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