«Покупая хороший шоколад со скидкой, я понял, что Big Data — это полезно»
Большие данные может брать каждый Первым популярным поставщиком Big Data являются социальные сети. Почему? Потому что эти данные может брать любой программист. Например, у социальной сети ВKонтакте есть VK API, обеспечивающий удобный доступ к открытым данным сайта. В сферу применений Big Data входит финансовая аналитика для банков, аналитика лояльности к бренду, анализ распространения информации и измерение политических предпочтений. Крупные ритейлеры, такие как Amazon, используют предиктивные рекомендательные системы, чтобы предложить наиболее релевантный товар клиенту, повышая не только свою прибыль, но и удовлетворенность клиента. Помню, как 5 лет назад, когда я обучался в США, мне несколько раз мне приходили спецпредложения от Amazon о распродажах. Каждый раз я удивлялся их высокой релевантности. Покупая наборы хорошего шоколада по сниженной цене, я понимал, что это взаимовыгодно: и Amazon, и покупатель оказываются в плюсе по итогам сделки. Таким образом, Big Data — это полезно. Одним из важнейших применений Big Data является аналитика для банков и финансовых организаций. Где, как не в финансах, можно найти огромное количество информации, которую невозможно проанализировать вручную? А теперь к финансам... 1. Кредитный скоринг Первое направление — это, безусловно, кредитный скоринг. Банку нужно понять, выдавать ли кредит заемщику, насколько рискованна выдача кредита. И здесь анализируется информация о возрасте заемщика, типе работы, заработной плате, доходах, кредитной истории. При этом эти данные должны анализироваться весьма быстро. Часть из этих данных готовится заранее, равно как и модели скоринга на основе машинного обучения. Кстати, на российском рынке есть парочка ярких примеров компаний, которые используют информацию из социальных сетей и предоставляют ее банкам. Это стартапы Double Data и «Скориста». Double Data достиг успеха: Mail.ru подал на них в суд с требованием прекратить продажу данных пользователей из социальных сетей. Этот случай крайне важен для российского рынка, так как станет первым в своем роде. 2. Финансовые советчики Еще одним направлением является автоматизированные финансовые советники (альтернативное название — робоэдвайзеры). За рубежом уже есть истории успеха — Wealthfront, Betterment и другие. Под управлением таких компаний находятся десятки миллиардов долларов. В России эта ниша сейчас пустует. Что уж говорить — ценные бумаги интересуют лишь 1% населения страны, а не 30-50% как в развитых странах. Мы с командой сейчас как раз делаем такой проект, чтобы занять эту большую нишу. Давайте сначала разберемся, почему нет единого, наиболее выгодного способа вложить деньги. Почему нельзя запустить какую-то хитрую математическую формулу или компьютерный алгоритм, который выдал бы ответ, что акции Х являются самыми перспективными? Дело в том, что у каждой инвестиции есть не один параметр под названием «Доходность», а два параметра: риск и доходность. Людям с разной склонностью к риску нужно подбирать разные типы инвестиций. Что такое риск? Несмотря на все прорывные открытия в науке, никто не может на 100% точно спрогнозировать будущее. Таким образом, получается, что у каждой инвестиции есть вероятность удачного исхода и вероятность неудачного исхода (риск). Этот параметр разнится от инвестиции к инвестиции. Если о надежном будущем каких-то компаний вроде «Газпрома» или «Сбербанка» мы можем говорить уверенно, то вложение в ценные бумаги компании типа «Магнита», Yandex или QIWI будут существенно более рискованными, так как вероятность неудачного исхода по ним выше. Риск и доходность в классической экономической теории связаны друг с другом. Хотите получить большую доходность? Будьте готовы на несколько более высокий риск вложений в акции первого и второго эшелонов. Умеренный риск? Индексные фонды, ETF. Не хотите брать на себя риск? Вы можете положить деньги в облигации крупных компаний или в банк, где они будут еще и застрахованы государством до 1,4 миллиона рублей. Чем занимаются автоматизированные финансовые помощники? Они должны определить