SAS

Компания SAS провела исследование, в результате которого выяснилось, насколько неоднозначно воспринимается одна из самых значимых  технологий современности – искусственный интеллект. Видение всей широты взглядов по этому вопросу необходимо, чтобы устранить неопределенность и внести ясность, что такое ИИ, каковы его возможности, какие сложности необходимо преодолеть для его эффективного использования и как он способен изменить мир.

Сегодня решения на основе ИИ окружают нас повсюду: они используются в смартфонах, управляют голосовыми помощниками, формируют новостные ленты в соцсетях и направляют автомобили по нужным маршрутам. ИИ называют новым электричеством, но при этом он все равно остается не до конца оцененной и недостаточно эффективно используемой технологией современности. Отчасти это связано с ассоциациями, пришедшими из научной фантастики, отчасти – из-за недопонимания терминов «машинное обучение» и «глубинное обучение». В результате позиционирование и восприятие ИИ балансирует между двумя крайностями: его преподносят либо как источник безграничных возможностей, либо как угрозу и конкурента самим людям на рынке труда.

Чтобы отчетливее увидеть, как воспринимается ИИ, было собрано 12 фокус-групп. Каждый респондент был отобран независимым исследовательским агентством Roots Research и принадлежал к одной из пяти упомянутых ниже категорий: студенты, дата-сайентисты, ученые, бизнес-лидеры и технические директора. Исследование показало, что ни одна категория респондентов не дала четкого ответа на вопрос, что такое ИИ – все так или иначе от него уходили. Предлагались самые разные интерпретации: участники описывали широкий спектр технологий, в том числе таких, которые не имеют отношения к реальному ИИ.

Единственной группой, которая попыталась определить в ходе дискуссии, что же такое ИИ, были ученые, но даже они не достигли единогласия по поводу удовлетворительного определения. На удивление широкий разброс мнений оказался даже в группе дата-сайентистов, которые, казалось бы, должны быстрее находить общие точки зрения, поскольку работают с ИИ на практике. Однако и в этой категории были приверженцы самых разных мнений: для одних ИИ – это инструмент для анализа данных и принятия решений, для других – средство автоматизации, в перспективе способное вытеснить человека. Еще большая неоднородность мнений была в других категориях, но в целом наблюдалась следующая закономерность: чем большим опытом и знаниями в вопросе технологий обладает респондент, тем меньше он испытывает опасений по поводу ИИ.

Отсутствие единогласия касательно определения ИИ позволило сделать вывод, что необходимы детальные обсуждения перед запуском любого ИИ-проекта. Размытость значения термина «искусственный интеллект» создает вызовы для разработчиков, организаций и даже пользователей, и без четких объяснений он может восприниматься как угодно – от панацеи до угрозы.

По итогам исследования был сделан еще один важный вывод: решение ИИ-головоломки, вероятно, заключается в том, что нужно прекратить искать всеобъемлющие определения.  ИИ может соотноситься с широким спектром различных технологий и примеров практического применения, и его следует определять дифференцированно в каждом конкретном случае для каждого конкретного проекта. Признать, что та или иная ИИ-система состоит из тех или иных компонентов, честно и прозрачно донести это до аудитории – единственный путь избежать иррациональных страхов и завышенных ожиданий от ИИ.

Несмотря на разногласия по поводу того, что из себя представляет ИИ, во всех группах наблюдалось сильное воодушевление насчет его возможностей.  Почти все участники уверены в положительном влиянии ИИ на экономику и считают, что он позволит повысить производительность. Респонденты из категорий дата-сайентистов и бизнес-лидеров говорили об этом, опираясь на собственный опыт. В частности, многие приводили примеры того, как ИИ уже сейчас избавляет сотрудников от рутинной монотонной работы, освобождая время на более важные задачи.

В целом исследование говорит о том, что ИИ, по мнению его участников, ждет светлое будущее, а некоторые отрасли он особенно преобразит – в первую очередь здравоохранение и финансовый сектор. Вместе с тем, бизнес должен коммерчески подходить к использованию ИИ и четко обозначать задачи, которые он хочет решить с его помощью. Добившись таким образом экономического эффекта на проектах с небольшими инвестициями, будет проще убедить руководство высшего звена в необходимости более широкого внедрения.
 

Агрохолдинг «Степь» запустил внедрение интеллектуальной аналитической системы на базе платформы SAS Viya, инструментов исследования данных и оптимизации. Создаваемая система позволит определять пути сокращения потерь и использовать внутренние резервы агрохолдинга для увеличения выручки, снижения операционных затрат и повышения общей эффективности рабочих процессов.

