Андата_Финстар_Концепция_решения

1.

Платформа Андата: Единый контур данных,
аналитика и искуссвенный интелект
Концепция решения, целевая архитектура
и экономический эффект проекта

2.

Управленческое резюме
Презентация описывает архитектуру и ключевые принципы платформы Андата, разработанной для поддержки
стратегических задач международной корпорации Финстар. Платформа обеспечивает сверхточный анализ данных,
оптимизацию маркетинговых кампаний и персонализацию взаимодействия с клиентами на нескольких рынках
(Россия, Бразилия, Индия, Мексика, США и др.).
Решение может быть развернуто как управляемый SaaS-сервис, так и в периметре ИТ-инфраструктуры Финстар (включая
гибридный вариант) с учётом требований информационной безопасности, регуляторных ограничений и внутренней
политики корпорации в каждой стране присутствия.
Презентация следует структуре детализированного документа и даёт консолидированное представление о целевой
архитектуре и основных элементах решения на уровне группы компаний. Полная спецификация платформы, а также
сопроводительные материалы (описание ИТ-ландшафта, архитектурные схемы и другие приложения) оформлены
отдельными документами и служат рабочей базой для последующего проектирования и интеграции.

3.

Контекст и цели проекта · Ключевые цели и задачи
1. Повышение конверсии в лиды за счёт оптимизации воронок
продаж, персонализации предложений и снижения оттока
на ключевых этапах заявки.
2. Снижение стоимости привлечения клиента за счёт
автоматической корректировки рекламных кампаний, более
точной сегментации аудитории и минимизации трат
на неэффективные площадки.
3. Персонализация предложений для разных регионов
и возрастных групп с учётом локальных особенностей поведения
клиентов (например, в Индии клиенты предпочитают
микрокредиты, в Бразилии — кредиты наличными), что позволяет
заметно повышать конверсию в целевых сегментах.
4. Соответствие регуляторным требованиям в каждой стране
обеспечение шифрования данных, управления согласиями
пользователей и соблюдение локальных законов (GDPR, CCPA
и другие) при обработке персональных данных.
5. Рост среднего чека за счёт анализа перекрёстных покупок
и формирования персонализированных офферов для клиентов,
которые уже использовали один продукт (например,
микрокредитование) и получают предложение по POSкредитованию или другим смежным продуктам.
6. Сокращение времени на подготовку отчётов за счёт
автоматизации отчётности и анализа ключевых метрик,
что повышает оперативность и эффективность работы
маркетинговой и продуктовой команд.
7. Технические цели проекта: унифицировать сбор → разметку →
доставку данных для аналитики и ML-кейсов, снизить издержки
на интеграции и повысить управляемость бизнеса на уровне
корпорации. Фокус стартового этапа - «Сквозная аналитика»
и «AI-модуль/шлюз» (без автоматической оптимизации кампаний
на старте).

4.

Описание платформы Андата
Андата - это высокотехнологичная AI-платформа управления данными и прикладным искусственным интеллектом.
Платформа объединяет сбор и хранение данных из цифровых каналов, сквозную маркетинговую аналитику и
интеллектуальную оптимизацию коммуникаций и рекламных кампаний, а также модуль AI-агентов для
автоматизации маркетинговых, продуктовых и клиентских процессов.
В контуре корпорации Финстар платформа Андата выступает как единый слой:
· Сбора и нормализации данных из цифровых каналов, внутренних систем и внешних источников;
· Расчёта ключевых бизнес-метрик и управленческой отчётности;
· Предоставления данных и инструментов для прикладных ИИ-сценариев и работы AI-агентов на уровне всей корпорации.
Модули платформы Аналитика, Дата Хаб, Тег-менеджер, Воронки, Сегменты, Баннеры и AI-агенты в совокупности формируют целостное
решение, которое может поставляться как управляемый облачный сервис (SaaS) либо быть развёрнуто в периметре ИТ-инфраструктуры
Финстар, в зависимости от требований безопасности и регуляторных требований в странах присутствия.
Ключевыми компонентами платформы в данном проекте являются:
Подсистема сквозной аналитики
Модуль AI-агентов

5.

