Алгоритмы прогнозирования: создание инновационных банковских онлайн-решений Жан Мишель Ауэр (Jan Michael Auer), соучредитель, predictR и 25th-floor; Джейкоб Этцель (Jakob Etzel), соучредитель, predictR и 25th-floor; Георг Хейлер (Georg Heiler), соучредитель, predictR; Мартин Пребио (Martin Prebio),

Два наблюдения стали толчком для написания этой главы. Во-первых, финансовый кризис показал значительное увеличение доли просроченных кредитов в розничных банковских операциях. Одним из источников такого развития ситуации является слабая финансовая грамотность клиентов розничного банковского бизнеса. Во-вторых, ключевым фактором успеха стал переход обслуживания физических лиц на цифровые каналы. Тем не менее поверхностное исследование рынка в немецкоговорящих странах показывает, что развитие онлайн-банкинга за последние пять лет произошло в области дизайна и пользовательского интерфейса/опыта. Таким образом, есть растущая необходимость в новом решении, которое улучшит функциональность банковского бизнеса.

Идея в том, чтобы совместить эти две тенденции. Статистические данные об операциях розничных клиентов можно конвертировать в прогнозы потоков денежных средств. Это поможет преодолеть реальную проблему: многим клиентам трудно делать долгосрочные прогнозы в отношении своих денежных средств и анализировать развитие событий в этом контексте. Таким сценарием могут быть определенные события в жизни (например, повышение или потеря работы) или желание достичь финансовой цели (например, покупка новой машины или квартиры). Данные о розничных клиентах включают достаточно информации, чтобы распространить прогнозы на длительные периоды.

Таким образом, клиенты могут изучать свое финансовое будущее на интерактивных графиках, а банковские продукты могут быть представлены в контексте принятия жизненных решений.