Для улучшения основных бизнес-показателей на базе аналитики будет налажено решение задач растениеводческого департамента, связанных с планированием производства сельхозпродукции, таких как оптимизация структуры посевных площадей, долгосрочное планирование техники, долгосрочное планирование закупок техники, а также оперативное планирование сельскохозяйственных работ с рациональным распределением ресурсов по времени и участкам полей.

В ходе проекта команда аналитиков SAS проведет развертывание аналитической платформы, совместно со специалистами «Степи» наладит процессы сбора и хранения данных для задач аналитики и планирования, разработает модели анализа и оптимизации и настроит визуальную интерактивную отчетность для принятия управленческих решений.

Завершение проекта и подведение первых итогов запланировано на осень текущего года.

Непростая ситуация, в которой сейчас оказался весь мир, еще нагляднее показала важность данных и цифрового взаимодействия. Опираясь на результаты исследования Futurum Research «Каким будет потребитель в 2030 году», проведенного по заказу SAS, в компании рассказали о том, почему сегодня для компаний особенно важна эмпатия и как изменится парадигма цифрового доверия и лояльности.

Пандемия коронавируса резко изменила потребительские приоритеты. За первые 10 дней марта спрос в США на товары категории FMCG вырос на 729%, на санитайзеры – на 2938%, на спреи для дезинфекции – на 747%, на туалетную бумагу – на 583%. Еще в конце прошлого года никто бы не смог предсказать то, что происходит сегодня, но смысл клиентской аналитики как раз и заключается в том, чтобы бизнес был готов даже к таким ситуациям. Чтобы принимать решения даже в условиях стремительных изменений, компании активно собирают данные о своих пользователях, и сами потребители это понимают, но результаты опросов, которые были проведены в ходе исследования, показывают противоречия в отношении к этому процессу.

Так, около 50% потребителей готовы свободно делиться своими данными, чтобы получать либо прямую выгоду в виде возможности бесплатно пользоваться теми или иными продуктами и решениями, либо чтобы способствовать улучшению используемых продуктов и сервисов. Но в то же время 67% респондентов заявили, что у них вызывает беспокойство, как компании используют их данные – иными словами, даже среди тех, кто заявил о готовности беспрепятственно их предоставлять, опасения все же есть. Причины могут быть разными, и чаще всего их больше одной: 59% потребителей уверены, что к данным каждой компании рано или поздно получат доступ хакеры; 69% обеспокоены тем, что данных собирается слишком много; 70% хотят получить контроль над собственными данными, а 59% не готовы показываться перед видеокамерами.

Существует и диссонанс между мнением компаний о лояльности клиентов и реальной удовлетворенностью потребителей. 90% организаций, участвовавших в исследовании, твердо верят, что их клиенты высоко удовлетворены качеством продуктов и услуг. Но только лишь 40% потребителей сообщили, что хотя бы несколько брендов вызывают у них высокое удовлетворение. Кроме того, если компании считают главным драйвером лояльности высокое качество продуктов и сервисов, то потребители в первых строках озвучивают низкую цену и акционные предложения.

Все это наглядно показывает, что потребителям и брендам нужны дополнительные точки соприкосновения, и сейчас, в цифровую эпоху, находить их стало гораздо проще. Поэтому компаниям как никогда важно найти новые способы вовлечения потребителей и повышения их лояльности. Персонализация, эмпатия по отношению к потребителям, развитие индивидуального подхода – эти характерные черты эффективных взаимоотношений с клиентами становятся еще более значимыми во время нестабильности.
 

Ранее Газпромбанк внедрил аналитический CRM на базе продукта SAS Marketing Automation. Система позволяет определять точные сегменты клиентов, которым может быть интересен тот или иной продукт или услуга банка, в автоматическом режиме формировать для них предложения, а затем передавать его в каналы коммуникации.

Глобальный проект по внедрению системы, ориентированной на выдачу рекомендаций клиенту в режиме реального времени, стал следующим шагом. Он начался летом 2018 года, и состоял из трех этапов:

• Внедрение системы SAS RTDM для расчета персональных предложений в режиме реального времени.
• Внедрение системы SAS ESP для обработки потоков клиентских событий и мгновенной реакции на них.
• Развертывание функционала NBO для достижения клиентской модели 360 градусов.