3.1. Подсистема аналитики
Андата
Подсистема аналитики решает задачу построения
единого управляемого контура данных для всей группы
компаний Финстар:
· Собирает данные из информационных источников корпоративных
систем Финстар для разных стран, брендов, юридических лиц и каналов;
· Приводит их к единой модели и методологии расчёта показателей;
· Предоставляет управленческие и операционные представления для
разных уровней управления - от корпоративного сегмента страны и
бизнес-юнита до корпорации в целом.
В результате Финстар переходит от разрозненной статистики к
единому, проверенному источнику данных для маркетинга и
бизнеса во всех странах присутствия.

6.

3.1. Подсистема аналитики Андата: как это работает
Единая модель данных
Аналитика и KPI
Связанный профиль клиента: устройства, браузеры, аккаунты,
телефоны, e-mail.
Воронки по ключевым бизнесам: МФО и кредиты, брокерские и посткредитные сервисы.
Единый формат событий: просмотры, заявки, обращения, выдачи,
платежи, реструктуризации, отказы и др.
Унифицированные справочники: страны, юрлица, бренды, продукты,
каналы, сегменты клиентов.
Маркетинговые и финансовые показатели: CAC, стоимость
лида/выдачи, LTV, срок окупаемости, ROMI/ROI, одобрения/отказы,
просрочки и возвраты.
Разрезы: страна, регион, бренд, юрлицо, бизнес-юнит, продукт, сегмент
клиента; когортный и поведенческий анализ.
Качество и прозрачность данных
База для AI-агентов
Мониторинг полноты и своевременности загрузок по каждому
источнику.
Структурированные, очищенные и согласованные данные для ИИсценариев по клиентам, продуктам и каналам.
Техническая и бизнес-валидация, сверка с бэк-системами, контроль
аномалий и аудит цепочки формирования показателей.
Оценка эффекта AI-агентов на бизнес-метрики (одобрения, LTV,
конверсии и др.) через сравнение с контрольными группами.

7.

3.2. Модуль AI-агентов
платформы Андата
Модуль AI-агентов - прикладной слой ИИ, который
использует данные и знания платформы Андата для
решения конкретных задач группы компаний Финстар.
· Предоставляет готовых «цифровых сотрудников» (агентов) на базе ИИ
и данных корпорации.
· Ускоряет обработку запросов клиентов и сотрудников, сокращает
время принятия решений.
· Позволяет запускать и масштабировать успешные ИИ-сценарии между
странами и бизнес-юнитами без отдельной инфраструктуры в каждой
точке.
· Поддерживает создание и управление агентами для автоматического
ведения диалогов с клиентами и генерации коммуникаций (e-mail,
письма, чаты и др.).
В связке с аналитикой Андата модуль AI-агентов превращает
накопленные данные и регламенты Финстар в управляемые
сервисы для клиентов и внутренних команд.

8.

