Як індонезійський гігант BNPL використовує Data Science для стимулювання інновацій

Наука про дані та машинне навчання є одними з найскладніших, але важливих концепцій сучасного бізнесу. І багато компаній, незалежно від своєї ніші, покладаються на них, щоб забезпечити кращий користувацький досвід для своїх клієнтів.

Але яку роль відіграють наука про дані та машинне навчання в розвитку інноваційних фінансових систем, особливо в таких країнах, як Індонезія?

Відсутність даних про кредитну історію в поєднанні зі значним використанням мобільних телефонів в Індонезії є найкращим місцем для фінтех-компаній, які можуть надавати просунуті зручні споживчі фінансові рішення.

В цьому епізод Data Point of View, Лорі Худ, директор з маркетингу Mobilewalla, поспілкувалася з Джоелем Самуелем, віце-президентом, керівником відділу машинного навчання FinAccel, материнської компанії індонезійської платформи Kredivo «Купуй зараз, плати пізніше» (BNPL).

Вони обговорили важливість машинного навчання та науки про дані для досягнення бізнес-цілей і надання кращої взаємодії з користувачами, проблеми з пошуком спеціалістів із науки про дані, розвиток фінансових технологій та електронної комерції в Південно-Східній Азії, а також суть починати з малого.

Ключові думки з подкасту

Є дві основні причини, щоб надавати кращі рішення в Індонезії

Джоел і FinAccel прагнуть надати кращі фінтех-рішення на ринку Індонезії з двох причин.

«По-перше, це низьке поширення кредитних карток в Індонезії. Є лише 17 мільйонів кредитних карток у порівнянні з нашим населенням, яке сьогодні становить близько 250 мільйонів. Отже, на душу населення припадає лише 0.07 кредитної картки. Це дуже мало. Другий – високий рівень проникнення мобільних телефонів.

Зараз в Індонезії понад 119 мільйонів мобільних телефонів. Це майже 0.8 мобільних телефонів на душу населення. Отже, це солодке місце. У вас є мобільний телефон, але у вас немає кредитної картки».

Ми віримо в «швидко зазнаємо невдач і швидко вчимося».

Джоел і його команда твердо переконані, що проекти потрібно робити потроху. Таким чином, навіть якщо ви зазнаєте невдачі, у вас буде можливість швидко навчитися на своїй помилці.

«Ми можемо помітити, якщо щось не так із моделлю, яку ми запустили у виробництво. Ми також віримо в принцип «швидко зазнаємо невдач і швидко вчимося».

Ми завжди просуваємо виробництво потроху, щоб побачити ефект і вплив моделі. Отже, ми починаємо з простих речей і дрібниць».

За словами Джоела,

«Електронна комерція процвітає в Індонезії, і в країні є три-чотири «єдинорога», які почали свою діяльність на основі електронної комерції. Однією з проблем електронної комерції не лише в Індонезії, а й у всьому світі є залишення кошика.

І ця проблема більше стосується варіантів оплати або каналів оплати. Більшість людей залишають кошик, тому що мають проблеми з оплатою – це приємне місце FinAccel».

Щодо погляду вищого керівництва на науку про дані, Джоел поділився, що «з самого початку ми мали бай-ін із вищого рівня, вважаючи, що якщо ми хочемо підірвати найкращого гравця на ринку, як-от банк або Мультифінансова компанія, яка вже існує, єдине, що ми можемо зробити, це запровадити методологію науки про дані.

Він пояснив, що вони вирішують проблему кращим чином, оскільки керівництво фірми вважає, що наука про дані — це великі можливості.

«Але навіть незважаючи на те, що ми вже визначили нашу мету або ініціативу, яка виходить від вищого керівництва, ми повинні довести, що ми можемо реалізувати цю ініціативу або взяти участь у першому ж підрозділі».

Завданням для команд з обробки даних є формування довіри в організації. У FinAccel команда проводила регулярні зустрічі з головним і генеральним директором протягом перших двох років роботи, щоб представити свої результати.

Вони також мають хороший робочий процес і структуру моніторингу, щоб вони могли швидко помітити, якщо щось не так із моделлю, яку було передано у виробництво.

Джоел і його команда здобули впевненість, почавши з невеликої проблеми, швидко перейшовши до виробництва, а потім швидко побачивши результати.

Таким чином керівництво може одразу побачити вплив свого підходу до науки про дані.

Перегляньте подкаст Data Point of View від Mobilewalla за участю Лорі Худ і Джоела Семюеля тут.