в банке
Прежде чем начинать любое дело необходимо все тщательно для этого подготовить. При организации службы маркетинга в банке тем более встанет необходимость в проведении обширных маркетинговых исследований в этой области. Рассмотрим, какие методы анализа могут использовать банки в процессе проведения маркетингового исследования, и какие виды маркетинговой информации могут быть собраны.
Сбор информации необходим для выявления реального и потенциального рынков коммерческого банка, изучения потребностей и перспектив этого рынка. Для оценки рынка вычисляется доля, принадлежащая банку, в том числе доля рынка займов и депозитов, а также доля рынка отдельных видов услуг; делается сравнение рынка данного коммерческого банка с рынком конкурирующих банков. Проведению данных исследований очень способствует то, что по закону коммерческие банки должны публиковать в открытой печать экономические и финансовые отчеты о хозяйственной деятельности за прошедший год. В частности, уже в течение нескольких лет журналы «Профиль» и «КоммерсантЪ-Деньги» раз в квартал публикуют рейтинги крупнейших и надежнейших коммерческих банков России. Используя эту информацию, можно оценить долю рынка коммерческого банка по сравнению с другими банками.
Банки в настоящее время используют современные информационные технологии для хранения информации и обеспечения ее оборота внутри банка. Наличие единого стандарта для обмена информацией внутри организации позволяет иметь единообразные архивы по различным разделам. Так сотрудник отдела маркетинга может получить уже собранную статистическую информацию о количестве клиентов, видах заказываемых ими услуг, среднем объеме сделки, средней величине депозита, количестве сделок в течение временного периода и тому подобное. Данная унификация позволяет маркетологу избежать трудоемкого процесса сбора данных и привидения их в удобный для анализа вид. Наличие единого формата файлов, содержащих маркетинговую информацию, позволяет автоматизировать процесс ее обработки. Написанная программистами банка программа будет автоматически получать по сети файл, форматировать его, убирать лишние поля с данными, а затем добавлять полученную информацию в единую базу данных, а также вычислять различные коэффициенты, индексы, строить графики.
Подобный подход к сбору маркетинговой информации значительно ускоряет весь процесс маркетингового исследования в банке. Между появлением информации и ее обработкой проходит значительно меньше времени, чем, если бы этот процесс проходил с помощью обычных методов. Такая оперативность позволяет банку быстрее реагировать на изменение внешней среды, вносить изменения в свою деятельность, разрабатывать новые услуги, которые бы полнее удовлетворяли потребности клиентов.
Примерами такой оперативности можно считать оперативное повышение ставок по депозитам для частных лиц после изменения ставки рефинансирования Центробанком России в феврале нынешнего года. Также некоторые банки, реагируя на ситуацию с задержками зарплаты на предприятиях, запустили так называемый «карточных зарплатный проект»[6], суть которого заключается в перечислении зарплаты работников на кредитные карты с возможностью расчетов в магазинах, предприятиях сферы услуг и т.п.
Особую роль для детального анализа рынка имеет его сегментация. В основе сегментации рынка лежит характер банковских услуг (кредитные, операционные, инвестиционные и прочие), и клиентурный признак (юридические и физические лица, корпорации, банки-корреспонденты, государственные органы). На практике применяется также географическая, демографическая, психокультурная и поведенческая сегментации.
В качестве объектов географической сегментации выступают территориальные образования, экономические районы, административные единицы страны, города и микрорайоны городов. Банк обычно концетрирует свое внимание , в первую очередь, на ближайшие рынки.
Демографическая сегментация основывается на социально-профессиональном делении населения, на делении по возрасту, по доходам, по семейному положению и т.д. Банк выявляет интересующие его группы населения и работает с ними для максимального привлечения вкладов, оптимального размещения кредитов. Такого рода сегментация приобретает в России немалое значение в связи с непропорциональным разделением по доходам работников различных отраслей народного хозяйства (например, энергетика и образование, медицина).