3.2. Модуль AI-агентов платформы Андата: как это работает
Архитектура и работа с данными
Классы агентов для контура Финстар
• ИИ-шлюз. Единый слой подключения к языковым моделям и ИИ-сервисам (ChatGPT, GigaChat,
DeepSeek и др.) в согласованных юрисдикциях.
Клиентские чат-агенты. Отвечают на вопросы по продуктам, условиям, статусам заявок и операций,
помогают в МФО-, кредитных, брокерских и пост-кредитных сервисах на основе регламентов, тарифов,
FAQ и данных клиента.
«Онлайн-аналитик/маркетолог». Помогает интерпретировать данные: описывать воронки, находить
точки потерь, сравнивать страны, каналы, продукты, формировать гипотезы по улучшению конверсий и
прибыльности.
Агент контроля коммуникаций и качества. Анализирует звонки и чаты, проверяет соблюдение
скриптов, требований регулятора и стандартов, выделяет риски и точки улучшения клиентского опыта.
Агенты внутренней поддержки. Отвечают на вопросы по продуктам, процессам, регламентам и ИТсистемам, помогают адаптации новичков, могут специализироваться по бизнес-линиям (МФО,
кредитование, брокерские сервисы, пост-кредитование).
Конкретный перечень агентов и сценариев фиксируется отдельно по странам и бизнес-юнитам.
• Подсистема контекста. Собирает для каждого агента данные о клиенте, историю операций,
продуктовые условия, кампании, скрипты и регламенты из аналитики и других источников.
• Хранилища знаний (RAG). Тематические базы: документы, регламенты, FAQ, обучающие
материалы для поиска и цитирования релевантной информации.
• Конструктор и оркестратор. Создание и управление агентами под задачи Финстар: сценарии,
права доступа, встраивание в процессы.
• Все обращения к данным через интерфейсы платформы: соблюдение требований по ПДн и
банковской тайне, контроль доступа, логирование и аудит действий.
Управляемость, безопасность и масштабирование
Роль в модели ценности
• Для каждого агента задаются задачи, источники данных, допустимые действия и форматы
ответов; все действия логируются и анализируются.
• Ускоряет получение управленческих ответов из данных (агенты-аналитики и помощники
руководителей).
• Архитектура учитывает требования разных стран к обработке персональных и финансовых
данных; при необходимости агенты работают с обезличенными данными или в локальной
инфраструктуре конкретного региона.
• Повышает качество и скорость обслуживания клиентов (чат-агенты и помощники
операторов).
• Типы агентов и сценарии можно адаптировать под другие страны, бренды и юрлица, используя
единый технологический базис и модель данных.
• Внедрение агентов (проектирование, подключение данных, обучение на документах)
выполняется как отдельные проекты, а эксплуатация и стоимость вычислительных ресурсов
управляются отдельно и масштабируются по мере роста использования.
• Позволяет системно внедрять и масштабировать ИИ-сценарии по всей корпорации, а не
держать разрозненные пилоты.

9.

3.3. Другие подсистемы и модули решения Андата
Ниже приведена краткая информация о других подсистемах и модулях,
входящих в состав решения Андата.

10.

Модуль 1: Цифровой паспорт
Технология, объединяющая идентификаторы пользователей (cookie, e-mail,
телефон, CRM ID, mobile ID) в единый профиль. Для Финстар это критично для
создания единой карточки клиента, учитывающей поведение в мобильном
приложении, на веб-сайте и в CRM-системе.
Анализ перекрёстных покупок. Выявление клиентов, которые переходят от
микрокредитования к POS-кредитованию и другим продуктам, что позволяет
формировать персонализированные предложения и системно повышать средний
чек и глубину использования продуктовой линейки.
Сегментация по странам. Учёт локальных особенностей поведения клиентов
(например, в Индии клиенты чаще используют микрокредиты, в Мексике — кредиты
наличными) и настройка рекламных кампаний с фокусом на наиболее
перспективные сегменты. Это обеспечивает более точный таргетинг и заметное
повышение конверсии в целевых аудиториях.
Уменьшение оттока. Выявление клиентов, которые оставили форму заявки на этапе
загрузки документов, и автоматическая отправка персонализированного e-mailпредложения с упрощённым процессом подачи заявки. Такой подход помогает
существенно сокращать отток клиентов на критическом этапе воронки и возвращать
часть незавершённых заявок в обработку.

11.

Модуль 2: Рекурсивная аналитика
Ежедневный перерасчёт данных на основе обновлённых цифровых паспортов.
Для Финстар это обеспечивает оперативное реагирование на изменения в
поведении клиентов на горизонте суток, а не недель.
Реагирование на сезонные колебания. Анализ динамики спроса на продукты в
разные периоды (например, рост интереса к кредитам наличными в сезон
праздников на отдельных рынках) и автоматическая корректировка бюджетов
рекламных кампаний. Это позволяет заранее усиливать присутствие в периоды
повышенного спроса и избегать излишних трат вне сезонных пиков.
Сравнение эффективности кампаний. Сопоставление ключевых метрик в разных
странах и регионах (CTR, конверсия, стоимость привлечения) для оптимизации
распределения бюджета между рынками. На основе этих данных бюджет может
смещаться в пользу стран и сегментов аудитории, где рекламные инвестиции дают
наибольшую отдачу.
Выявление узких мест. Фиксация резкого роста оттока на конкретных этапах
воронки (например, на этапе подтверждения данных в отдельной стране) и
автоматическая отправка уведомления ответственным командам. Это позволяет
оперативно выявлять и устранять локальные проблемы в процессах ещё до того, как
они превращаются в системный фактор потерь.

