В начале 2019 года Альфа-Банк приступил к масштабному проекту по трансформации своей сети отделений в России. Новая сеть должна учесть изменившиеся потребности клиентов, новые форматы банковских продуктов и услуг и, конечно, быть удобной и комфортной для каждого. Мы хотели бы немного рассказать о том, как наша команда аналитической компании Marketing Logic участвует в процессе трансформации одного из ведущих банков страны. Это может быть интересно, потому что в проекте реализовано много инновационных решений, отвечающих современным вызовам и трендам.
Отделения банков — это то, что не сильно изменилось за последние 10 лет. И речь не только о дизайне интерьера и используемых материалах, неизменной оставалась концепция обслуживания в отделении. За это же время цифровые сервисы прошли очень большой путь, но люди не перестали ходить в отделение — даже очень хорошее цифровое обслуживание не всегда может заменить доверительную беседу в уютной обстановке. Значит, нужно модернизировать отделения так, чтобы они обеспечивали современный клиентский опыт, не уступающий опыту в цифровых каналах. Кто успеет первым — тот выиграет этот рынок. Елена Тятенкова, Руководитель Дирекции развития и трансформации сети
Взгляд в прошлое и будущее Современные финансовые сервисы – это сложные, многокомпонентные решения, а офисы как офлайн-витрина и платформа для этих сервисов должны отвечать сразу множеству требований: от безопасности и удобства до удачной локации, куда клиентам удобно будет приходить. Объём фактов, которые необходимо учитывать при реализации концепции «оптимальной сети», давно выходит за пределы возможностей экспертной оценки.
Наша компания специализируется на решениях в сфере продвинутой аналитики и современных технологических решениях. Поэтому мы смогли предложить для проекта одно из наших решений в области геомаркетинга и анализа больших данных. Используя эти инструменты, банк получил возможность формировать сценарии трансформации текущей сети в оптимальную, варьируя широкий круг переменных от метрик нагрузки на отделения до баланса между инвестициями в отделения и экономической отдачей от них.
Одним из важнейших факторов в такой системе становится учёт геопараметров сети: в каком городе, районе, с каким числом населения, трафиком, транспортом, окружением плюс ещё не один десяток переменных, в том числе внутренних банковских. Если умножить эти вопросы на 400, т.е. количество офисов, и учесть размеры страны, то станет понятен масштаб задачи.
Обычно, говоря о геомаркетинге, люди держат в голове некую карту, где подсвечены лучшие локации для открытия сейчас. Как ни парадоксально, но в этом проекте текущие геоданные ушли на второй или даже третий план. Банк очень хотел учесть опыт прошлого. Например, предыдущие активности по собственной сети. На уровне каждого отделения увидеть все стадии развития, и как на это развитие влияли макро- и микропоказатели в динамике. Посмотреть одним глазом на сети конкурентов в прошлом и, возможно, поучиться на их ошибках.
Для такой задачи нужен большой массив данных, описывающий локации вокруг отделений и общую обстановку в городе/стране в прошлом. Нам понадобились геоданные с 2015 года. Получается, что прошлое нужно для того, чтобы заглянуть в будущее.
Почему не стоит полагаться только на текущую обстановку и почему долгосрочный прогноз так важен? Проект трансформации крупной сети может идти несколько лет в условиях динамично меняющихся внешних факторов. Они могут быть как предсказуемыми, так и не прогнозируемыми «черными лебедями», что подтверждает, например, ситуация с пандемией COVID-19 в 2020 году. Чтобы минимизировать риски, в систему заложили прогноз привлекательности локаций на ближайшие 5 лет, выделив наиболее устойчивые по качеству зоны. Также добавили возможность динамического изменения адресной программы развития на основе поступающих внеплановых факторов. Такой подход поднял общую стабильности программы развития и приоритизировал внимание на зонах с повышенным потенциалом развития на всем сроке трансформационного плана.
Итого, формирование оптимального сценария «перестройки сети» потребовало анализа десятилетнего отрезка: и перспективных, и ретроспективных данных.
Успех сети — это комбинация множества факторов: характеристики офиса, сотрудники, бизнес-процессы, продукты, локации - и трансформация должна учесть их все. Когда мы вели свою часть проекта, коллеги из параллельного стрима показали нам полноразмерный «картонный» прототип отделения, на котором они оптимизировали клиентские потоки и бизнес-процессы. Очень понятный и логичный подход – заранее, с минимальными затратами провести тестирование и оптимизацию и получить максимально готовый к реализации продукт. Мы со своей стороны в проекте использовали аналогичный подход, но без бумаги – создание цифрового двойника отделений и сети.
«Цифровой двойник» — это современный высокотехнологичный тренд работы с данными. Он формирует виртуальную среду, в которой моделируемые объекты представлены с максимальной достоверностью. Такая реализация позволяет проводить неограниченный объём сценарных вычислений, сравнивая их между собой и отрабатывая любые гипотезы экспертов. Единым знаменателем в этих расчётах становится одинаковый для всех отделений цифровой формат данных и цифровая модель сети со всеми её характеристиками, параметрами и финансовыми показателями.
В качестве технологической платформы для создания такого двойника мы использовали наше коробочное решение - сервис Geonet на основе геоинформационной системы Atlas собственной разработки. Этот сервис позволил быстро агрегировать все данные, которые совместная команда банка и Marketing Logic хотели объединить. Вместе мы построили «виртуальную» сеть Альфа-Банка и посмотрели, как каждое изменение отразится на бизнесе, его перспективах и финансовых прогнозах.
