Новичкам

Как обманывают банки

0

Достаточно давно уже Центральный банк РФ обязал все банки показывать в процентной ставке все скрытые платежи и комиссии перед кредиторами, однако крупнейшие банки нашли-таки лазейку это не делать.

Давайте расскажу свою историю. Брал кредит на ремонт и так получилось, что пришлось это на один из самых пиков. Ставка у меня получилась на мою сумму в 23.7% годовых. Деваться особо было некуда, да и платежи были достаточно комфортными. Да и ситуация в будущем обещала измениться к лучшему, все-таки тренд по ключевой ставке был отрицательным, что наводило на мысль о возврате если и не докризисный уровень ставок, то хотя бы близкий к нему, а следовательно я смогу перекредитоваться под меньший процент.

Прошло какое-то время, ситуация чуть улучшилась, да и рекламные материалы банков начали радовать приятными процентами по потребительским кредитам. В том банке где я брал кредит ситуация не позволяла брать второй на перекредитование, да и статистика ободрения кредитов как-то пугала дикими процентными ставками. Обратился в другой, подал необходимые документы, получил подтверждение об одобрении. Прихожу в банк, мне объявляют процентную ставку в 19.6%, что оказывается значительно выгоднее текущих моих условий. Но что-то мне не давало покоя мельком брошенная фраза кредитного консультанта о том, что есть какая-то страховка. Стал спрашивать про страховку, говорят все включено в ежемесячный платеж. Отлично, а какой ежемесячный платеж. Мне называют сумму, которая почему-то при более низкой ставке оказывается выше моего текущего платежа со ставкой 23.7%.

Пытаюсь узнать детали, но кредитный консультант мне все время говорит о ставке 19.6%. Ну и как-то мельком называет ежемесячную ставку 0.3% от суммы кредита страховку. Мне объявили период о которого действует одобрение, я сказал подумаю и за сим пошел считать, что же такое происходит.

Во-первых я пересчитал процент при названном мне ежемесячном платеже от одобренной суммы кредита, оказалось, что ставка примерно 29%, т.е. почти на 10% больше чем мне озвучено.

Потом пытался понять, как же у них так получается. Вычислил сумму, которую я должен был взять при 19.6%, чтобы получился тот самый платеж. Сумма оказалась ровно на 18% больше. Если ее поделить на 60 мес., срок кредитования, то как раз получается те самые 0.3% в месяц, но не от остатка суммы, а от первоначально взятого кредита. Т.е. как бы вы досрочно не гасили, страховку-то вы оплатите.

Потом полез в Интернет, почитал отзывы тех, кто уже столкнулся с этим. Оказывается действительно появилась такая практика в банках, в договоре указана не запрашивается сумма, а сумма + та самая страховка. Берете одну, а возвращаете не только ее и проценты, но и страховку с процентами. Но все чисто, банк-то одобрил под 19.6% с программой страхования, остальные почти 10% это ведь страховка. Может даже в договоре указан фактический процент, однако не удивлюсь, что это может быть не сделано.

Зато ЦБ всех обязал. Поэтому если вы вдруг вынуждены брать кредит, внимательно следите за условиями, иначе будете переплачивать очень сильно.

Удачи вам!

Какая точность считается нормальной?

0

Каждый раз когда речь заходит о моделировании, мне очень часто приходится слышать вопрос — как вы считаете, какая точность является нормальной. И я всегда не могу на него ответить однозначно, назвав какую-то величину.  В моем блоге достаточно примеров, когда точность важна, когда я писал про моделирование потребления электроэнергии, когда каждый закупленный в пустую киловатт может пропасть, а не закупленный может не принести желанной прибыли, но мог быть реализован. В то же время бывают другие ситуации, когда точность прогноза не столь важна, особенно если для достижения точности приходится значительно усложнять модель, которая в конечном итоге плохо интерпретируется, а иногда и вовсе становится неустойчивой на более длительных отрезках времени.

Попробуем на примерах показать, что есть хорошо, а что есть плохо.

Пример 1

Модель на тестовой выборке показывает 60%. Я бы не советовал брать такую модель. Это очень низкий показатель, близкий по сути к угадыванию, которая на боевых данных может не дать хорошего результата, особенно, если сам прогнозируемый фактор имеет очень маленький вес.

Но бывают и другие ситуации, нужно с чего-то начать, и если сравнивать взять просто список клиентов и начать обзвон или применить модель а потом по полученному списку начать обзвон, то я бы советовал использовать модель, чем совсем бездумно начать звонить. Эффект может быть все же выше с моделью. Да, эффект будет незначительным, но это лучше, чем ничего.

