Клиенты

ВТБ бесшовно перешел с иностранного решения на CDI. Под управлением «Единого клиента» находится более 100 млн клиентских записей. «Единый клиент» в ВТБ — полностью безотказное и отказоустойчивое приложение с надежностью 99,99%.

Результат: время отклика по созданию и изменению клиентских данных уменьшилось в 1,5 раза. За счет этого банк сэкономил около 100 млн руб. в 2024 году. При дедупликации теперь используется 139 правил вместо 25. Точность идентификации клиентов стала выше, а количество ручных корректировок сократилось на треть.

Банк заменил устаревшую систему управления клиентскими данными на «Единый клиент». Переход на CDI произошел без остановки бизнес-процессов, всего за одну ночь. Сегодня «Единый клиент» интегрирован с системой дистанционного банковского обслуживания, кредитным конвейером, розничной АБС, CRM.

Результат: снижен процент некачественных клиентских данных в анкетах за счет алгоритмов автоматического исправления. В базе перестали появляться дубликаты клиентских записей. Банк автоматически обезличивает данные клиентов при наступлении планового срока.

«Банк Синара» использует «Единый клиент», чтобы следить за полнотой и актуальностью сведений в банковских системах учета ретейл- и корпоративных данных.

Результат: банк избавился от дублей и неполных записей в клиентской базе. С помощью CDI созданы «золотые» карточки с достоверной информацией о клиентах. Профильный департамент регулярно анализирует показатели качества данных и направляет отчет в другие отделы. Все это помогает банку лучше обслуживать клиентов.

«Т-Банк» использует «Фактор» для нормализации и обогащения клиентских данных. Программа добавляет недостающие части адреса и индекс, находит актуальные коды КЛАДР, ФИАС, ОКАТО, ОКТМО. Также «Фактор» определяет пол клиента и передает эту информацию в CRM.

Результат: после того, как «Фактор» стандартизировал адреса и установил для них геокоординаты, к ним привязали критерии недвижимости, влияющие на кредитные тарифы. При запросе кредита клиент сразу получает гибкий и «умный» тариф — буквально в несколько кликов. Знание пола клиента позволяет создавать корректные документы и использовать в маркетинговых рассылках правильные обращения.

«Альфа-Банк» использует «Фактор» для стандартизации данных физических лиц. Ежедневно в банк поступают тысячи обращений по разным каналами, и чтобы обеспечить точность и полноту данных во всей ИТ-экосистеме, требуется единый стандарт их автоматизированной обработки и верификации.

Результат: «Фактор» в автоматическом режиме приводит к единому формату адреса, телефоны, email и паспортные данные. Это исключает дубли и ошибки, вызванные «человеческим фактором». Благодаря автоматизированной обработке и очистке, актуальные сведения бесшовно поступают в смежные ИТ-системы, включая АБС и кредитный конвейер.

«Т-Банк» использует «Подсказки», чтобы избавиться от ошибок в клиентских данных. Каждый день в организацию поступают сотни тысяч заявок, из них примерно пятая часть — из неавторизованной зоны. В этом случае клиенту нужно ввести данные в форму вручную — сообщить ФИО, адрес и другую информацию.

Результат: с «Подсказками» операторы и пользователи вводят данные в 2-3 раза быстрее. В «Т-Страховании» «Подсказки» используются для помощи клиентам при регистрации убытка — для поиска ближайшей к месту ремонта станции метро. Так вопросы с ДТП решаются проще и быстрее.

«Альфа-Банк» использует коробочное решение «Подсказки» для работы с данными корпоративных клиентов. Сервис подтягивает актуальную информацию из официальных справочников и помогает сотрудникам и клиентам заполнять реквизиты организаций быстро и правильно.

Результат: «Альфа-Банк» получил надежный инструмент для подсказки реквизитов организаций. Это улучшает клиентский опыт на конкурентном банковском рынке.

«МегаФон» использует CDI для работы с корпоративной клиентской базой. Система собирает информацию из разных источников, устраняет дубликаты и формирует эталонную карточку клиента. В ней есть реквизиты компании, контакты и вся история взаимодействия.

Результат: «МегаФон» точнее сегментирует лиды и формирует релевантные предложения бизнес-клиентам. Сопоставление существующей базы корпоративных клиентов «МегаФона» с ЕГРЮЛ позволило уточнить их реквизиты, актуализировать статус, наглядно отразить связи между юрлицами. Также с реестром сопоставили корпоративные email потенциальных клиентов — и обогатили реквизитами около 20% профилей.

После слияния «М.Видео» и «Эльдорадо» требовалось объединить клиентские базы двух сетей, устранить дубликаты, структурировать участие в программах лояльности. Для этого в «Единый клиент» загрузили клиентские данные из всех каналов и проверили их на ошибки. Для поиска дубликатов разработали новые интеллектуальные правила: они учитывают десятки факторов и помогают избежать ошибочного слияния клиентских карточек и бонусных счетов.

Результат: под управлением CDI находятся более 50 млн эталонных клиентских записей. Количество жалоб на некорректные ПД сократилось в четыре раза. После внедрения CDI ретейлер смог сделать номер телефона основным идентификатором клиента для авторизации, а также вычислить фродеров, создающих фейковые аккаунты ради бонусов.

«Лига ставок» внедрила «Единый клиент», чтобы отслеживать поведение игроков в онлайне и офлайне, бороться с мошенниками и бонус-хантерами, корректно анализировать бизнес-показатели — например, число клиентов и их оборот.

Результат: В 11-миллионной базе «Единый клиент» выявил около 3 млн дублирующихся записей и 400 тыс. групп потенциальных дублей. Это помогло букмекеру сформировать «золотые» карточки клиентов и повысить уровень персонализации. «Лига ставок» стала лучше понимать игроков и создавать для них целевые предложения.

Национальной страховой информационной системе (НСИС) предстояло обработать большой массив исторических сведений. Чтобы все адресные данные соответствовали структуре Государственного адресного реестра (ГАР), понадобился «Фактор».

Результат: в пилотном проекте с помощью «Фактора» НСИС обработала около 5 млн записей о договорах страхования жилья. Адреса в них были переданы текстовой строкой. «Фактор» проанализировал их и структурировал по компонентам в соответствии с ГАР. До полного адреса он успешно восстановил 88% строк.