Говоря о мировом тренде Data Science в банках, речь идет о волне решений, которая зародилась в 2013 году и иссякла в 2015 на спаде интереса — из-за завышенных ожиданий к технологии. С 2016 года наблюдается устойчивый рост тренда, однако в новом качестве. Решения стали давать прогнозируемый и повторяемый результат. С этого же момента стала заметна активизация отечественных банков: набираются специалисты, на сцене профильных конференций с первыми пилотами в Data Science появляются первые сторонники диджитализации, а публичные заявления официальных лиц по вопросу Big Data начинают носить не только PR характер.
Впрочем, если следовать инновационной кривой, то речь идет об активности ранних последователей и инноваторов, чего нельзя сказать об инертном раннем большинстве.
Есть несколько объяснений этому. С одной стороны, топ-менеджменту не очевидна целесообразность инвестиций в эту сферу. Ведь зачастую под терминами Data Science и Big Data каждый понимает свое, да и отсутствие открытых отраслевых кейсов на рынке решительности не добавляет. И это понятно: раннее большинство банков не готово инвестировать в то, что не проверено временем. Возможно, сориентироваться в этой сложной теме и ответить на вопрос «пора или нет?» поможет мировой рейтинг банков, которые уже активно инвестируют в развитие Data Science инфраструктуры.
Критерии рейтинга
В рейтинге выделяются следующие пункты:
- Количество выступлений на профильных конференциях с кейсами;
-
Наличие должности или профильного отдела;
-
Количество размещенных вакансий специалистов;
-
Официальные отчеты и публикации;
-
Масштабируются ли наработки на другие регионы и страны, или эксперименты пока локальны;
-
Насколько глубоко проработано дерево специализации отдела в банке.
-
Для рейтинга мы выбрали самые крупные по капитализации банки из шорт-листа World’s Largest Banks 2017, а также решили посчитать индекс отечественных банков, которые были замечены в работе с Big Data.
Высшую строчку занимает Capital One. Характерно, что на своем сольном выступлении на Startup Village 2017 Олег Тиньков назвал этот банк ориентиром в сфере банковских инноваций. Capital One активно инвестирует в развитие инфраструктуры Data Science не только на территории США, но и в Европейском, Азиатском и Тихоокеанском регионах, с общим количеством открытых профильных вакансии 28 (данные с официального сайта Capital One на 28.05.17).
Второе место — JPmorgan Chase, обладает целой плеядой звезд в области Data Science, которые признаны одними из самых влиятельных специалистов в банковской сфере по версии efinancialcareers.com. (Afsheen Afshar - в должности Chief Data Scientist и Graham Gille - руководитель Data Science Research.)
Далее следуют Citi Bank (7), Wells Fargo (9), Morgan Stanley (11), Bank of America (15), BNY Mellon (16), US-Bank (20).
CDO Wells Fargo Чарльз Томас убежден, что у Data Science специалиста в банке нет шансов остаться без работы ни в настоящем ни в будущем.
Второе место в общем зачете стран - Франция.
BNP Paribas (3) является абсолютным лидером Европы по проникновению Data Science. Следом за ним - Crédit Agricole (5) и группа Société Générale (6).
Впрочем, Швейцария, занимающая третье место, не отстает, и на 4-м месте находится банк UBS, у которого в обойме Raghav Madhavan - Chief Data Scientist, которого относят к самым сильным специалистам в этой области.
А Credit Suisse занимает 32 место.
На четвертом месте — Великобритания, где наиболее активными банками стали: Barclays (14), Royal Bank of Scotland (22), HSBC (23) и Lloyds (27).
Россия в общем зачете находится на пятом месте. Сбербанк (17), Tinkoff Bank (21), Альфа-Банк (26). Кроме того, оценивались, но в шорт-лист не попали: Открытие, Райффайзен-банк, ВТБ24, Банк Хоум Кредит и банк «Юникредит».
Канада на шестом месте.
Единственный представитель тихоокеанского региона и седьмое место — Австралия и банки: Commonwealth (18), Westpac (25), NAB (30).
Замыкает список стран-лидеров Испания: Santander (24), BBVA (28).
А как же Азия?
Где китайские банки ICBC, China Construction Bank, China Merchants Bank, Agricultural Bank of China? Где Япония и SMFG, MUFG?
Специалисты одной из ведущих компаний по развитию Big Data в Азии «Global Tone» считают, что, несмотря на появления таких должностей, как Chief Data Officer в банках-лидерах, Data Science носит сейчас больше экспериментальный характер. Причем северо-американские представительства азиатских банков развиваются динамичнее в этом направлении, но проигрывают северо-американским лидерам шорт-листа. Возможно, что это временно, учитывая, что китайская школа данных одна из самых сильных в мире.
Несмотря на активный интерес со стороны крупных отечественных банков, в гонку они включились с задержкой в год-полтора. Это можно связать с тем, что американские банки испытывают куда большее конкурентное давление со стороны финтеха. Поэтому даже гиганты вынуждены двигаться быстрее, становиться клиентоориентированными и эффективными в вопросах принятия решений на основе больших данных.
У нас же эксперименты с автоматизацией процессов через машинное обучение и Data Science носят точечный характер. Отстроенной структуры Data Science отдела с налаженными функциями нет ни в одном отечественном банке, хотя этот этап уже пройден лидерами первой десятки.
Одним из первых потенциал больших данных оценил Сбербанк. С 2015 года этот банк стал инвестировать в инфраструктуру и отделы по работе с Big Data. Андрей Черток, руководитель академии технологий и данных в корпоративном университете Сбербанка, считает, что: «…в Сбербанке экспертиза Data Science становится одной из главенствующих, что предполагает развитие RnD направлений, связанных с анализом данных».
Первые последователи Data-driven парадигмы на отечественном рынке
Действительно, крупные банки более чувствительны к давлению со стороны финтеха, таких еще вчерашних стартапов, как Тинькофф-банк и Рокет-банк (группа «Открытие»). Тех банков, кто изначально был ориентирован на использование данных. Инертность большинства банков в вопросе диджитализации и переходе к так называемой Data-Driven парадигме весьма скоро сыграет с ними злую шутку. Клиенты предпочтут более гибких и комфортных конкурентов. Поэтому сейчас слова из считалочки касаются всех: «Не-ту Da-tы? Вы-шел вон!».