Пример 2

Модель на тестовой выборке показывает 87%. Такая точность может дать неплохие результаты на реальных данных, но они могут быть далеки от идеала по следующим причинам: недостаточно данных для обучения. Модель была построена на маленькой выборке, не являющейся репрезентативной, что обязательно скажется на качестве прогноза. Но если задача начать, то это тоже неплохо.

Пример 3

Модель показывает результат 97%. Модель должна показывать неплохой результат, если конечно вы не заигрались с ее переобучиванием. Но в некоторых случаях и такой точности может быть недостаточно. Когда это может произойти. Если переменная, которую вы прогнозируете может зависеть от случайного фактора, вес которого может быть значительный. Например, вы прогнозируете отток абонентов и знаете, что в 50% случаях отток происходит по причине переезда. Да, модель может выделить тех абонентов, которые были похожи на тех, кто переезжал, но это не значит что спрогнозированный абонент переедет. Отсюда нужно всегда выделять факторы, которые случайны и по возможности работать с меньшей выборкой, потому как прогнозировать абонентов, которые переедут не ваша задача, ваша задача прогнозировать абонентов, которые уйдут в отток.

В этом случае достичь 97%, конечно никогда не удастся. Поэтому всегда важно определить что именно вы прогнозируете и от каких факторов зависит прогнозируемая величина.

Можно попробовать ответить универсально, если больше 95% то это хорошо, главное что вы прогнозируете ту величину, которую можно прогнозировать.

Также на точность может влиять сезонность, если у вас недостаточно данных, вы, например, использовали данные в пиковый сезон, а на фактический данных вам предстоит получить прогноз в сезон меньших продаж. В этом случае модель не будет устойчивой и величина в 97% вообще ничего не значит.

Удачи вам, будьте внимательны!

Интересный парадокс в BI

0

Все чаще я сталкиваюсь с ситуациями, когда о внедрениях бизнес-систем рассказывают не заказчики, а специалисты по технологиям. И получается, что во главу угла спикер ставит технологии, а не решение конкретных прикладных задач. То есть говорится примерно так: «посмотрите какое решение, оно работает быстро и вы получаете быстро доступ к данным, получаете возможность в различных разрезах посмотреть информацию» ну и т.д. Неопытные в вопросе менеджеры клюют на удочку, посмотрев такую презентацию. Бегут в свой IT и говорят «вот хотим также и побольше». И тут начинается самое интересное. IT просит сформулировать, а что вы собственно хотите. Вы как заказчик должны сформулировать ТЗ, требования, описать данные, которые вам нужны, описать методику и т.д. Конечно, заказчик заказчику рознь, но примерно в 95% случаев заказчик начинает недоумевать, я хочу проще, больше и быстрее, а IT меня заставляет делать, как он думает, их работу. Хорошо, если в компании есть деньги и они могут привлечь опытных интеграторов, которые смогут описать все то, что хочет заказчик, положить на бумагу и помочь IT реализовать все хотелки заказчика, подобрать соответствующий спектр продуктов, если IT это самостоятельно сделать не может.
А если компания начинает это делать самостоятельно, то с большой долей вероятности, если заказчик не может сформулировать, что же ему нужно, проект обречен на провал. Даже если он безупречно сделан технически, по сути это будет «чемодан без ручки», вроде он есть, а вот применить его нельзя.
Пока не появится заказчик, который не скажет, что же именно ему нужно, как правильно посчитать показатели, описать бизнес-приложения этих данных, все это будет лежать мертвым грузом в компании, компания будет нести колоссальные издержки.
Я не считаю удачной концепцию, когда технологии ставятся на первом месте. Все это полный бул шит. Технологии помогают более эффективно решать бизнесу задачи. Заказчик должен понимать для чего используется та или иная технология, отдавать себе отчет, что ее применение эффективно и работать в тесной связке с IT.
Когда стоит задача одна, например, переплыть речку, а для ее решения мы строим трансатлантический лайнер, который явно предназначен для другого, то такие внедрения точно до добра не доводят. Ровно как и наоборот, мы хотим дешевле, выбираем Open source, но при этом не хотим и не желаем инвестировать в персонал. Потом начинаем видеть риски в том, что обучаем персонал, а он уйдет, давайте лучше дороже, но промышленное и так по кругу.
Задача на первом месте, технология ее решения на втором, а бантики на последнем. И где-то параллельно на всех этапах квалифицированный персонал.
Удачи вам! Be wise!

