этой заявки использовался SAS Memex, то время на принятия решения по ней как раз заняло бы у СБУ положенные по закону 10 дней. Допустим, если заявитель получает отказ, соответствующее уведомление высылается ему напрямую. Если же первичный допуск есть, его дело передается следующим сотрудникам, которые отвечают за проверку въезда-выезда и могут находиться в разных ведомствах. Далее эта информация поступает в пограничную службу, которая вносит ее в систему, и когда заявитель пересекает линию соприкосновения, у него уже есть на это электронное разрешение, находящееся в системе. Если такой процесс правильно автоматизирован, то сроки рассмотрения пропусков уменьшаются, и нагрузка на оперативные службы тоже снижается. При этом система работает на высокопроизводительной аналитической платформе, что гарантирует ее надежность и жизнеспособность.

В существующих условиях украинские силовые структуры имеют отличную возможность провести технологическое перевооружение в части ИТ-систем, а именно по организации и работе с данными. Что немаловажно, эти процессы могут послужить стимулом к определенным изменениям подходов в работе спецслужб и полиции.

Опыт наших клиентов показывает, что внедрение продвинутых аналитических инструментов повышает эффективность работы правоохранительных органов при борьбе с террористами, нелегальными мигрантами, оборотом оружия, криминальными преступлениями. Ущерб от вышеперечисленных рисков в сумме возможных потерь может в сотни, а возможно и в тысячи раз превысить инвестиции, необходимые для развития продвинутых ИТ-систем сегодня во избежание кризисных ситуаций в будущем.

Предупредить или бороться с последствиями?

Как и многие киевляне, я с тревогой следил за пожаром на нефтебазе под Васильковом. К сожалению, приходится констатировать, что эффективность предупреждения аварий на особо опасных объектах у нас все еще находится на крайне низком уровне. Почему так происходит?

В нашем обществе все еще жива парадигма «реагировать на событие». В то время как сегодня прогнозирование и предупреждение отказа оборудования, вероятности аварии, поломки, преступления и т.д. – общемировая практика. И одним из возможных способов повышения безопасности любого производства или объекта является внедрение информационно-управляющих систем, ориентированных на выполнение процедур диагностики текущего состояния. Это особенно важно, если речь идет об опасных для здоровья и жизни граждан объектах.

А сколько в Украине таких предприятий, которые не готовы к техногенным катастрофам? Речь идет о внедрении качественной системы риск-менеджмента, независимо от размера объекта – будь то масштабное производство или та же нефтебаза. Без аналитики процесс управления рисками будет очень трудоемким, и его качество нельзя будет гарантировать. Сразу хочется отметить, что ERP, CMMS, EAM и MES-системы не предназначены для решения аналитических задач. Прогнозирование аварий и их последствий предполагает наличие сложных математических статистических моделей . Среди основных компонентов этой системы - факторный анализ состояния безопасности работы, управление надежностью объектов инфраструктуры, автоматизация оценки безопасности работы, автоматизация управления надежностью объектов инфраструктуры и т.д.

Исследования SAS показывают, что запуск программы прогнозного технического обслуживания обеспечивает, в среднем, следующий экономический эффект:
• Увеличение ROI в 10 раз
• Снижение стоимости техобслуживания: 25% - 30%
• Снижение числа отказов: 70% - 75%
• Снижение времени простоя: 35% - 45%
• Увеличение производительности: 20% - 25%

Также нужно понимать, что операционные риски не всегда очевидны, так как связаны с широким набором факторов - от несовершенства бизнес-процессов и ошибок сотрудников до природных катаклизмов и отказов ИТ-систем. Как правило, большинство инцидентов происходят не по причине технических неполадок - по нашим данным, в 60% случаев убыток возникает в результате неадекватных или ошибочных процессов. Чтобы эффективно ими управлять, необходимо понимать источники рисков, их причины, последствия и сумму соответствующих потерь. Правильная оценка рисков помогает при разработке конкретных рекомендаций и мер, направленных на повышение уровня безопасности, минимизацию негативных последствий или предотвращение реализации риска вовсе. Поэтому важно, чтобы управление операционными рисками было интегрировано в повседневные процессы менеджмента на всех уровнях организации. Для этого нужно правильно выстроить все рабочие процессы и организовать единую систему сбора, хранения и анализа информации. В этой связи необходимо применение качественной аналитики всеми субъектами, задействованными в контроле объектов, представляющих повышенную опасность.

Такие инструменты окупаются за счет снижения потерь от реализации рисков примерно за год-два после завершения полноценного внедрения. При этом в разы увеличивается уровень безопасности самого объекта, что крайне важно, учитывая текущие события в Украине.