12.

Модуль 3: Тег Менеджер
Система управления тегами для точного сбора данных о взаимодействии
пользователей с сайтом и другими цифровыми каналами и последующего
анализа их поведения.
Отслеживание этапов заявки. Сбор данных о каждом шаге заявки (просмотр
условий, заполнение формы, подтверждение, загрузка документов) для выявления
узких мест в воронке. Например, если значимая доля пользователей прекращает
оформление на этапе загрузки документов в конкретной стране, это становится
основанием для упрощения интерфейса и процесса, что приводит к росту
конверсии на критическом этапе.
Сбор данных о продуктах. Анализ интереса к различным продуктам
(микрокредитование, POS-кредитование, кредиты наличными и др.) на уровне
просмотров и взаимодействий. Например, клиенты, которые неоднократно изучали
условия кредита наличными, но не подали заявку, могут получить
персонализированное предложение с более понятным и коротким процессом
оформления.
Создание сегментов. Формирование поведенческих сегментов для
персонализированных предложений (например, пользователи, интересовавшиеся
определённым продуктом, но не завершившие заявку). Это даёт возможность
выстраивать адресные коммуникации и повышать конверсию без механического
увеличения медиабюджета.

13.

Модуль 4: Воронки продаж
Инструмент визуализации и оптимизации воронок продаж с выявлением
узких мест и формированием рекомендаций по повышению конверсии.
Отдельные воронки по продуктам. Создание отдельных воронок по ключевым
продуктовым линиям (микрокредитование, POS-кредитование, кредиты наличными
и др.). Например, по микрокредитованию в конкретной стране может быть
выявлено, что значимая доля клиентов «застревает» на этапе заполнения формы,
что становится основанием для сокращения числа полей, изменения логики
валидации или переработки UX.
Анализ узких мест. Выявление повышенного оттока на отдельных этапах
(например, подтверждение данных или загрузка документов в отдельных странах) и
оценка влияния этих потерь на итоговую конверсию. На основе этого принимаются
решения об упрощении процессов, изменении текстов, интерфейсов или скриптов,
что приводит к снижению оттока на проблемных этапах.
Персонализация предложений. Использование данных о поведении клиентов в
воронке для формирования точечных персональных предложений. Например,
пользователи, которые остановились на этапе загрузки документов, могут получать
e-mail или in-app-коммуникации с напоминанием и более простым сценарием
завершения заявки. Это помогает возвращать часть незавершённых процессов в
активную обработку.

14.

Модуль 5: Дата Хаб
Модуль, предназначенный для подключения источников данных к платформе
Андата. Источники группируются по категориям: веб-сайты, мобильные
приложения, внешние аналитические системы, CRM-системы, колл-трекинг и
другие сервисы.
Подключение CRM-систем (amoCRM, Битрикс24 и др.). Синхронизация данных о
клиентах и сделках для формирования единой карточки клиента и последующего
анализа перекрёстных продаж. Это позволяет видеть, какие комбинации продуктов
покупают клиенты в разных странах, и выстраивать предложения, повышающие
средний чек и глубину взаимоотношений.
Интеграция с Яндекс Метрикой и Google Analytics. Сбор детализированных
данных о поведении клиентов на веб-сайтах и лендингах для выявления узких мест в
пользовательском пути и последующей оптимизации рекламных кампаний и UX.
Аналитика на стыке веб-поведения и CRM-данных помогает точнее оценивать вклад
каждого канала в итоговые продажи.
Подключение колл-трекинга (Calltouch, Roistat и др.). Получение данных о
звонках из рекламных каналов и их связывание с заявками и продажами. Это
позволяет оценивать эффективность телефонных обращений, оптимизировать
процессы обработки звонков и снижать стоимость привлечения клиента за счёт
перераспределения бюджета в пользу каналов, которые приводят к качественным
обращениям.

15.

