27/04/2022

Геоплатформа: как в Газпромбанке работают с пространственными данными

Данные, у которых есть адрес или координаты, называют пространственными, или геоданными. В Газпромбанке с ними работают на геоплатформе. Это сервис, в котором команда визуализирует информацию и наносит ее на карту, чтобы решать разные бизнес-задачи. Как работает геоплатформа, рассказали начальник Управления алгоритмов машинного обучения Владимир Дашковский, управляющий директор Департамента анализа данных и моделирования Андрей Александров и директор по разработке моделей Алексей Бойко.

Зачем запустили геоплатформу

С 2012 года в Газпромбанке стали активно собирать данные о клиентах: тогда информацию хранили в электронных таблицах. Работать с массивом из строк и столбцов было сложно. Таблицы не давали провести пространственный анализ и увидеть, на каком расстоянии данные находятся друг от друга, что их окружает. Геоплатформа с визуальным представлением информации помогает взглянуть на задачу с иной стороны и найти новые решения.

Владимир Дашковский

Начальник Управления алгоритмов машинного обучения.

Допустим, банк открывает новое отделение и хочет об этом рассказать клиентам, которые живут в радиусе одного километра. Сотрудники рассылают сообщения пользователям, но никто не приходит. Оказывается, что отделение находится на одном берегу реки, а большая часть активных клиентов живет на другом. Чтобы доехать до банка, им надо пересечь два моста и на одном простоять в пробке.

По таблицам не увидеть, что путь до нового отделения будет для клиента неудобным и займет час. Если представить данные на карте, то можно спрогнозировать такие моменты и сделать так, чтобы люди меньше времени тратили на дорогу до банка.

Как устроена геоплатформа

Это полноценный веб-сервис для работы с геоданными, которые делятся на типы:

  • Точки — объекты, у которых есть конкретное местоположение. Так обозначают дома, банки, магазины или рестораны. Они нужны, чтобы узнать, сколько конкурентов есть в районе, в котором бизнес хочет открыть отделение.
  • Линии — вытянутые в длину объекты. Ими отмечают дороги и маршруты, чтобы спрогнозировать загруженность улиц и понять, удобно ли клиентам будет добираться до нового филиала в час пик.
  • Полигоны — секторы в форме квадратов, прямоугольников или гексагонов. С их помощью задают конкретные бизнес-параметры. Например, разбивают карту на сотни квадратов, каждый из которых показывает стоимость аренды на конкретном участке.

Так выглядят точки и маршруты в геоплатформе

На геоплатформе доступно сотни параметров: это значение средних чеков на разные товары, цена квадратного метра, пассажирские потоки, количество мужчин и женщин, а также сколько людей проживает или работает на территории. Данные Газпромбанк закупает в виде геослоев. Это тематические наборы, которые включают массивы данных по определенным бизнес-характеристикам с привязкой к местности. Если в геослое по стоимости аренды нажать на один сектор, можно увидеть цену 35 000 ₽ в месяц. Если нажать на другой — стоимость уже равна 50 000 ₽.

Условно функциональность геоплатформы можно разделить на три части:

  • Инструменты для визуализации. Чаще всего для этого используют карты. Их разбивают на сотни и тысячи квадратов разных цветов. Каждая ячейка содержит бизнес-информацию. Например, секторы с высокой стоимостью квадратного метра можно обозначить красным цветом, а с низкой — зеленым. В результате бизнес-клиент получает карту, на которой видно, что на северо-западе города цены на жилье выше, а на юге — ниже.
  • Инструменты для анализа, моделирования и расчета геоданных. Параметры можно комбинировать, соединять, делать на их основе вычисления и прогнозы. Например, рассчитать покупательский поток в каждой части города.
  • Инструменты для работы с данными. Чтобы было проще обрабатывать информацию, ее собирают и преобразовывают в нужные форматы.

Алексей Бойко

Директор по разработке моделей.

Одна точка или полигон на карте может включать до нескольких сотен характеристик. То есть заказчик кликает на ячейку и видит финансовые показатели, клиентопотоки. Они накладываются на цветовую градацию, которая показывает оптимальные решения с точки зрения пространственных параметров. Геоплатформа — это индивидуальное представление для работы с геоданными для конкретного внутреннего клиента.

Как команда работает с геоданными

Всё начинается с запроса, который поступает от заказчика. Например, он хочет увидеть, как распределены клиенты по Москве. Тогда команда создает простую визуализацию и дает к ней доступ.

Если надо сделать прогноз по геоданным, команда разрабатывает и обучает модели на искусственном интеллекте. Объясним, как это происходит, на конкретном примере.

От подразделения банка, которое занимается развитием сети, поступил запрос: надо расставить банкоматы так, чтобы объемы денег, которые клиенты снимают и вносят, соответствовали целевым показателям. На тот момент не по всем банкоматам получалось достичь нужных значений. Устройства надо было перераспределить: убрать аппараты в неэффективных точках и поставить там, где клиенты смогут ими чаще пользоваться. Чтобы решить эту задачу, заказчик обратился к команде геоплатформы.

Работа включала такие этапы:

Андрей Александров

Управляющий директор Департамента анализа данных и моделирования.

Как будет выглядеть тепловая карта, мы согласовываем с заказчиком, когда начинаем работу над задачей. То есть выясняем: хватит ли ему цветовой градации, чтобы сделать выводы? Или нужен подробный анализ от специалиста, который расскажет, как использовать визуализацию?

Эффективность инструмента зависит от того, насколько быстро и удобно бизнес сможет получить нужный результат. Например, надо расставить банкоматы так, чтобы ими больше пользовались. Когда команда разрабатывает модель, она учитывает все факторы, которые влияют на вероятность наступления целевого события. С помощью визуализации бизнес-аналитик со стороны заказчика может быстрее решить, куда переместить малоиспользуемые банкоматы и где установить новые.

Сложности и чего удалось добиться

Самым трудным было выбрать поставщиков геослоев. Можно купить геоданные за 2 млн ₽ и построить на их основе модель, которая принесет банку прибыль в 1 млн ₽. Это убытки, поэтому такие геослои команда исключала. От некоторых поставщиков в процессе разработки платформы также пришлось отказаться, потому что их данные было сложно использовать в разработке модели и интерпритировать бизнес-заказчику.

Команда разработала уже 30 моделей для разных задач. Например, в мае 2020 года команда построила на геоданных маршрут, по которому автобусы забирали сотрудников и доставляли их в офисы. Так Газпромбанк позаботился о здоровье специалистов.

Команда полноценно интегрировала геоплатформу в IT-архитектуру банка, то есть связала ее с другими системами. Благодаря этому информация поступает в data lake — хранилище, которым пользуются другие подразделения банка. Через него они получают доступ к пространственным данным и решают любые свои задачи.

0%

Банк ГПБ (АО) использует файлы cookie. Подробная информация –
в правилах по обработке персональных данных. Вы можете запретить сохранение cookie в настройках своего браузера.