Особенности сезонности

0

Хотел бы сегодня поговорить об особенности применения моделей сезонной декомпозиции.

Думаю все, кто так или иначе занимался прогнозированием, сталкивались с сезонной составляющей и вероятнее всего ее применяли. Но вероятно не многие задумывались о том, что за сезонностью могут скрываться абсолютно другие причины.

Всегда ли нужно применять модель сезонной декомпозиции, когда вам кажется что есть сезонная составляющая и я вам даже больше скажу бывают ситуации, когда и математические модели говорят о наличии сезонной составляющей, но после получение такого прогноза, факт может быть абсолютно другим и не всегда соответствующим тренду.

Давайте попробуем разобраться в каких ситуациях это происходит. Для универсальности и упрощения выявления факторов, я бы порекомендовал использовать классификацию CRTconnection(единовременные платежи), rent (регулярные платежи, основанные на ежемесячной фиксированной плате за месяц), traffic (платежи за конкретно потребляемый объем услуг).

С точки зрения Connection — тут все просто, как правило зависимость от изменения тарифов (например акции, распродажи и др. управляемые факторы) и сезонность достаточно очевидна, например, увеличение объемов продаж кондиционеров в летнее время. Поэтому достаточно проверить действительно ли менялись тарифы и товар подвержен сезонности.

С точки зрения rent — как правило, изменение может наступить в двух причинах, вы изменили тарифы, возможно предоставили скидку какому-то из клиентов с целью его удержания либо изменилось количество клиентов, увеличились продажи или отток. Для выявления этих факторов, достаточно иметь под рукой тренд продаж, оттока, список клиентов по которым проводилась работа по удержанию, список клиентов склонных к оттоку. Так как этот показатель не подвержен сезонности, а полностью зависит от управляемых вами факторов, то достаточно просто определить.

Самым сложным для выявления и анализа является traffic — объемы потребления конкретных услуг, например, для операторов связи это объем исходящих соединений. Здесь куда больше факторов может влиять на тренд. В этом случае в обязательном порядке присутствует сезонная составляющая, но она может быть «зашумлена». Во-первых, может меняться количество клиентов, во вторых клиент может изменить структуру потребления и резко уменьшить или увеличить объем, тренды этого изменения могут совпасть с сезонностью, тогда их достаточно сложно распознать по сгруппированным показателям. Решение найдется в детальном анализе клиентской базы. Если trafic сезонно себя ведет, в этом случае тренд будет однонаправленным по всем клиентам. Для упрощения анализа выгрузки при увеличенной базе клиентов, достаточно выделить только тех клиентов, чей тренд изменился больше чем в среднем. В этом случае объем выборки будет много меньше и выявить клиентов, у которых появились аномалии в поведении, будет много проще, эта же выборка сможет быть использована для проведения работы с клиентами, например, по удержанию. Если у вас есть список клиентов, с которыми проводилась работа, вы всегда сможете определить как изменилась среднедоходная такса на единицу продукции, а значит скорректировать тренд в соответствии с этим изменением, исключив этот фактор из сезонной составляющей.

Не ленитесь проводить детальный анализ, в этом случае вы, как аналитики, сможете не только построить корректный прогноз, но также выявить сегменты клиентов, с которыми требуется проведение дополнительной работы, а это более значимый вклад вашей работы в деятельность предприятия, чем простой прогноз трендов. Тут конечно стоит оговориться, что для некоторых отраслей угадывание трендов стоит дороже, но в большинстве коммерческих розничных предприятий не связанных с финансовыми рынками, этот подход вполне может оправдывать себя.

Удачи вам! Будьте полезны для своих компаний.

Сколько теряют компании денег на продвижение впустую?

0

Недавно прочитал исследование, в котором говорится, что компании в Америке теряют 86 миллиардов в год из-за низкого качества обслуживания клиентов. С одной стороны не так много относительно выручки всех компаний, но с другой стороны абсолютная цифра впечатляет.

