Я переглядав деякі цікаві дані про фінтех, які не всі помічають. Реальність полягає в тому, що розрив між фінтех-компаніями, які використовують серйозний аналіз даних, і тими, що ні, стає все більшим. Це не зменшується, а навпаки, розширюється.

McKinsey проаналізувала 800 фінтех-компаній у 40 країнах і виявила досить очевидну річ: ті, що мають зрілі аналітичні можливості, генерують доходи у 2.6 рази швидше, ніж ті, що покладаються на базові звіти. І цікаво, що поки вони накопичують більше даних і вдосконалюють свої моделі, ця перевага ще більше зростає. Це не маленький різниця, а експоненціальна.

Чому так відбувається, є більш відкриваючим очі. Більшість фінтех-компаній досі застрягла в описовому аналізі, в основному дивлячись на те, що сталося: обсяги транзакцій, тенденції доходів, кількість клієнтів. Ті, що швидко зростають, вже перейшли до прогнозного та рекомендаційного аналізу. Це змінює все.

Візьмемо світ кредитування. Experian виявила, що фінтех-кредитори, що використовують передові прогнозні моделі, схвалюють на 30% більше позичальників, ніж традиційні, при цьому зберігаючи рівень дефолтів на тому ж рівні або кращому. Як? Аналізуючи сотні сигналів поведінки, які класичні кредитні системи ігнорують: частоту транзакцій, патерни стабільності доходів, послідовність витрат. Це чистий фінансовий аналіз даних.

У платіжних системах відбувається щось подібне. Рекомендаційний аналіз оптимізує рішення маршрутизації в реальному часі. Коли хтось здійснює платіж, двигун оцінює десятки потенційних маршрутів і обирає той, що максимізує авторизацію і мінімізує витрати. За даними Forrester, платформи фінтех-платежів із таким аналізом мають рівень авторизації на 2-4 відсоткових пункти вищий, ніж ті, що використовують статичні правила.

Що дійсно важливо, так це утримання клієнтів. Bain & Company задокументували, що фінтех-компанії, що використовують просунутий аналіз поведінки, зменшують відтік на 25% і збільшують цінність клієнта за часом на 40%. Це не мало: залучення нового клієнта фінтеху коштує у 5-7 разів більше, ніж утримання існуючого. Зменшення відтоку має прямий вплив на прибутковість.

Аналіз когорт особливо потужний для цифрового банкінгу. Виявлення, що клієнти, залучені через рефералів, мають на 50% більшу цінність за часом, ніж ті, що прийшли через платну рекламу, повністю змінює підхід до розподілу бюджету. Кожен квартал даних підвищує точність, покращує якість нових когорт і створює кращі дані для майбутнього.

Цікаво, що лише 23% фінтех-компаній досягли справжньої зрілості, зумовленої даними, за даними Gartner. Решта 77% досі використовують дані реактивно, аналізуючи те, що сталося, замість того, щоб керувати майбутніми рішеннями. Ця різниця — і виклик, і можливість.

Для фінтех-стартапів із венчурним капіталом аналітична зрілість стає все важливішим фактором у залученні фінансування. Інвестори тепер оцінюють не лише доходи і зростання, а й аналітичну інфраструктуру, що стоїть за цим. Фінтех, який демонструє прийняття рішень на основі даних у продукті, ризиках, залученні та операціях, має набагато сильніший інвестиційний кейс, ніж той, що зростає за інтуїцією і базовими метриками.

У новинах фінтех це те, що дійсно важливо: без надійного аналізу даних зростання є дорогим, крихким і важким для підтримки. Компанії, які це розуміють, вже отримують перевагу.