Митап «Успешная стратегия применения данных в финтехе»

Дата: 23 июня

Формат: неформальная дискуссия в тёплой, «ламповой» атмосфере между хорошо знакомыми профессионалами. Повод — запуск конференции Fintech Data Day.

Цель: разобраться, что такое стратегия данных, зачем она нужна финтеху и как она внедряется в реальную организацию.

👤 Участники:

• Александр — ведущий, генеральный продюсер Fintech Data Day, сам себя назвал «маленьким любителем данных».
• Никита (Яндекс.Финтех) — руководит ML-направлением: скоринг, GPT-модели, маркетинг, автоматизация.
• Дмитрий Рузанов (ПСБ) — директор департамента по работе с данными в МСБ-блоке, отвечает за всё: от источников и архитектуры до монетизации и встраивания в бизнес.

🔹 Часть 1: Что такое стратегия данных и как она строится?

🧱 1. Уровни зрелости работы с данными

Александр предложил простую модель из 4-х уровней:

1. Описательный уровень: знаем метрики (например, сколько клиентов), но не понимаем причин.
2. Диагностический уровень: можем объяснить причины изменений, анализируем ретроспективно.
3. Предсказательный уровень: строим прогнозы на будущее (поведение клиента, отклик на акцию).
4. Предписывающий уровень: автоматизация решений, данные встраиваются в продукт (например, выдача кредита или фрод-блокировки через модели).

Комментарий Никиты (Яндекс):

• В Яндекс.Финтехе стратегия данных заложена изначально, они «стартовали» сразу с 4-го уровня.
• Такой подход возможен, когда есть доступ к технологиям и культура от основателей.

Комментарий Дмитрия (ПСБ):

• Нельзя говорить о стратегии данных вне стратегии компании.
• Разные бизнес-блоки (МСБ, розница и т.д.) имеют разные цели и, соответственно, разные подходы к данным.
• Стратегия данных должна быть прагматичной, фокусированной на цели (например, рост X2 по выручке, MAU, или доходности).
• Необходимо участие не только IT и data-команд, но и маркетинга, продаж, лидеров направлений.

🧭 2. Последовательность развития: можно ли «перепрыгнуть»?

Вопрос от Александра: возможно ли сразу начать с продвинутых технологий (LLM), минуя инфраструктуру?

Ответ Никиты:

• Инфраструктура и бейзлайны обязательны: без этого ничего устойчивого не построишь.
• Стратегия — это эволюция. Надо начинать с простых решений, приносящих 80% эффекта.
• Остальное — тонкая настройка, требующая ресурсов и зрелости.

Ответ Дмитрия:

• Привёл метафору переработки нефти: чем глубже «передел», тем больше ценности.
• Представил пирамиду зрелости данных:
• Инфраструктура и источники
• Архитектура хранилищ, фичсторы, пайплайны, каталогизация данных.
• Это скучно, но без этого невозможна ни аналитика, ни машинное обучение.
• Аналитика
• Управленческая отчётность, BI, «деревья метрик», инструменты принятия решений.
• ML и DS
• Только после стабильной аналитики.
• Используются для оптимизации и автоматизации, когда «ручной» анализ не справляется.
• Иногда ML может быть избыточен или даже вреден, если нет подходящей инфраструктуры.

🌳 3. Метрики и эксперименты

Никита:

• Ключ к работе с метриками — единая система экспериментов.
• Все метрики должны обсчитываться одним способом, а не отдельными скриптами под каждую гипотезу.
• Это позволяет сравнивать результаты и повышать доверие к данным.

Дмитрий:

• Метрики рождаются из оцифрованного клиентского пути.
• Если разложить путь (например, открытие счёта) на этапы, на каждый из них можно повесить метрики.
• Даже если дерево метрик не оформлено формально, оно фактически существует.

⚖️ 4. Инфраструктура vs. бизнес-цели

Вопрос от Александра: что важнее — строить архитектуру или гнаться за бизнес-KPI?

Никита:

• Это ложная дихотомия. Оба аспекта важны.
• Игнорирование инфраструктуры ведёт к «костылям».
• Игнорирование целей — к «воздушным замкам».

Дмитрий:

• Использовал метафору героя RPG: у него есть прокачка (данные, культура, процессы, модели).
• Если прокачан только один скилл — это дисбаланс.
• Часто приходится объяснять бизнесу риски через метафору «воровства из будущего»: если выжимаем всё сейчас, то обнуляем потенциал на 2–3 года вперёд.

🔹 Часть 2: Как стратегия данных встраивается в стратегию компании?

🤝 1. Партнёрство с бизнесом

Никита:

• На старте данные — просто сервис для поддержки отчётности.
• С ростом зрелости — данные становятся партнёром: помогают ставить цели, выявляют неочевидные инсайты.
• Нет универсальной шкалы зрелости — нужно двигаться от потребностей, ресурсов и структуры компании.

🧑‍💼 2. Роль CDO (Chief Data Officer)

Дмитрий выделил три уровня:

1. Низкий уровень зрелости:
2. CDO должен быть топ-менеджером, напрямую подчиняться CEO.
3. Его задача — изменить культуру, процессы, заложить инфраструктуру.
4. Средний уровень:
5. Уже есть культура и аналитика, но Data Science и ML не централизованы.
6. CDO строит центр компетенций, формирует сквозные команды.
7. Высокий уровень зрелости:
8. CDO уходит на второй план.
9. Появляются новые роли: AI-продукты, дата-партнёры, гибридные специалисты.
10. Цель — не управление, а диффузия культуры, переиспользование знаний и инфраструктуры.

🧭 3. Пример стратегии «от точки X к точке Y»

Пример от Дмитрия:

• Точка X: сейчас есть определённая архитектура, процессы, метрики, база клиентов.
• Точка Y: стратегическая цель (например, рост активной базы на 100%).
• Путь:
• Что надо изменить в CRM, процессах, каналах?
• Какие модели не справляются?
• Что можно улучшить через данные — точность, охват, адаптацию?

📌 Пример:

Для повышения удержания на +15% и увеличения привлечения на +20%, нужно:

• В 3 раза улучшить качество модели удержания
• Подключить новые источники (поведенческие, транзакционные)
• Создать новые сегменты на основе прогностических фич

✅ Выводы

Александр подытожил:

• Стратегия данных — не документ и не проект, а живая система.
• Она включает:
• Инфраструктуру
• Бизнес-процессы
• Команду
• Культуру
• Гибкое развитие
• Без встраивания в бизнес-стратегию данные превращаются в бесполезную технологию.
• Без инвестиций в технологии и культуру бизнес не сможет масштабироваться и извлекать выгоду из данных.