Система интегрирована в общую стратегию коммуникации с клиентом и позволяет совершать коммуникации и привлекать клиентов на розничные продукты и услуги банка с большей эффективностью, чем при традиционных подходах. Она уже подключена к цифровым и дистанционным каналам коммуникаций, таким как push-уведомления, SMS, контакт-центр, электронная почта, баннеры в мобильном банке. В дальнейшем банк планирует увеличивать число охваченных каналов.

Целями проекта стало развитие кросс-продаж розничных продуктов и услуг банка, а также повышение лояльности клиентов за счет выбора правильного времени для коммуникации и сокращения времени реакции. Проект позволит реализовать эффективные CRM-кампании в рамках клиентских сценариев с учетом потребностей клиентов «здесь и сейчас», что существенно увеличит не только результативность привлечения, но и положительно повлияет на клиентский опыт. Так для ряда каналов отклик в кампаниях по продвижению карточных продуктов увеличился в 2,5–3 раза и достигает 3-5% заведенных заявок от доставленных сообщений.

На данный момент отклик на целевые предложения по потребительскому кредитованию доходит до 8-9% рассматриваемых заявок от доставленных коммуникаций, а объем вторичных продаж существенно увеличился за счет новых real-time подходов к формированию кампаний по предложению потребительских кредитов и кредитных карт банка.

Современные технологии полностью перестроили процесс взаимодействия людей и брендов. Новые продукты, сервисы, потребители и конкуренты появляются и эволюционируют. Покупательское поведение, предпочтения и поводы для недовольства продолжают меняться. Каким будет потребительский опыт в 2030 году и как компании готовятся к тому, что соответствовать будущим запросам? Эти вопросы охвачены в исследовании Experience 2030: The Future of Customer Experience, проведенного Futurum Research по заказу SAS.

Исследователи пришли к выводу, что технологии будут главной движущей силой, которая перестраивает потребительский опыт и создает его в совершенно новом виде, а также что брендам придется пересмотреть экосистемы, которые они создают для потребителей, чтобы идти в ногу с переменами в поведении людей и эволюцией технологий.

Именно машины обеспечат «человеческое отношение» к клиенту

Компании, принимавшие участие в исследовании, отмечают, что к 2030 году произойдет масштабный сдвиг в сторону автоматизации всех взаимодействий с потребителями. Среди респондентов распространено предположение, что умные машины заменят людей и будут выполнять две трети работы по общению с потребителем, принятием решений непосредственно в процессе обслуживания, принятием маркетинговых решений и проведением промо.

Ожидается, что примерно две трети общения между компанией и потребителем с использованием цифровых устройств (компьютеров, смартфонов и т.д.), будут выполнять машины, а не люди, как это происходит сегодня. Также машины будут в автоматическом режиме принимать 69% решений в процессе взаимодействия.

Становится совершенно ясно, что в ближайшее десятилетие будут выстраиваться более тесные отношения между людьми и машинами. Компании столкнутся с необходимостью совместить, казалось бы, несовместимые вещи и достичь баланса между эмпатией и пониманием, похожим на человеческое, и мгновенными откликом и действиями, которых ожидают потребители. И как раз технологии это обеспечат – данные, аналитика, машинное обучение, ИИ позволят машинам стать человечными до той степени, которая устроит потребителей и вместе с тем будет обеспечивать высокую эффективность.

Потребители быстро переходят на новые технологии

Согласно исследованию, 78% компаний уверены, что сегодняшним потребителям нелегко пользоваться новыми технологиями в магазинах. Но это подтверждают только 35% самих потребителей. Этот разрыв в восприятии может стать фактором, ограничивающим рост компаинй, если они не пересмотрят взгляды.

Фактически потребители ожидают еще большего роста технологичности бизнеса и обслуживания к 2030 году:

• 80% ожидают доставки продуктов дронами или беспилотниками.
• 81% собираются общаться через чатботов.
• 78% будут использовать приложения дополненной, виртуальной или смешанной реальности, чтобы узнать, например, как сядет одежда или как будет смотреться в квартире мебель.
• 56% собираются «посещать» удаленные локации, развлечения и даже проводить отпуск через устройства дополненной и смешанной реальности.
• 8 из 10 ожидают, что будут пользоваться умным помощником (Google Home, Amazon Alexa, Яндекс.Алиса и др.), чтобы вести домашние дела и делать покупки.
• 78% планируют контролировать свою технику и устройства с помощью смарт-часов и других носимых гаджетов.