Инструменты anti-fraud в режиме реального времени

Несколько дней назад в блоге одного из редакторов портала MarketWatch я натолкнулся на описание одной интересной с точки зрения аналитики ситуации.

Редактор описывает, как прогуливаясь по торговому центру, он получил SMS от своего банка с просьбой подтвердить снятие $300 с его карты, транзакция состоялась 8 минут назад. Так как он не снимал указанную сумму, он сразу же связался со своим банком по телефону. В ходе разговора с одним из банковских аналитиков из отдела по обнаружению мошенничества его аккаунт был временно заблокирован, было начато расследование по факту хищения, оформлена новая дебетовая карта и возвращены похищенные $300. Его также попросили изменить свой ПИН-код. Весь процесс - мошенничество, текстовое оповещение и телефонный разговор с представителем банка – длился около 15 минут. Казалось бы – высокий уровень сервиса и продвинутое ПО, ничего необычного для США. Однако гораздо интереснее то, что в это время происходит за кулисами, на серверах банка. Как работает обнаружение подобных попыток мошенничества?

Так как инструменты по обнаружению и предотвращению мошенничества – один из коньков компании SAS, постараюсь кратко изложить его суть. Когда клиент набирает свой ПИН-код в банкомате и нажимает клавишу, чтобы получить нужную ему сумму, защитная программа банка проверяет его подпись. Я сейчас имею в виду не написанные от руки буквы на обратной стороне кредитной карты. Эта «подпись» является вашим поведенческим профилем, который был создан при помощи аналитических инструментов за определенный период, скажем, за 12 месяцев вашей финансовой активности. Эти данные были обработаны и аккумулированы в таком формате, чтобы была возможность проверить их в течение нескольких миллисекунд. Каждая транзакция потом оценивается по шкале риска от 1 до 999 скоринговых балла.

Что ж на самом деле представляет собой эта «подпись»? «Нейронная сеть» решения anti-fraud постоянно изучает особенности вашего поведения, запоминая, где, когда и сколько вы тратите. И когда вы, ранее не покидавший пределы, скажем, Киева, вдруг идете по магазинам в Катовице, это поведение расценивается как подозрительное и система выдает предупреждающий сигнал. Система также распознает то, как вы входите в свой онлайн-банкинг, и осуществляете навигацию по экранному меню. Ваша подпись, например, может включать в себя тот факт, что вы используете левую клавишу переключения на клавиатуре, чтобы ввести заглавную букву вашего имени, и что это занимает у вас 6 секунд. И если вы вдруг нажмете правую клавишу переключения и залогинитесь за 12 секунд, то системе было бы разумно задаться вопросом, действительно ли вы это вы.

Современные аналитические инструменты класса anti-fraud также способны помочь банку отличить реальных людей от вредоносных программ для похищения банковской информации, которые, как правило, более методичны при нажатии клавиш.

Справедливости ради стоит отметить, что ни один алгоритм не совершенен, и при попытке обнаружения мошенничества многие операции, которые программа помечает как сомнительные, оказываются совершенно законными. Отраслевым стандартом является то, что для выявления одной мошеннической транзакции придется побеспокоить в среднем 5-6 добропорядочных пользователей банковских карт. Однако банки готовы идти на это, чтобы обезопасить своих клиентов.

Мне эта история показалась обнадеживающей, и я надеюсь, что в скором времени такие мировые стандарты будут внедрены и в украинских банках.

Снизить процент мошенничества в ЖКХ

Повышение цен на жилищно-коммунальные услуги стартует уже в этом месяце, а новая система субсидирования заработает с мая. И это дополнительная нагрузка на государство, причем, не только прямая бюджетная.

Согласно расчетам Министерства ЖКХ, выделенные правительством средства смогут покрыть потребности 4 млн семей. Учитывая, что в каждом домохозяйстве проживает в среднем три человека, то субсидирование охватит не менее 12 млн. украинцев. В итоге сумма за оплату предоставляемых услуг уменьшится, а количество потребляемых ресурсов останется тем же, что выльется в дополнительные расходы для государства.

Кроме того, процедура получения субсидии открывает новые возможности для мошенничества, что также ляжет на плечи государства. Ведь не поставщик услуг пострадает от недобросовестных граждан, разницу в сумме тарифа покрывает государство, у которого и без этого достаточно насущных задач. Основной критерий для получения субсидии сейчас – это доходы семьи. Пока наши граждане еще не разобрались со всеми тонкостями новой системы субсидирования, да и основная нагрузка начнется в октябре, когда стартует новый отопительный сезон. До этого времени я предполагаю волну обсуждений этого вопроса на разных интернет-площадках, в том числе и со стороны потенциальных мошенников, которые уже в следующем году смогут воспользоваться наработанными за этот период схемами.