склонность пользователя к риску (так называемый риск-профиль клиента). Это обычно делается с помощью теста из нескольких вопросов. Приятно осознавать, что такие тесты основываются на трудах величайших ученых прошлых лет. Например, мы в своих тестах используем результаты работ лауреата Нобелевской премии по экономике Даниэля Канемана. Здесь уже отсеивается часть аудитории, так как многие пишут в емейлах или в социальных сетях вопрос: не хочу никаких тестов, во что вложиться конкретно сейчас? Однако нет, определение риск-профиля до каких-либо советов обязательно. Далее запросы пользователя сопоставляются с текущей рыночной ситуацией. Анализ большого количества информации о рынке ценных бумаг подсказывает наиболее интересные возможности для вложения в данный момент. Из пула возможных вложений выбираются те, что подходят риск-профилю пользователя. Важной компонентой является разъяснение пользователю, во что и почему рекомендуется производить вложения. Если не рассказать пользователю, почему вложения в ценные бумаги на Московской бирже могут действительно приносить деньги, а вложения в финансовые пирамиды — нет, то при очередной рекламе в интернете акций/фантиков МММ, он может повестись на сказки. Например, важно рассказать пользователю, что 100% гарантированной доходности на рынке ценных бумаг нет. Более того, гарантировать доходность запрещено. Если вы видите надпись «гарантированные 50% годовых» или «гарантированные 5% в месяц», то вы можете сразу же игнорировать это объявление, а еще лучше записать адрес сайта, который дает такую рекламу, и пожаловаться на него в соответствующие инстанции. Big Data и рынок инвестиционных услуг в России В целом рынок инвестиционных услуг в России является очень молодым и еще даже не зародившимся. Причина очень проста. Число инвесторов колеблется в районе лишь 1%, а действующих инвесторов (не тех, кто давно забросил инвестирование) — и вовсе в десятых долях процента. Причинами этого является низкая финансовая грамотность: часть населения думает, что только вклады в «Сбербанке» являются надёжными. Другая часть населения не понимает разницы между МММ, бинарными опционами и нормальными инвестиционными инструментами. Но сейчас рынок наконец-то начинает свое быстрое развитие. Появляются новые проекты, стартапы и компании, которые используют автоматизацию, аналитику и Big Data для сферы финансов. Мне кажется, что текущий момент для новых сервисов является оптимальным. Мы в своем проекте Finsovetnik.com хотим стать самым крупным в этой нише в России. Если на американском рынке пришлось бы конкурировать с большим количеством крупных компаний, то в России сейчас идеальная ситуация. Такая же, как в США лет 10-15 назад. Безусловно, охват нашего сервиса и других российских сервисов сейчас не такой большой, как охват американских стартапов. Однако, я верю в российский рынок, верю в то, что можно повысить финансовую грамотность населения, что те, кто несут деньги только в Сбербанк поймут, что есть более выгодные вложения, те, кто вкладываются в МММ и бинарные опционы поймут, что там их деньги обречены, и начнут вкладываться в нормальные финансовые инструменты. Конечно, ценные бумаги (в частности, акции) не сделают человека миллионером за один год. Это долгосрочные инвестиции, смыслом которых является получение доходности в 2-4 раза выше, чем по банковским вкладам. Математика показывает, что это работает. Давайте вспомним Баффетта, который начинал заниматься инвестициями еще в юном возрасте, и к тридцати годам стал миллионером, а затем и вовсе попал в список Forbes. Путь не такой быстрый, как хотелось бы многим любителям легкой наживы, однако, путь стабильный, надежный, и как показывает опыт многих инвесторов, работающий. Материалы по теме: Умная Москва: какими технологиями нашпигована столица Искусственный интеллект — причина, по которой нам конец? Полный список конференций по большим данным на год вперед Герман Греф: «С трендами бороться нельзя, в тренды нужно встраиваться» Игроки ивент-индустрии хотят блокчейн, дополненную реальность и машинное обучение. Зачем?! Что такое Big data: собрали всё самое важное о больших данных