Принимая во внимание эту готовность к переменам со стороны потребителей, бренды могут повысить качество взаимодействия и уровень вовлеченности. При этом предстоит сократить разрыв между потребительскими технологиями и маркетинговыми.

Рост компаний зависит от технологий

Во многом технологии предопределят потребительский опыт будущего. Исследователи спросили представителей компаний, в какие «футуристические» технологии они сейчас инвестируют, чтобы через 10 лет быть готовыми и соответствовать ожиданиям клиентов.

Рост новых технологий, появление новых каналов и точек взаимодействия создают проблему «движущейся мишени». Компании не могут оставаться на острие прогресса, потому что постоянно что-то меняется и приходится снова догонять. При этом потребитель ждет, что он получит то, что нужно, там, где нужно, и так, как хочется.

По данным исследования, 62% компаний инвестируют в голосовые ИИ-помощники, чтобы улучшить клиентский сервис и взаимодействие. При этом 58% рассматривают инвестиции в голосовые ИИ-помощники как развитие маркетинговых коммуникаций и поддержку продаж.

54% компаний инвестируют в технологии дополненной и виртуальной реальности, чтобы потребителям было легче представить, как они будут пользоваться продуктом или услугой. 53% таким образом намерены улучшить сам опыт потребления продукта и выстроить клиентский сервис, при котором часть проблем человек может решить сам.

83% инвестируют или планируют инвестировать в голограммы и голографические технологии для рекламы внутри точек продаж, в интерактивных играх и на массовых мероприятиях.

Как следствие, всем придется пересмотреть подход к управлению данными, оптимизировать часть процессов и наладить механизм автоматизированного принятия решений в режиме реального времени.

Управление лояльностью: качество или скидки?

Сейчас 58% опрошенных компаний уверены, что высокое качество – это ключевой фактор, влияющий на лояльность, а большинство потребителей говорят, что на их лояльность скорее влияют цена и скидки. Думая о будущем, потребители называют мобильные приложения, высокоскоростной доступ и возможность заказа через голосового помощника или систему «умный дом». Компании соглашаются и верят, что ИИ, машинное обучение и предиктивная аналитика также будут играть роль. Они надеются, что в 2030 году эти технологии будут помогать создавать значимый опыт и значимые отношения с клиентами, несмотря на сложность коммуникационной среды и контекстов взаимодействия.

Важность доверия возрастет

Умение преодолеть недоверие определяет успех и сегодня. Потребители обеспокоены, тем, как компании используют их персональные данные, и чувствуют себя бессильными что-то изменить. Только 54% потребителей верят, что их данные не покидают пределы компании, которой были переданы. Но на деле 73% потребителей считают, что их персональные данные используются бесконтрольно. Компании оказываются перед вызовом: им нужно обеспечить индивидуальный подход и выстроить уникальный потребительский опыт, соответствующий потребностям человека, но в то же время нужно следить, насколько полные у них данные об этом человеке и не будет ли очередной факт подрывать доверие.

Компании хорошо осознают риски. 59% респондентов с их стороны полностью согласны, что защита информации о потребителях – это самый важный фактор, который обеспечивает хороший потребительский опыт. С учетом ужесточения правового поля и новых регуляторных положений, принимаемых правительствами в разных странах для защиты персональных данных, 84% опрошенных видят в этом вызов.

Потребители пользуются технологиями, которые делают их жизнь открытой для других. Так что они одновременно ожидают от бизнеса и понимания их индивидуальности, и защиты их частной жизни. В этом брендам предстоит находить баланс, чтобы завоевать и сохранить доверие.

Если покупатель отказывается от заказа после этапа подбора товаров или во время доставки, то онлайн-ретейлер недополучает прибыль – ведь на сборку, обработку и процессинг каждой покупки компания тратит ресурсы. Поэтому важной аналитической задачей является построение поведенческой модели покупателей для прогнозирования вероятности и ожидаемого времени отмены заказа. И современные средства аналитики позволяют это делать. Соответственно, появляется возможность оптимизировать бизнес-процесс и минимизировать убытки в зависимости от стадии обработки заказа. Промышленными инструментами и полномасштабно на российском рынке онлайн-ретейла эту бизнес-задачу пока никто не решает.

«Утконос» и SAS организовали двухэтапный конкурс, в ходе которого участникам предстоит построить математическую модель для прогнозирования как самой отмены от покупки, так и вероятного времени отмены. Первый этап – это онлайн-соревнование на платформе sascompetitions, он стартовал сегодня и продлится до 18 ноября. На первом этапе участникам предлагается решить задачу прогнозирования вероятности отказа клиента от заказа без учета времени и стадии формирования заказа.