В свою очередь, государство намерено проверять заявителей и ввести меру наказания для тех, кто предоставил недостоверные данные о своих доходах – штрафовать в размере, в два раза превышающем полученную субсидию. Однако для того, чтобы проверить всех заявителей, требуется много времени и ресурсов. Совершенно очевидно, что проконтролировать всех невозможно и проверки будут делаться выборочно. На основании чего? Скорее всего, будут проверять домохозяйства, претендующие на большие суммы субсидии, что не всегда правильно. Ведь неизвестно, в каком из сегментов относительно суммы субсидии есть мошенники. Получается, что эффективность мероприятий снижается, а государство, помимо того, что несет убытки от мошенничества, вынуждено тратить дополнительные ресурсы на его выявление и противодействие. Еще один немаловажный вопрос – как рассчитать эффективность потраченных средств?

На мой взгляд, для решения этой задачи необходимо использовать инструменты углубленной аналитики SAS, с помощью которых можно провести сегментацию всей базы заявителей, выявить скрытые закономерности и неочевидные связи и на основании этой информации построить профиль потенциального мошенника. Если сейчас можно угадать до 20% недобросовестных заявителей, то, применяя бизнес-аналитику, можно построить так называемую Fraud Detection Model, по которой можно выявлять до 80% случаев мошенничества. Международная практика показывает, что в основном мошенничество кроется в сегменте небольших сумм субсидий, так как риск тут минимален и в случае чего штраф будет не столь значительным – все это тоже можно проверить на практике, используя математическое моделирование. Кроме того, в проверки можно включить и геолокацию. Применение технологий по выявлению скрытых связей поможет также предотвратить и внутреннее мошенничество, когда сами контролеры являются частью мошеннической сети.

По словам премьер-министра, государство предусмотрело в бюджете 24,5 млрд грн на субсидии в ЖКХ. Какой тут процент мошенничества? По опыту зарубежных организаций, занятых в сфере разного рода социальных выплат, – в среднем до 15%. А стоимость внедрения аналитических решений для предотвращения мошенничества обойдется в менее 0,1% от этой суммы. Готово ли государство инвестировать в продвинутые аналитические инструменты сегодня, чтобы предотвратить убытки завтра?

Стратегия «win – win»: аналитика для телекома

Cтопроцентное проникновение мобильной голосовой связи в странах Европы приводит к снижению доходов от этого вида услуг и заставляет операторов искать альтернативу традиционным бизнес-моделям.

Сегодня фокус потребления смещается в сторону мобильной передачи данных, а голосовая связь перестает быть основной услугой и в Украине. Скажем, согласно данным «Киевстар», по итогам 2014 г. объемы потребляемого трафика мобильного Интернета в сети провайдера в Киеве увеличились на 90% по сравнению с 2013 г. Как следствие, перед операторами встает новая комплексная задача: с одной стороны, необходимо с должным уровнем качества удовлетворять растущие потребности абонентов в доступе к услугам передачи данных, а с другой – сохранить позиции на рынке, поддерживая уровень своей прибыли на докризисном уровне. Украинский рынок голосовой связи уже насыщен, три оператора достаточно жестко конкурируют, и привлечение новых абонентов обходится все дороже. Проблема удержания абонентов всегда остро стояла перед телекоммуникационными компаниями, а в скором будущем может обостриться и потребовать дополнительных расходов ввиду внедрения долгожданного 3G. Операторам необходимо будет не только построить новую инфраструктуру, но и заплатить за лицензию регулятору, что повлечет существенные инвестиции.

В этой ситуации инструменты бизнес-аналитики могут оказаться крайне полезны. Область использования аналитических моделей в телекоме весьма широка – от целевого маркетинга до оптимизации затрат. Так, одно из наиболее востребованных в телеком-отрасли решений – SAS Marketing Automation – предназначено для управления маркетинговими кампаниями и автоматизации этого бизнес-процесса. Инструментарий клиентской аналитики помогает измерять клиентский опыт и эффективно управлять им, отслеживать поведение абонента в сети, прогнозировать вероятность оттока и т.д. Это позитивно влияет на достижение стратегических целей оператора и помогает оперативно принимать управленческие решения. Например, разрабатывать целевые маркетинговые кампании с учетом потребностей конкретного абонента. Кроме того, благодаря имеющимся инструментам бизнес-аналитики, можно корректировать стратегию по развитию дополнительных сервисов и гарантирования получения дохода уже сегодня, вне зависимости от ситуации на рынке.

