Влияние использования технологии голосового финансового помощника на банковский сектор в Российской Федерации

"Научный аспект №5-2024" - Экономика и менеджмент

УДК 338:22

Доценко Анастасия Сергеевна – магистрант Уфимского государственного нефтяного технического университета

Аннотация: Исследование посвящено вопросу о влиянии инновационных банковских технологий на такие показатели как: рейтинг банка, количество клиентов, ежегодный прирост прибыли и нагрузка на сотрудников поддержки. В данной статье был проведен анализ внедрения и использования такой инновации в банковском секторе как – технологии голосового финансового помощника, с помощью статистических методов анализа данных – корреляционный анализ, регрессионный анализ, тест Вилкоксона. Рассматривается важность эффекта диффузии инноваций и использования технологий BigData и AI на восприятие технологии потребителями и на влияние на показатели.

Ключевые слова: инновации, голосовой финансовый помощник, диффузия инноваций, статистические методы анализа, корреляционный анализ.

На начало 2022 года внедрение цифровых технологий в деятельность банков Российской Федерации составляло 73%, в то время как банки в США и Азиатских странах и их деятельность цифровизирована на 85% [1]. Но если смотреть динамику цифровизации, то в России цифровизация в банковском секторе идет намного быстрее. Это связано с тем, что внедрение технологий и цифровизация отечественных банков началась гораздо позже, чем зарубежом [2].

Голосовые помощники имеют огромный потенциал в решении клиентских запросов и в управлении банковскими операциями из-за применения технологий машинного обучения, облачных вычислений, обработки естественного языка и оптимизированных алгоритмов [4].

Эта технология позволяет упростить работу банков и, конечно же, снизить их затраты, за счет того, что голосовой финансовый ассистент может выполнять функции сотрудников службы поддержки и снижать их нагрузку [5].

При разработке и вводе этой технологии банки борются за клиентоориентированность и лояльность клиентов, возьмём данные для анализа по годам такие как: рейтинг банков, ежегодный прирост прибыли, снижение нагрузки на сотрудников поддержки, а также количество клиентов  в таблице 1.

Таблица 1. Данные по рейтингу банков, ежегодному приросту прибыли, количеству клиентов и снижению нагрузки на сотрудников поддержки в  2018 – 2022 гг.

Название банка

Показатель

2018 г.

2019 г.

2020 г.

2021 г.

2022 г.

Тинькофф

Рейтинг

1

2

3

2

1

Ежегодный прирост прибыли, %

20,69

2,14

13,95

21,96

31,66

Кол-во клиентов, млн чел

51,68

41,34

51,05

61,78

77,84

Снижение нагрузки на сотрудников поддержки,%

9,3

12,7

26,8

37,8

65,7

 

Альфа-Банк

Рейтинг

20

17

23

17

12

Ежегодный прирост прибыли, %

21,37

23,65

20,74

22,14

25,69

Кол-во клиентов, млн чел

50,25

59,295

49,81

57,78

65,87

Снижение нагрузки на сотрудников поддержки,%

0

4,5

6,3

15,6

33,6

Сбер Банк

Рейтинг

63

54

68

43

22

Ежегодный прирост прибыли, %

23,45

33,14

15,64

20,45

34,57

Кол-во клиентов, млн чел

75

87,67

75,39

89,72

99,81

Снижение нагрузки на сотрудников поддержки,%

0

7,2

9,5

26,7

37,8

ВТБ

Рейтинг

11

22

25

10

6

Ежегодный прирост прибыли, %

13,74

12,74

10,94

12,36

26,14

Кол-во клиентов, млн чел

59,52

67,26

49,77

56,24

64,11

Снижение нагрузки на сотрудников поддержки,%

0

6,1

7,3

20,3

41,1

Уралсиб

Рейтинг

13

3

10

7

5

Ежегодный прирост прибыли, %

16,38

17,89

8,46

14,89

18,89

Кол-во клиентов, млн чел

55,5

64,61

56,84

65,37

72,73

Снижение нагрузки на сотрудников поддержки,%

0

3,8

6,6

17,8

39,4

Россельхоз Банк

Рейтинг

19

23

27

9

7

Ежегодный прирост прибыли, %

13,94

6,54

2,4

10,94

19,65

Кол-во клиентов, млн чел

51,99

57,90

40,07

45,38

52,18

Снижение нагрузки на сотрудников поддержки,%

0

8,7

10

21,4

45,9

По данным корреляционного анализа можно сделать следующие выводы: между переменными «количество клиентов» и рейтингом наблюдается положительная связь с коэффициентом корреляции 0,438446. Данная связь является статистически значимой на уровне значимости 5%.