Второй этап – двухдневный хакатон в Культурном центре Высшей школы экономики, который пройдет 22-23 ноября. На него попадут 20 лучших участников первого этапа и отдельная команда от ВШЭ. Задачей будет построить модель, способную спрогнозировать за сколько часов до периода запланированной доставки клиент откажется от заказа.

Как подчеркивает Мария Артамонова, директор по ИТ «Утконоса», машинное обучение, работа с большими данными, построение предиктивных моделей играют одну из важнейших ролей в развитии бизнеса компании, и на это выделяются большие ресурсы. Совместный хакатон даст возможность посмотреть под разными углами на практическое использование накопленных цифр и паттернов поведения покупателей. И, конечно же, возможность получить интересные наработки и познакомиться с талантливыми исследователями данных, которые потенциально могут присоединиться к команде «Утконоса».

Решение основано на комплексе предиктивных моделей UpLift и моделей, прогнозирующих средний чек в рамках акции для каждой кампании. Они учитывают более 200 атрибутов по клиенту и рассчитывают будущую доходность, поэтому прогнозный результат позволяет подобрать лучшее предложение на текущий момент и увеличить эффективность коммуникации с клиентом.

Внедрение, реализованное при поддержке GlowByte Consulting, проходило в два этапа: автоматизация запуска кампаний и реализация решения, которое отправляет клиенту наиболее ценное для него предложение. Модели, ранее запускаемые по отдельности, теперь загружены в единую систему, на выходе из которой формируется оптимальный список «один клиент – одно предложение». Основным критерием для сравнения двух сценариев была метрика прироста среднего оборота в период акции на участника.

Как комментирует Екатерина Михайлова, руководитель управления монетизации клиентской базы торговой сети «Перекресток», в этом году была поставлена амбициозная цель – автоматизировать до 80% целевых маркетинговых кампаний, а также запустить более пятидесяти регулярных кампаний, отбор которых осуществляется на основе предиктивных моделей. Ожидается, что SAS Marketing Optimization поможет автоматизировать процесс запуска и увеличить выручку от маркетинговых кампаний.

Цель «Перекрестка» - внедрение системы автоматического выбора предложений для каждого клиента к концу 2019 года и запуск SAS MO на большем объеме клиентов. Также торговая сеть планирует расширять список маркетинговых предложений для выбора в системе. Дальнейшими шагами станет добавление в систему новых типов коммуникаций.

На конкурентном рынке розничного страхования компании активно ищут пути увеличения рентабельности. Ключевые способы достижения этой цели – снижение убыточности и быстрая реакция на возможности расширения в целевых сегментах. Однако на пути решения этих задач стоит барьер – разрозненные системы, в которых предстраховая проверка заявок на договоры проходит по довольно простой логике. Простота логики сегментации и тарификации не позволяет в достаточной мере управлять убыточностью, а отсутствие гибкости не позволяет страховщикам быстро реагировать на рыночные возможности. Решить эти проблемы и повысить рентабельность страхового бизнеса позволяют централизация, автоматизация и повышение точности сегментации и тарификации на этапе предстраховой проверки.

Проведя анализ бизнес-процессов, компания ВСК пришла к этим выводам и приняла решение инвестировать в создание единой системы принятия решений для оптимизации предстраховых проверок. Целью создания системы была централизация настройки и исполнения андеррайтинговых стратегий сегментации и тарификации, а также повышение скорости внесения изменений в эти стратегии. В результате сравнения доступных на рынке решений была выбрана система SAS Real-Time Decision Manager.

Проект построения системы принятия решений на основе SAS RTDM был разделен на бизнес-фазы, чтобы в максимально сжатые сроки начать получать значимый финансовый результат. Целью первой фазы стала технологически сложная централизация предстраховых проверок в автостраховании. Такая цель была выбрана неслучайно – ее достижение послужило бы своего рода гарантией работоспособности и сроков развертывания системы для остальных видов страхования, включая процессы урегулирования.

Проведенные работы позволили заложить фундамент для расширения системы на весь бизнес компании. Так, на первом этапе первой фазы был проведен предпроект, в рамках которого обследован бизнес-процесс предстраховой проверки, источники данных и источники заявок на договоры. В результате были выявлены технологические риски и выработан план по их устранению. На втором этапе была проведена интеграция SAS RTDM с ключевыми источниками данных и фронт-системами и настроена стратегия сегментации. На третьем этапе была запущена рабочая среда, где на небольшом потоке договоров автострахования оценивалась эффективность системы. В итоге первая фаза проекта заняла 4 месяца и завершилась в начале августа.