Иными словами, система позволяет создавать несколько вариантов развития (можно сказать, разных сценариев будущего) и выбирать лучший на основе детального сравнения ключевых показателей эффективности. Сценарии развития система создавала в автоматическом режиме, маркируя самые лучшие и передавая их в работу экспертам.
В команде банка проект вели высокопрофессиональные сотрудники. И давать им «сырые» решения, которые требуют много времени на корректировку, было бы неправильно. Поэтому очень важен критерий «реалистичности» сценария трансформации. Например, если бы мы выстроили идеальную сеть с идеальными адресами офисов, но там бы не было или почти не бывало помещений под аренду. Или просто была бы маленькая вероятность того, что помещение появится в окно, отведённое в бизнес-процессе на подбор помещения в локации. Решение этой проблемы тоже происходило при помощи концепции «цифрового двойника». Мы моделируем сеть не в «вакууме», а в реальной городской среде.
Система анализирует ретроданные по рынку недвижимости и определяет вероятность появления подходящего по характеристикам помещения в локации в запланированный для открытия период. Такой подход позволяет реалистично оценивать сроки, необходимые для поиска помещений в различных районах, формировать адресный план развития с минимальными изменениями и максимально точно идти по всем стадиям проекта.
Прогноз строится снизу вверх, от самых мелких составляющих к общей экономике сети и доходности банка. Сначала проводятся все расчёты, потом они переводятся в деньги, что даёт возможность оценить каждый компонент и этап с финансовой точки зрения: и вложений, и отдачи. Сразу заводя в систему требования и чек-листы к помещениям, мы получаем реалистичный адресный план развития сети. Все обоснования каждого действия есть изначально, и система даёт реалистичные предложения. Учитывая масштабы финансовой организации, это позволяет экономить несколько месяцев рабочего времени специалистов банка Дмитрий Галкин, Управляющий партнёр Marketing Logic
Модульный подход к формированию оптимального отделения в оптимальной сети Зачастую решения, которые предоставляет геомаркетинг, ограничиваются ответом «хорошая локация/плохая локация». Мы использовали модульный подход к определению формата офисов, учитывая потребности каждого направления бизнеса и требования банка. Нет смысла делать кассу в отделении, где ею никто не будет пользоваться, или зону обслуживания юрлиц в районе, где мало таких клиентов.
С помощью геосервисов и анализа данных мы выявляли объёмные и количественные потребности каждой потенциальной локации для офиса и отталкивались от них. В такой системе должны быть заложены не только варианты «открыть офис/закрыть офис», но и многие другие: переформатировать, добавить функций или убрать часть из них, увеличить штат, сократить его или изменить его профиль или мотивацию. Отдельный и важный пункт – это долгосрочное планирование сети с учётом новейших цифровых каналов взаимодействия с клиентами. Такие каналы меняют бизнес-процессы и требования к ёмкости и формату сети.
Система Geonet воспринимает офис как совокупность модулей, объединённых в единую финансовую модель. Отсюда рекомендации не просто по отделениям, а по отдельным модулям, сотрудникам, площадям и другим параметрам, с детализацией, которую хочет видеть банк. Трансформация сети учитывает цифровую экосистему, банкоматы и новые форматы офисов как способы поддержки и обслуживания. Проще говоря, мы идём от продукта и набора функционала к наполнению офиса в рамках принятой банком концепции phygital.
Marketing Logic в течение 5 лет развивает геосервисы и аналитику больших данных, но даже с учётом нашего опыта и сложных кейсов в портфолио задачи, поставленные Альфа-Банком, – это, прямо скажем, нетривиальный опыт. Новейшая концепция phygital, обширная сеть офисов и желание банка опередить рынок – это определённый вызов для любой команды. Такая стратегия определяет масштаб и сложность задач, стоящих перед нами, проектом и сотрудничеством. Учитывая технологические тренды, развитие гео- и AI-решений, можно уверенно говорить о том, что за этим подходом будущее, причём не только в финансовой сфере, и нам приятно быть у его истоков в России Дмитрий Галкин, Управляющий партнёр Marketing Logic
AI и Big Data в управлении сетью – это новый стандарт? Мы постарались максимально просто описать сложный процесс трансформации сети отделений с привлечением новых инструментов, решений и подходов. Мы уже говорили о том, что переменных и данных для анализа такое количество, что ни один человек в мире не способен обрабатывать их все вместе и оценить их влияние друг на друга. Для повышения точности прогнозов мы загружаем максимально возможное количество данных – это петабайты информации. В системе, разработанной для банка, работает 18 прогнозных моделей, каждая в своей зоне ответственности.
При формировании оптимального футпринта развития, мы помогли банку рассчитать более 21 миллиона альтернативных сценариев трансформации. В этом проекте нам очень пригодился наш многолетний опыт работы с системами и элементами искусственного интеллекта и опыт встраивания наших решений в реальные бизнес-процессы. Даже идеальное решение, не адаптированное под давно существующие процессы клиента, создаёт конфликт между машинной логикой и экспертом. А решение, выполненное с учётом тщательного изучения предыдущего опыта, существующих бизнес-процессов компании (и уважения к ним, что немаловажно), наоборот создаёт среду для их совместной работы. Это даёт дополнительный синергетический эффект и повышает точность.
Мы отдаём себе отчёт в том, что лет через 5 такие проекты будет делать проще, более того, это станет новым «традиционным способом», но если ты хочешь быть первым, то лучше не ждать.