Помимо этого, между переменными «количество клиентов» и ежегодным приростом прибыли наблюдается положительная связь с коэффициентом корреляции 0,696932. Данная связь является статистически значимой на уровне значимости 5%.

Между переменными «снижение нагрузки на сотрудников» и ежегодным приростом прибыли наблюдается положительная связь с коэффициентом корреляции 0,425861. Данная связь является статистически значимой на уровне значимости 5%.

Так при внедрении технологии голосового финансового аналитика сотрудники поддержки могут не отвлекаться на запросы, которые клиент может выполнить самостоятельно внутри приложения, но предпочитает воспользоваться помощью поддержки, а сконцентрировать внимание на более важных обращениях, которые не могут быть решены самостоятельно и естественно создают впечатление клиента о банке.

image001

Таким образом, с увеличением рейтинга на 19,5% - ежегодный прирост прибыли увеличиться на 1%.

Диффузия инноваций – процесс распространения и одобрения новых технологий в обществе. Теорию диффузии инноваций вывел Эверетт Роджерс в 1962 году. Согласно ей распространение инноваций среди потребителей растянуто во времени, это связано с типами покупателей и их возрастной категорией, покупатели моложе с легкостью принимают новый инновационный продукт, обосновать это можно тем, что большинство людей по своей сути – консерваторы и чем старше они становятся, тем сложнее им воспринимать новые технологии, продукты и услуги.

Именно здесь мы можем наблюдать тот самый эффект диффузии инноваций наглядно, мы видим, что после ввода технологии рейтинг банков сначала снижается, а спустя год возвращает  позицию, а затем выходит на лидирующие позиции.

Также важно сказать о том, что данная технология работает с помощью AI, этой технологии необходимо время для того, чтобы обучиться правильно понимать запросы и давать верный ответ.

Проанализировав технологию, можно однозначно говорить о том, что есть такой эффект как диффузия инноваций также, так как технология голосового финансового помощника основана на технологиях Big Data и AI она предполагает, что технологии необходимо время для обучения, поэтому в самом начале видно снижение, а затем улучшение показателей.

Анализируя эти данные были получены следующие результаты, на основе которых можно сделать вывод о том, что такое явление как диффузия инноваций проявила себя при вводе новой, для пользователей банковских приложений, технологии голосового финансового помощника.

Список литературы

  1. Белоглазов, Д.С. Управленческое решение: сущность и классификация // Прорывные научные исследования, закономерности, перспективы. – 2017. – С.143-150.
  2. Васильева, И.С. Эффективные методы и модели принятия управленческих решений // Экономика и менеджмент инновационных технологий. – 2018. – № 3. – С. 13-15.
  3. Журнал «Банковское дело» [Электронный ресурс]. URL: https://www.bankdelo.ru/expert-opinion/pub/6301 (дата обращения 02.05.2023).
  4. Поначугин, А. В. Компьютерные сети в России и становление интернет-экономики / А. В. Поначугин – Текст: непосредственный // Вестник Мининского университета, 2015. – № 4 (12). – С. 20.
  5. Прокопенко, Н.Ю. Системы поддержки принятия решений. Н.Новгород: ННГАСУ, 2017. – 188 с.
  6. Цифровизация банковского сектора: новые вызовы и перспективы [Электронный ресурс]. – URL: https://cyberleninka.ru/article/n/tsifrovizatsiya-bankovskogo-sektora-novye-vyzovy-i-perspektivy/viewer (дата обращения: 26.04–30.04.2023).

Интересная статья? Поделись ей с другими:

Автор: Доценко Анастасия Сергеевна