Телекоммуникационные компании по всему миру давно и успешно выстраивают стратегии получения дополнительного дохода при помощи продвинутых аналитических инструментов. В качестве традиционного примера – австрийская компания Telekom Austria Group, этот оператор обслуживает более 2,4 млн. абонентов фиксированной связи и 15,4 млн. пользователей мобильной связи. В Австрии комиссия Telecom Control Commission следит за уровнем тарифов, обеспечивая другим операторам возможность предлагать продукты и услуги по конкурентным ценам. Следовательно, перед Telekom Austria стояла задача разработать ставки и тарифы, обеспечивающие их привлекательность для клиентов и прозрачность для регулирующих органов. Ранее оператор обходился Excel, но теперь ему понадобилось проводить расчеты на более детальном уровне. Для Telekom Austria решение заключалось в реализации надежной модели функционально-стоимостного анализа. Внедрение SAS Activity-Based Management позволило провайдеру проанализировать распределение расходов, используя данные из любых источников. Эта информация стала также доступной и для регулирующих органов, которые теперь могут убедиться в достоверности модели распределения, получая доступ к сводной или полной информации одним нажатием кнопки.

В итоге Telekom Austria разработала модель в соответствии с национальными нормативами, при которой абонент оплачивает все (прямые и распределенные) издержки. Используя SAS, оператор смог быстро визуализировать, как распределяются расходы и итоговые результаты расчетов, что обеспечило прозрачность и контролируемость – основные требования для эффективной оценки и быстрого выхода на рынок. Таким образом, Telekom Austria превратила соблюдение нормативных требований в свое маркетинговое преимущество при помощи углубленной аналитики.

Cоциальное окружение и выявление мошенничества в финансовом секторе

В неспокойные времена количество попыток мошенничества лишь увеличивается, а сами злоумышленники становятся более ловкими и осторожными. А ведь такой вид преступлений не только наносит серьезные убытки финансовым учреждениям, но и подрывает доверие населения к самим кредитным учреждениям, уровень которого и так достиг почти исторического минимума в связи с текущими событиями в стране.

Очевидно, что для предотвращения подобных угроз финансовым организациям необходимо выявлять преступников на ранних этапах. Однако традиционные схемы противодействия мошенничеству сегодня малоэффективны, так как мошенники постоянно изобретают новые способы. Решение подобных задач находится в плоскости углубленной аналитики, а именно в математических и статистических методах анализа информации. Среди них – продвинутый метод выявления сложных мошеннических схем на основе анализа социального окружения Social Network Analysis (SNA). Учитывая многолетний опыт SAS в этой сфере, можно утверждать, что в последнее время практически ни одна разработка в области противодействия мошенничеству не продемонстрировала такого потенциала, как SNA.

Но для начала стоит разобраться с терминологией. Традиционно словосочетание «анализ социального окружения» наводит на мысль о популярных социальных сетях Facebook, Twitter и т.д. Однако SNA охватывает более широкий круг понятий и базируется на сложном математическом аппарате, позволяющем не только строить сеть связей, но и рассчитывать ее показатели, автоматически выявляя скрытые сообщества.

Как же работает SNA? Этот метод основан на построении сети взаимосвязей между объектами. Если некая персона уже была ранее связана с выявленными случаями мошенничества, при этом, возможно, и не напрямую, то это уже основание подозревать, что этот человек тоже может быть вовлечен в мошенническую сеть. Как известно, большинство серьезных мошеннических преступлений в банках происходят при содействии самих банковских сотрудников. Мы полагаем, что два человека связаны, если их объединяет какая-то общая характеристика или общее действие. Например, они связаны между собой, если у них общий адрес электронной почты, залоговое имущество или номер телефона.

Визуализация сети социальных связей позволяет сразу определить группу потенциальных мошенников и предотвратить неблагоприятный сценарий развития событий для финансовой организации. SNA позволяет выявлять организованные мошеннические группы, видеть ротацию средств между счетами внутри нее и прогнозировать возможные дефолты, как ее отдельных членов, так и всей группы в целом, а также не допускать выдачу кредита ее новым членам.

Результатом использования метода SNA является повышение эффективности процесса проведения расследования, а также увеличение объема обнаруженного мошенничества. Что касается выгоды, то это экономия операционных расходов и снижение потерь, причем как финансовых, так и репутационных.

 
 
IDC
Реклама

  •  Home  •  Рынок  •  ИТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Сети  •  Безопасность  •  Наука  •  IoT