Сегментация открывает возможность:
- более точно оценить целевой рынок с точки зрения потребностей клиентов;
- выявить преимущества или недостатки деятельности банка в освоении конкретного рынка;
- более отчетливо поставить цели и прогнозировать реальность успешного осуществления маркетинговой программы.
Для проведения сегментации требуется соблюдение следующих условий:
- сегмент должен быть достаточно весомым, чтобы были оправданы операционные расходы банка, связанные с проведением кампании по продвижению новых услуг на рынок.
- ответная реакция на действия банка группы людей или компаний, выбранных в качестве целевого рынка, должна выгодно отличаться от реакции других сегментов.
В клиентурном рынке обычно выделяют пять сегментов:
1. Юридические и физические лица, открывающие счета в банке.
2. Корпорации, финансово-промышленные группы.
3. Банки-корреспонденты.
4. Правительственные и муниципальные органы ( рынок государственных долговых облигаций).
5. Юридические и физические лица как учредители доверительного управления имуществом.
После сегментации рынка банковских услуг банк проводит позиционирование своей услуги в определенном сегменте рынка.
В результате сбора маркетинговой информации отдел маркетинга банка подготавливается к анализу ситуации на рынке. Для проведения анализа отдел маркетинга может использовать самые современные средства исследования рынка, которые есть в распоряжении банка. Те банки, которые проводят на рынке активную политику, направленную на выживание, комплектуют свои аналитические отделы по последнему слову техники. Поскольку мне известны некоторые современные методы, применяемые для анализа в российских банках, то я о них немного расскажу.
Что такое нейронная сеть, нейроплата и нейрокомпьютер? Прежде всего, пусть Вас не вводит в заблуждение употребление слова "нейро". Нейронная сеть похожа на мозг человека не более чем стакан коктейля на Северный Ледовитый океан. Словосочетание "теория нейронных сетей" - не более чем обобщенное название вполне конкретной и формальной области математики.
С математической точки зрения нейронная сеть представляет собой многослойную сетевую структуру, состоящую из однотипных (и сравнительно простых) процессорных элементов - нейронов. Нейроны, связанные между собой сложной топологией межсоединений, группируются в слои (как правило, два-три), среди которых выделяются входной и выходной слои. В нейронных сетях, применяемых для прогнозирования, нейроны входного слоя воспринимают информацию о параметрах ситуации, а выходной слой сигнализирует о возможной реакции на эту ситуацию. Перед постановкой на "боевое дежурство" нейронная сеть проходит специальный этап настройки - обучения.
Как правило, сети предъявляется большое количество (сотни и тысячи) заранее подготовленных примеров, для каждого из которых известна требуемая реакция сети. Если сеть реагирует на очередной пример неадекватно, т.е. состояние выходного слоя отличается от заданного, внутренняя структура сети подвергается некоторой модификации для минимизации ошибки (в большинстве случаев корректируются веса соединений).
После определенного периода обучения сеть достигает состояния, соответствующего минимальной суммарной ошибке. Для некоторых задач суммарная ошибка составляет 2-3%, для других может доходить до 10-15%, ряд задач вообще не поддается решению на нейронных сетях. К счастью, прикладные аспекты теории нейронных сетей сегодня настолько изучены, что практически для каждой пользовательской задачи можно найти описание наиболее подходящей для ее решения структуры нейронной сети, а также ожидаемое качество результатов.
Давайте теперь вкратце перечислим основные преимущества нейронных сетей:
1. Наиболее ценное свойство нейронных сетей - способность обучаться на множестве примеров в тех случаях когда неизвестны закономерности развития ситуации и какие бы то ни было зависимости между входными и выходными данными. В таких случаях (а к ним можно отнести до 80% задач финансового анализа) пасуют как традиционные математические методы, так и экспертные системы.
2. Нейронные сети способны успешно решать задачи, опираясь на неполную, искаженную, зашумленную и внутренне противоречивую входную информацию.