Оценив результаты опытно-промышленной эксплуатации, руководство ВСК приняло решение о полномасштабном применении системы в крупнейших регионах присутствия компании.

Компания «Ренессанс страхование» решила создать центральную систему принятия решений для предстраховых проверок розничных видов страхования, а также внедрить предиктивную аналитику для повышения точности оценки рисков по заявкам на договоры. Для создания системы рассматривались исключительно крупные игроки на рынке бизнес-аналитики. В результате для реализации системы выбрали решения SAS Real-Time Decision Manager и SAS Enterprise Miner. Важное преимущество заключалось в том, что команда вендора была готова выступить для страховой компании бизнес-консультантом и смогла адаптировать лучшие практики создания систем принятия решений на основе опыта как российских, так и зарубежных проектов.

Чтобы развить внутреннюю экспертизу, «Ренессанс страхование» решило проводить внедрение своими силами. На первом этапе спроектировали систему принятия решений и развернули программные модули. На втором этапе команда проекта подключила систему к внутренним и внешним источникам данных. Далее настроили стратегии автоматического принятия решения по заявкам на договоры страхования. Стратегии сочетали в себе сложную бизнес-логику сегментации и тарификации с моделями машинного обучения, построенными с использованием SAS Enterprise Miner специально для повышения точности оценки рисков по заявкам на договоры.

Когда система принятия решений была запущена в опытно-промышленную эксплуатацию, ее операционная и экономическая эффективность была доказана на небольшом потоке заявок. Срок реализации всего проекта, с учетом сложности ИТ-ландшафта компании и необходимости развития внутренних компетенций в углубленной аналитике, занял 9 месяцев.

Как отмечает Сергей Демидов, управляющий директор департамента страхования автотранспортных средств «Ренессанс страхования», реализованный проект представляет особую ценность для розничного бизнеса. Во-первых, руководство компании четко увидело, что убыточность по портфелю новых розничных договоров снижается. Это уже обеспечило определенный рост рентабельности, а в будущем позволит предлагать более привлекательные условия страхования. Во-вторых, за счет SAS Real-Time Decision Manager удалось централизовать принятие решений на предстраховых проверках – сделать так, чтобы ключевые фронты и партнерские сервисы «ходили» за тарифами в одну точку. За счет этого теперь изменения в стратегии андеррайтинга и тарификации вносятся лишь один раз и сразу в масштабах всей компании.

В конечном итоге компания планирует конвертировать эту повышенную гибкость в рост темпов развития бизнеса: быстрее выводить в продажу новые продукты, быстрее подключать партнеров. Наконец, ожидается, что все обозначенные эффекты усилятся, когда в SAS Real-Time Decision Manager будут перенесены стратегии принятия решений по всем розничным продуктам.

Всего через два года искусственный интеллект и машинное обучение будут использоваться для противодействия мошенничеству в три раза чаще, чем сейчас. Сейчас такие антифрод-инструменты уже используют в 13% организаций, принявших участие в опросе, и в еще 25% заявили, что планируют их внедрить в течение ближайшего года-двух.

Как выяснилось, в настоящее время большинство организаций чаще всего пользуются преднастроенными отчетами по ключевым событиям мошенничества с использованием классических инструментов – например, офисных приложений. Это стандартный инструмент для 64% компаний, охваченных исследованием. На втором по популярности месте находится автоматический мониторинг с использованием экспертных бизнес-правил – его используют в 54% организаций. Замыкает тройку визуальное исследование данных с использованием BI-инструментов – на ее долю приходится 35%.

Что касается планов по развитию используемых технологий, то, помимо роста интереса к искусственному интеллекту, авторы исследования выявили еще несколько трендов.

Во-первых, ожидается более широкое распространение биометрии. Сейчас ее использует примерно каждая четвертая организация, а еще 16% участников опроса планируют внедрить до 2021 года.

Кроме того, планируется существенно больше уделять внимания различным инструментам и приемам анализа данных. Ожидается, что к 2021 году 72% организаций будут использовать для борьбы с мошенничеством автоматический мониторинг данных, автоматическое обнаружение аномалий и др. Предиктивную аналитику планируют использовать в 52% организаций.

Наконец, продолжается тренд на применение инструментов визуализации данных – их планируют использовать или продолжить использовать 47% организаций (сейчас применяют 35%).