Модуль 6: Интеграция с рекламными кабинетами
Поддержка рекламных кабинетов Яндекс.Директ, Google Ads, Meta (Facebook,
Instagram) и ВКонтакте для отслеживания статистики и управления рекламными
кампаниями. Для Google и Meta платформа Андата имеет статус валидированного
провайдера данных, что обеспечивает корректную и стабильную работу с API этих
систем без функциональных ограничений и позволяет использовать расширенный
набор маркетинговых сигналов для аналитики и оптимизации.
Оптимизация кампаний по ключевым метрикам. Оптимизация кампаний по ключевым
метрикам позволяет существенно снизить стоимость конверсии за счёт автоматической
корректировки ставок и географии показов. Например, на одном из рынков автоматическое
управление геотаргетингом привело к заметному уменьшению стоимости привлечения
клиента при сохранении объёма целевых действий.
Сегментация аудитории. Сегментация по возрасту (30–45 лет, 45–55 лет), полу и геолокации
используется для ощутимого повышения конверсии в целевых группах. Так, на ряде рынков
аудитория 30–45 лет показывает значительно более высокую склонность к отклику,
чем старшие возрастные сегменты, что позволяет настраивать кампании под наиболее
эффективные группы и перераспределять бюджет в их пользу.
Автоматическая корректировка ставок. Использование стратегий автоматического
управления ставками позволяет снижать среднюю стоимость конверсии и одновременно
наращивать объём целевых действий в рамках заданных ограничений по бюджету
и эффективности. Система переоценивать аукцион в режиме близком к реальному времени
и перераспределяет ставки в пользу наиболее результативных связок «канал — креатив —
аудитория».

16.

Модуль 7: AI-Агенты
Компонент платформы Андата, в котором можно описывать и хранить
промпты, системные инструкции и сценарии работы агентов, а также
отслеживать все диалоги пользователей с ранее созданными агентами.
Платформа позволяет создавать ассистентов и агентов под конкретные бизнесзадачи, публиковать их на веб-сайте с помощью Андата Тег-менеджера
и использовать для генерации маркетингового и сервисного контента.
Создание статей для блога. Генерация персонализированных статей для разных
возрастных групп и стран, что увеличивает вовлечённость аудитории, время
пребывания на сайте и конверсию в целевые действия за счёт более релевантного
контента.
Генерация рекламных текстов. Создание вариантов рекламных сообщений
для разных возрастных групп (например, 30–45 и 45–55 лет) и рынков (Индия,
Мексика и др.), что позволяет повышать кликабельность объявлений
и эффективность кампаний без увеличения медиабюджета.
Анализ отзывов клиентов. Автоматический анализ отзывов и обращений клиентов
с формированием рекомендованных ответных действий: корректировка скриптов
и контента, запуск точечных коммуникаций, приоритизация задач для команд
поддержки. Это помогает снижать отток, своевременно реагировать на негатив
и устойчиво повышать удовлетворённость клиентов.

17.

Модуль 8: Отчеты
Генерация детализированных отчётов с настраиваемыми параметрами
и возможностью экспорта в PDF, Excel и другие форматы.
Еженедельные отчёты по ключевым метрикам: Конверсия в лиды,
стоимость привлечения клиента, CTR рекламных кампаний, средняя
стоимость конверсии. Это позволяет регулярно анализировать
эффективность кампаний и вносить корректировки.
Сравнение эффективности кампаний в разных странах: Отчёты,
показывающие, какие страны имеют наилучшие результаты, и какие
кампании требуют оптимизации, что позволяет оптимизировать
распределение бюджета между регионами.
Автоматизация отчётности: Сокращение времени на подготовку отчётов,
что позволяет команде маркетинга сосредоточиться на стратегических
задачах.

18.

Модуль 9: Сегменты
Возможность создания и управления сегментами аудитории на основе
поведенческих, демографических и географических данных.
Сегментация по возрасту и полу: Создание сегментов для разных
возрастных групп (30–45 лет, 45–55 лет) и полов для персонализации
предложений, что увеличивает конверсию.
Сегментация по странам: Учёт локальных особенностей поведения
клиентов (например, в Бразилии клиенты предпочитают кредиты
наличными, в Индии — микрокредиты) для настройки рекламных кампаний
с повышением конверсии.
Создание сегментов для персонализированных предложений: Клиенты,
которые просматривали кредит наличными, но не подавали заявку,
получают персонализированное предложение, увеличивая конверсию.

19.