Наиболее значимые факторы удовлетворенности по мнению респондентов (исследование немного старое 2009г, которое проводило компания Genesys):

  • Наличие компетентной сервисной поддержки 78%
  • Удобные каналы коммуникации 48%
  • Проактивность компании в продажах 37% 
  • Персонализированное предложение 38%
При этом интересно, что мнение респондентов относительно проактивной работы распределилось следующим образом:
  • 9,5% категорически против
  • 48,8% всеми руками за
  • 41,7% более нейтральны и ответили приветствуется
При кросс-канальной коммуникации, приоритет респондентов выглядит следующим образом:
  1. на первом месте — самообслуживание с помощью IVR с последующим переходом на консультанта
  2. на втором — начать на веб сайте и затем получить голосовую помощь или ответы в чате
  3. не третьем — получить письмо и затем помощь в контакт центре
  4. на четвертом — заказать обратный вызов для того, чтобы не висеть на трубке
  5. на пятом — хотели бы добавить чат или сервис мгновенных сообщений при использовании сайта
В заключении исследователи рекомендуют провести анализ удовлетворенности пользователей и понять разрыв между существующей ситуацией и пожеланиями пользователей и двигаться в направлении сокращения такого отставания.
Мы сейчас стали проводить регулярно исследование удовлетворенности и на основе ответов респондентов формировать RoadMap доработок.
Само исследование натолкнуло меня на мысль порассуждать на тему, а сколько компании тратят на продвижение денег впустую и как оценивают результаты своих промо-кампаний.
Одной из статей каждой компании являются расходы на продвижение. Одни продвигают бренд, другие продвигают товар, третьи продвигают точку продаж, этот список можно продолжать до бесконечности.
Как компании оценивают эффективность вложения в рекламу. В лучшем случае оценивают в общем. Иногда вообще не оценивают.
Когда продвигают бренд — оценивают узнаваемость. Но это опросы, а клиенты не всегда желают слышать, что узнаваемость не растет, а деньги потрачены, поэтому исследователи спешат порадовать заказчиков положительными результатами. Но даже если действительно узнаваемость растет, растут ли продажи? Если посмотреть на цифры исследования, то можно представить сколько денег теряются в этом случае при плохом качестве сервиса. Соответственно просто продвигать бренд не обращая внимание на внутреннюю кухню, это пожалуй деньги потраченные впустую.
Что же до продуктов — здесь ситуация несколько лучше. Можно напрямую понять сколько денег потратили, сколько продали продуктов за единицу времени и оценить возврат инвестиций в целом. Вроде бы все красиво, но так ли это на деле. Даже если вы определили для себя некий target по затратам на единицу и уложились в него, так ли все хорошо на самом деле. Когда канал продвижения один, то тут все честно, никаких подвохов. Хотя тоже можно пойти дальше и понять где этот канал работает лучше, где хуже. Например сегментировать по географии и провести оптимизацию. А если каналов не один, а несколько. В целом все красиво, однако если посчитать SAC по каждому из них, вы будете очень-очень удивлены тем сколько денег тратится впустую.
На мой взгляд в России тратится впустую на продвижение огромная цифра. Думаю, что до половины бюджетов тратятся впустую, если учесть что рынок рекламы России на ATL+BTL за 2013 год  составил более 418 млрд. руб. по данным Ассоциации Коммуникационных Агентств России, то примерно 200 млрд. это деньги, которые можно было сэкономить, если подходить качественно к выбору каналов коммуникации и оценивать эффективность.
Наверное не все из них потеряны из-за неправильно выбранных каналов, часть вероятно теряются из-за низкого качества сервиса.
Что же мешает экономить эти деньги?
Основной принцип, который я много раз слышал от коллег, деньги выделили, нужно освоить.  Еще одна мысль, нужно тратить все, иначе в следующем году дадут меньше. Рекламные агентства, так те вообще, мы вам сделаем вау за ваши деньги, да, действительно, иногда получается вау, не думаю, что собственников волнуют ваши вау, они больше заботятся о получении отдачи от этих вау. Возможно, есть филантропы, но много ли таких?
Основная проблема же, даже если есть благое намерение добиться высокой эффективности, это как разделить эффект от кампании по каналам коммуникации, ведь если каналов коммуникации несколько, каждый со своим бюджетом, каналов продаж несколько, то как понять из какого канала пришел покупатель. Самое простое — это спросить его. В некоторых бизнесах это действительно работает. Но если мы возьмем компанию, которая, например, производит спортивную одежду и обувь, или автомобили. Каналов коммуникации множество. И как понять при продаже кроссовок, что покупатель увидел именно этот билборд, а не просто проходил мимо магазина и они ему просто понравились. Это огромный вопрос. В этом случае компания будет оценивать эффективность в целом, ну или с определенными допущениями по географии. Но можно ли такой подход считать эффективным? На мой взгляд, вряд ли. Из-за сложности оценки и возникают проблемы при оптимизации затрат и, как следствие, имеем потраченные огромные объемы впустую.
Будьте эффективны и не тратте деньги впустую, если не уверены в результате этих мероприятий.

 

Вверх
Яндекс.Метрика