ВТБ первым на рынке разработал и внедрил инструмент бизнес-аналитики для измерения производительности своих региональных офисов. Используя методы машинного обучения, этот сервис анализирует, визуализирует и определяет ключевые факторы, влияющие на финансовые показатели банка. Основываясь на этих данных, банк может принимать решения о целесообразности открытия новых офисов в районах с высокой проходимостью и спросом на финансовые услуги среди клиентов или закрытия тех, которые не приносят прибыли.

Уникальный для банковской отрасли сервис «Анализ поколенческого показателя PL» позволяет сравнивать и интерпретировать большие объемы данных из различных источников, выявлять общие тенденции и разрабатывать эффективные стратегии.

Для реализации этого проекта были созданы специализированные хранилища данных, содержащие информацию об операционной деятельности, взаимодействии с клиентами и финансовых показателях розничного бизнеса. Сервис «Анализ поколенческого PL отделений» использует данные розничного бизнеса, накопленные за последние три года, включая финансовые, операционные и клиентские метрики.

Для каждого отдельного филиала автоматически отбираются 30 наиболее важных из более чем 300 возможных параметров оценки, представленных в общем хранилище данных. Эти модели анализируют влияние таких факторов, как уровень обслуживания клиентов, длительность ожидания в очереди, количество неудовлетворенных пользователей с указанием причин и многих других параметров, помогающих выявить наиболее значимые отклонения, влияющие на PL.

Член правления ВТБ Руслан Еременко отметил, что сейчас в регионах работают около 1,3 тысячи отделений ВТБ.

«Мы основательно пересматриваем подходы к развитию сети, чтобы сделать работу каждого офиса еще более эффективной и комфортной для клиентов. Новая технология прогнозирования будет способствовать этому и позволит добиться стратегических показателей, в том числе на 40% увеличить количество работающих отделений», – отметил Руслан Еременко.

Руководитель департамента технологического развития общебанковских систем, старший вице-президент ВТБ Никита Рыбченко подчеркнул, что актуальность, полнота и корректность данных являются ключевыми характеристиками, необходимыми для аналитики и построения моделей машинного обучения.

«Эта информация, а также современные инструменты обработки данных позволили создать систему анализа эффективности банковских отделений, направленную на оптимизацию работы», – прокомментировал Никита Рыбченко.