Модуль 10: Баннеры
Управление рекламными баннерами, их размещением, аналитикой
эффективности и автоматизированной оптимизацией на вашем
веб сайте, лендинге, или в мобильном приложении.
Динамическое содержание: Отображение персонализированных баннеров
на основе поведения клиента (например, клиенты, которые просматривали
микрокредитование, видят баннер с предложением POS-кредитования),
что гарантированно увеличивает конверсию.
Анализ эффективности: Отслеживание эффективности баннеров
в реальном времени и автоматическая оптимизация их размещения,
что снижает стоимость привлечения клиента.
Автоматизированная оптимизация: Использование данных о поведении
клиентов для автоматической корректировки содержания баннеров,
что значительно увеличивает CTR.

20.

Область работ
Что делает Андата на проекте:
Поставляет платформу как ИТ
интегратор
Выполняет интеграционные
работы:
Собственная разработка, управляемые
инстансы, единый архитектурный подход.
Подключение источников, настройка
разметки событий и профилей,
«доставка» данных по согласованным
интерфейсам.
Предоставляет интерфейсы для
бизнес пользователей (дашборды,
отчётность) и сервисные
API/выгрузки для ИТ ядра
корпорации.

21.

Целевые бизнес-результаты для корпорации
Корпорация управляет портфелем финансовых сервисов в нескольких десятках стран: микрофинансовые организации, кредитные компании,
кредитные брокеры, пост-кредитные сервисы и другие бизнес-юниты, работающие с деньгами и риском.
Роль Андаты в этом контуре - выступить IT-интегратором с собственной разработкой, который собирает, размечает и доставляет данные из всех этих
направлений в единый управляемый контур. Ниже - целевые бизнес-результаты, которые корпорация получает от такого проекта.
Управляемость международного портфеля финсервисов
Рост доходов и рентабельности ключевых бизнес-юнитов
Цель: видеть и управлять всем портфелем Финстар как единой системой,
а не набором разрозненных бизнесов и направлений
Цель: увеличить доходы и рентабельность по основным направлениям
Финстар - МФО, кредитные продукты, брокеры, пост-кредитование.
Тиражирование лучших практик между странами и брендами
Готовый контур для системного внедрения ИИ
Цель: превратить локальные успехи отдельных компаний группы в
системный рост по всему периметру Финстар.
Цель: использовать искусственный интеллект не точечно, а как
инструмент увеличения доходов всей группы.
Управленческий эффект на уровне холдинга
Цель: дать управленческим командам инструмент, который поддерживает
стратегические решения по распределению капитала и развитию портфеля.

22.

Архитектура: роль Андаты и варианты размещения
Роль Андаты - «шина данных» (Data Bus).
· Андата разворачивается как один или несколько управляемых инстансов и выступает внешним слоем сбора и обработки клиентских
и маркетинговых данных.
· Объединяет цифровые каналы (сайты, мобильные приложения), CRM и рекламные платформы и передаёт нормализованные
события, профили и метрики во внутреннее ИТ-ядро Финстар.
· Получает результаты скоринга и моделей из ИТ-ядра и доставляет их обратно в бизнес-интерфейсы и внешние системы (рекламные
платформы, каналы коммуникаций).
Варианты развёртывания
По странам и персональным данным
Управляемый облачный сервис (SaaS) в инфраструктуре
Андаты.
• Для каждой страны может использоваться отдельный инстанс платформы (облачный или локальный)
либо комбинированная схема.
On-premise-контур в периметре ИТ-инфраструктуры
Финстар или локальных юридических лиц.
• Соблюдение требований GDPR, CCPA и национальных законов о ПДн обеспечивается через:
Гибридные схемы: часть функциональности в централизованном облаке, чувствительные компоненты
и данные - в локальной инфраструктуре.
1. Локальное хранение и обработку ПДн (data residency), где это требуется;
2. Использование деперсонализированных и агрегированных данных при передаче в
централизованные витрины;
3. Управление пользовательскими согласиями и целями обработки для каждого бизнес-юнита в
соответствии с локальным регулированием.
• Базовым ориентиром выступают требования международных стандартов и законодательства стран
размещения инстансов; для отдельных рынков учитываются специфические требования локальных
регуляторов.

23.

