ლამის ყველაფერი, რასაც ციფრულ სამყაროში ვაკეთებთ - ინფორმაციაა. შესაბამისად, ინტერნეტი და მოწყობილობები, რომლებიც ინტერნეტს მოიხმარს, ანუ ლეპტოპები, კომპიუტერები და სმარტფონები, ყოველდღიურად, დიდი მოცულობით ინფორმაციას აგენერირებენ. ასე არის ბანკების შემთხვევაშიც, რომლებიც მომხმარებელთა ტრანზაქციებსა და ქცევას სწავლობენ და დასკვნების საფუძველზე, ბაზარს უკეთეს, მეტად პერსონალიზებულ პროდუქტებს სთავაზობენ.
თუ ზოგიერთ ბანკს ურჩევნია, საკუთარ ეკოსისტემაში არსებული მონაცემები თავად დაამუშაოს, ბანკების ნაწილი ამისთვის კერძო კომპანიების მიერ შეთავაზებულ პლატფორმებს იყენებს. ასეთი პლატფორმა საქართველოშიც არსებობს. მას სტარტაპი DataMind-ი ამუშავებს, რომელთა მომხმარებლებს შორის ვხვდებით, როგორც “ლიბერთის”, ასევე “ბაზისბანკს”, “კრედო ბანკსა” და Paysera International-ს.
“DataMind-ი ბანკებსა და ფინანსურ ინსტიტუტებს მონაცემთა მენეჯმენტში ეხმარება. ამ დაწესებულებებს, როგორც წესი, ძალიან ბევრი მონაცემთა ბაზა აქვთ და ინფორმაციაც, შესაბამისად, ამ ბაზებში არის მიმოფანტული. აქედან გამომდინარე, მონაცემთა დამუშავება საკმაოდ რთული პროცესია. საპირწონედ ამისა, DataMind-ი ერთიან მონაცემთა საცავს ქმნის, რომელიც მონაცემებით ავტომატურად ივსება, თანაც იმგვარი არქიტექტურით, რომელიც უნიკალურია, როგორც ანალიტიკისთვის, რეპორტინგისა და ინფორმაციის მოძიებისთვის”, - განაცხადა DataMind-ის მთავარმა იურისტმა და ინვესტორებთან ურთიერთობის ხელმძღვანელმა, ირაკლი ბიწკინაშვილმა TECH INFORM-ში.
BMG-ის ტექნოლოგიურ გადაცემაში სტუმრობისას ირაკლი ბიწკინაშვილმა იმ ხელმოსაჭიდ უპირატესობებზეც ისაუბრა, რომელთაც DataMind-ი მის პარტნიორ ბანკებს უქმნის.
“DataMind-ი ბანკებს სთავაზობს არა კონკრეტულ გადაწყვეტებს, არამედ ხელსაწყოებს. აი, მაგალითად, მოსალოდნელი საკრედიტო დანახარჯის დამთვლელი ძრავი გვაქვს, რაც ბანკს რისკებისა და რეზერვების დათვლის საშუალებას აძლევს. თუ კონკრეტული მომხმარებლის მახასიათებლები ვიცით, შეგვიძლია ისინი დავაჯგუფოთ - ამას, როგორც წესი, თავად ბანკები აკეთებენ ჩვენი პროგრამირებადი ხელსაწყოებით, რის შემდეგაც სხვადასხვა მონაცემებს აანალიზებენ, მათ შორის მინიმალურ სარეზერვო მოთხოვნას და დეფოლტის მაჩვენებელს.
მარტივად რომ ვთქვათ, თუ ბანკს სურს თითოეულ სესხზე დეფოლტის მაჩვენებელი დაითვალოს და მის საფუძველზე საპროცენტო განაკვეთი შეადგინოს - ჩვენი პლატფორმა მას ამის საშუალებას მისცემს. ამასთან, შესაძლებელია განსაზღვრა იმისა, თუ რომელი პროდუქტი უნდა შესთავაზო რომელ მომხმარებელს - აქ საქმეში ალბათობა და ქცევითი ეკონომიკა შემოდის, რომელთა საფუძველზე შეგვიძლია ვთქვათ, რომ, აი, ამ პორტფელში არსებულ ამ მომხმარებელს ამ კონკრეტული ტიპის სესხის აღების 60%-იანი ალბათობით აიღებს. ასეთი დასკვნა ბანკს საშუალებას აძლევს ბანკთან ურთიერთობა უფრო ადრე დაიწყოს”, - განაცხადა ირაკლი ბიწკინაშვილმა TECH INFORM-ში.
მაშ, რატომ უნდა აირჩიოს ბანკმა ან სხვა ტიპის ფინანსურმა ინსტიტუტმა DataMind-ის მომსახურება და არ შექმნას მონაცემთა საცავი თავად, ანუ in-house, რაც გლობალურად მიღებული პრაქტიკაა. როგორც ირაკლი ბიწკინაშვილმა ამ კითხვის საპასუხოდ TECH INFORM-ში განაცხადა,
“პირველ რიგში იმიტომ, რომ ამ გზის თვითნებურად გასვლა ბევრ რისკთანაა დაკავშირებული. DataMind-ი წელიწადში ათობით მონაცემთა საცავს ქმნის, ხოლო ბანკი ამ პროცესს ერთხელ გადის. შესაბამისად ბანკს მონაცემთა საცავის შექმნის ცოდნა, პრაქტიკა და გამოცდილება არ აქვს. მჯერა, რომ თითოეულ ბანკს პროფესიონალი კადრები ჰყავს, მაგრამ მონაცემთა საცავის შესაქმნელად კონკრეტული ცოდნა არის საჭირო. არსებობენ ბანკები, რომლებიც ამას წლობით აკეთებენ, მაგრამ პროცესი ჯერაც არ დაუსრულებიათ.
მონაცემთა საცავის შექმნას დაახლოებით 4-6 თვემდე ვუნდებით, როცა ჩვენ კონკურენტ დიდ საერთაშორისო კომპანიებს ამისთვის 18 თვე სჭირდებათ. თუმცა ბანკები, როგორც ვიცით, ამ პროცესს კიდევ უფრო დიდ დროს უთმობენ. გასათვალისწინებელია ისიც, რომ ტექნოლოგიურ ტალანტს შორის როტაციის მაჩვენებელი საკმაოდ მაღალია, ანუ თითოეულმა წასულმა თანამშრომელმა, შესაძლოა, პროგრესის დიდი ნაწილი თან გაიყოლოს. შესაბამისად, ხარჯებისა და სარგებლიანობის ანალიზს თუ გავაკეთებთ, ჩვენი სერვისი უფრო იაფი და სწრაფია, ხოლო ხარისხზე პასუხისმგებლობას ჩვენ ვიღებთ და ვამბობთ, რომ ჩვენი მონაცემთა საცავი იმაზე დიდხანს გაძლებს, ვიდრე ის სისტემა, რომელიც ბანკს აქვს”, - აღნიშნა ირაკლი ბიწკინაშვილმა TECH INFORM-ში.
