LUKAS Bank S.A.

Platforma Analityczna

LUKAS Bank S.A. jest nowoczesnym bankiem detalicznym, dostarczającym szerokiego wachlarza usług finansowych osobom fizycznym, osobom prowadzącym jednoosobową działalność gospodarczą oraz małym przedsiębiorstwom (SME). LUKAS jest jedną z najszybciej rozwijających się instytucji finansowych w Polsce. Od roku 2001, LUKAS Bank S.A. ma inwestora strategicznego - francuski bank Crédit Agricole, jeden z dziesięciu największych banków na świecie. Plany Crédit Agricole Polska przewidują dalszy rozwój banku i osiągnięcie pozycji jednej z największych instytucji finansowych w Polsce. Centrala Banku mieści się we Wrocławiu.

Potrzeba biznesowa
Bank zamierzał usprawnić proces prowadzenia analiz klienckich (marketingowych) i sprzedażowych, poprzez:

• zbudowanie wspólnej, jednolitej i zoptymalizowanej pod kątem analiz i raportowania bazy danych o wszystkich klientach detalicznych banku (zarówno RB, jak i CF) oraz ich produktach, operacjach, kontaktach itp.;
• zaprojektowanie i wdrożenie platformy analityczno-raportowej w obszarze analiz klienckich. Bank zatrudnia silny zespół analityków, którym potrzebne były narzędzia do integracji danych, analizowania ich oraz tworzenia i zarządzania modelami analitycznymi. W Banku stworzono własnymi siłami bazę analityczną, jednak okazało się, iż potrzeby analityczne są dużo większe, co zaowocowało współpracą z SAS i stworzeniem jednorodnej bazy klienckiej.

O wyborze rozwiązania SAS^® Customer Intelligence zdecydowała kompleksowość oferty SAS, która obejmowała:\

• stworzenie jednolitego, udokumentowanego modelu danych, zoptymalizowanego pod kątem analiz klienckich
• zasilenie tak zdefiniowanej bazy analitycznej oraz utworzenie procesów zasilających zapewniających cykliczną aktualizację tej bazy
• budowę i wdrożenie modeli analitycznych wraz z przekazaniem know-how SASa w tym zakresie

Oczekiwane korzyści
Wdrożona Platforma Analityczna miała dostarczać dane i umożliwiać analizy wspierające podejmowanie optymalnych decyzji w następujących procesach biznesowych:

• uproszczenie procesu modelowania, a w konsekwencji zwiększenie liczby tworzonych modeli w szczególności:
  • modele cross-selling i up-selling na bazie klientów;
  • aktywizacja klientów posiadających produkty, lecz nie korzystających z nich;
  • przewidywanie szans sprzedaży produktów (sales propensity scoring);
  • przewidywanie szans utrzymania/odejścia klientów (attrition scoring);
• automatyzacja procesu wdrażania modeli na produkcję
• przygotowanie grup do analiz i badań marketingowych (próbkowanie, dobór wielkości próby
• badanie skuteczności i stabilności wdrożonych modeli
• redukcja czasu pracy zasobów IT i Data mining
• zwiększenie liczby statystycznych testów na bazie danych
• generowanie bardzo szczegółowych raportów klienckich

Opis przebiegu wdrożenia
Pierwszym etapem projektu była analiza, podczas której konsultanci SAS zapoznali się ze specyfiką działalności Banku, charakterystyką produktów oraz potrzebami biznesowymi przyszłych użytkowników systemu. Rozpoznano także zakres informacyjny i organizację dostępnych danych źródłowych. Produktem tego etapu był szczegółowy projekt techniczny przyszłej bazy analitycznej oraz procesów zasilających. Zdefiniowano też docelową architekturę rozwiązania. W kolejnym etapie skupiliśmy się na instalacji i implementacji. Procesy zasilające zostały zaprogramowane i bardzo dokładnie przetestowane. Powstała także obszerna dokumentacja. Pracownicy Departamentu Informatyki zostali przeszkoleni i przejęli obowiązki administratorskie związane z utrzymaniem i pielęgnacją systemu. Głównym produktem tego etapu była produkcyjna analityczna baza danych (ABT - Analytical Base Table), zasilana cyklicznie. Sformułowano też założenia dla budowy, w następnym etapie, modeli analitycznych. Ostatni etap projektu to ścisła współpraca z ostatecznymi użytkownikami systemu - zespołem analitycznym Banku. Korzystając z danych zgromadzonych w ABT konsultanci SAS wykonali, zgodnie z wcześniej przyjętymi założeniami, dwa modele statystyczne: model identyfikacji klientów zagrożonych odejściem ze wskazanych produktów (churn) oraz model przewidujący skłonność klientów do zakupu produktów (up-sell). Stała współpraca konsultantów SAS z pracownikami Banku, szczegółowe dyskutowanie poszczególnych kroków i cząstkowych wyników, stanowiły przekaz know-how SASa w tym zakresie, były też formą praktycznego szkolenia wdrażającego analityków do pracy z narzędziami statystycznymi SAS, szczególnie z SAS Enterprise Miner. Pracownicy Banku zostali przeszkoleni z zakresu funkcjonalności zaawansowanych narzędzi do raportowania (WRS, EG). Wdrożenie zrealizowano w czasie 14 miesięcy.Bank zatrudnia silny zespół analityków, którzy są głównymi użytkownikami rozwiązania. Docelowo z wdrożonej bazy analitycznej będą korzystać inni specjaliści niezwiązani z procesem analizy danych.

Uzyskane korzyści
Bank posiada obecnie centralną, jednolitą, spójną analityczną bazę danych, stanowiącą pewną podstawę dla wszystkich wykonywanych analiz marketingowych oraz budowanych modeli. Pracownicy Banku uzyskali efektywne, a jednocześnie przyjazne narzędzia do raportowania, analizowania i modelowania. Dla modeli wdrożonych do użytkowania regularnie badane są określone parametry statystyczne, co pozwala kontrolować ich biznesową jakość i skuteczność. Wdrożona Platforma Analityczna może stanowić podstawę do dalszej rozbudowy, tak aby zakres gromadzonych danych umożliwiał zaawansowane analizy na potrzeby ryzyka i finansów (controlling).

"Jeszcze przed rozpoczęciem rozmów z potencjalnymi dostawcami Lukas Bank miał klarowną wizję pożądanego rozwiązania. W konsekwencji umożliwiło to szybkie przejście przez etap analizy, a z drugiej strony spowodowało przeciąganie prac tam, gdzie rozwiązanie z punktu widzenia banku nie było w pełni satysfakcjonujące. Niemniej jednak stosunkowo łatwo uzyskiwano porozumienie co do kolejnych kroków, dzięki czemu w ostatecznym rozrachunku osiągnięto niekwestionowany sukces.
Bezdyskusyjnie największym osiągnięciem projektu jest stworzenie kompleksowego repozytorium danych. Połączenie doświadczenia analityków Lukas Banku oraz konsultantów SAS zaowocowało budową modelu danych (ABT), którego dodatkowa wartość dyskryminacyjna, dla zjawisk uprzednio już modelowanych (dobrze znanych), przewyższyła oczekiwania analityków Lukasa. Bank jest na początku drogi jeśli chodzi o kwestię wykorzystywania wdrożonego rozwiązania SAS Customer Intelligence w praktyce. Na tym etapie ciągle poznajemy technologię i wypracowujemy nowy standard pracy. Jestem przekonany, iż dalsza współpraca z SAS Institute będzie układała się znakomicie."
- powiedział Wojciech Szmidt, Data Mining Manager w Lukas Bank S.A.