Потоки данных: сбор и транспорт
Модуль сбора данных. Цифровые каналы и рекламные
системы через Тег Менеджер и модули сбора в реальном
времени и периодическими загрузками передают события в
хранилища, откуда данные поступают в контур обработки и
аналитики.
Источники: сайт и мобильное приложение заказчика,
рекламные системы, личный кабинет.
Сбор данных: трекинг-код/SDK и тег-менеджер, модуль сбора
данных в реальном времени и модуль периодических выгрузок.
Хранилище событий: данные сохраняются в
специализированных хранилищах и готовы к дальнейшей
обработке и интеграции с ИТ-ядром Финстар.

24.

Потоки данных: обработка и аналитика
Модуль обработки данных для аналитики. Периодическая обработка консолидирует
данные из хранилищ, формирует аналитические витрины и OLAP-слои, откуда метрики
поступают в отчёты, дашборды и ИТ-ядро Финстар.
Обработка и витрины
· Периодические процессы обработки получают данные из хранилищ событий и
профилей.
· Формируются аналитические витрины и OLAP-модели: воронки продаж, показатели по
каналам, сегментам клиентов и продуктам.
· Нормализованные события, профили и метрики выгружаются в шину корпорации для
расчёта внутренних ML-моделей и использования во внутренних BI-инструментах.
Данные и KPI
· Единая разметка событий: просмотры, взаимодействия, заказы, обращения, статусы.
· Единая разметка профилей: псевдо-идентификаторы, атрибуты, канальные маркеры.
· Унифицированный набор KPI: CAC, стоимость выдачи кредита, доход/прибыль на
пользователя, LTV, ROI, эффективность по каналам и атрибуциям.

25.

Данные, метрики и прикладной ИИ (на старте проекта)
Блок 1. Интерфейсы и кооперация с ИТ-ядром
Дашборды для стран, регионов и уровня корпорации; витрины для
внутренних BI-систем Финстар.
Выгрузка нормализованных событий, профилей и метрик в ИТ-ядро
для расчёта скорингов и предиктивных моделей.
Приём результатов скоринга обратно для отображения в дашбордах и
передачи во внешние системы (рекламные платформы, каналы
коммуникаций).
Блок 2. Прикладной ИИ на старте
Андата предоставляет единый ИИ-шлюз: возможна интеграция
внешних коммерческих моделей и/или развёртывание open-sourceмоделей с учётом юрисдикции и требований безопасности.
Базовые сценарии запуска:
Онлайн-чат-консультант на сайтах;
«Онлайн-маркетолог» с рекомендациями по медиа-миксу и
кампаниям без автооптимизации;
Анализ диалогов с клиентами во всех каналах с оценкой прохождения
по воронке.
Таким образом, архитектура Андаты сначала формирует единый, управляемый контур данных по странам и юрлицам с учётом
требований по ПДн, а затем позволяет надёжно подключать прикладной ИИ-слой и масштабировать сценарии по всей группе Финстар.

26.

Экономический эффект и бизнес-целесообразность
В данном проекте Андата выступает не только как вендор собственной платформы, но прежде всего, как IT-интегратор, который берёт на себя
ответственность за сбор, разметку и доставку данных для корпорации, работающей в десятках стран и в разных формах финансового бизнеса:
микрофинансовые организации, кредитные организации, кредитные брокеры, пост-кредитование и другие сервисы, связанные с деньгами.
Андата как единый IT-интегратор для международной группы
Экономия на сборе, разметке и доставке данных
Единый унифицированный контур управляемости
Масштабирование искусственного интеллекта на десятки стран
Бизнес-целесообразность для международной финансовой группы
С учётом масштаба: несколько десятков стран, разные виды финансовых операций, различные регуляторные режимы - привлечение
Андаты в роли IT-интегратора с собственной разработкой экономически обосновано, потому что:
Снижает суммарные затраты на интеграции и поддержку контуров данных в странах;
Создаёт единый управляемый контур данных и отчётности для всей группы;
Даёт готовую инфраструктуру для масштабирования искусственного интеллекта на уровне всей корпорации;
Позволяет концентрировать внутренние ресурсы корпорации на ключевом — управлении продуктами, рисками и доходностью,
а не на построении и поддержке интеграций.