30 Января 2018 | 20:06

Как лайки пользователей помогли Сбербанку сэкономить $50 млн

В чем суть методологии Big Five и как ее можно использовать в риск-менеджементе банка

Картинка Как лайки пользователей помогли Сбербанку сэкономить $50 млн

На прошедшем недавно Всемирном экономическом форуме в Давосе глава Сбербанка Герман Греф принял участие в бизнес-завтраке, на котором, в частности, рассказал, что в 2017 году Сбербанк получил $50 млн чистой прибыли, применяя одну из методологий искусственного интеллекта в риск-менеджменте банка.

«У нас была встреча с Михаилом Косински — это профессор Стэнфордского университета, на которой мы попытались применить искусственный интеллект для психологического прототипирования. Мы взяли его методологию Big Five и применили в нашем риск-менеджменте. В прошлом году мы получили $50 млн чистой прибыли из ничего, просто применив эту простую методологию Big Five в наших моделях», — рассказал Греф.

Если постараться понять, как это получилось, то более подробное объяснение можно найти, например, в конспекте летней лекции Грефа в Екатеринбурге. Там он говорил о методике Hogan, позволяющей определять психотип человека на основе показателей Big Five: добросовестность, доброжелательность, открытость к опыту, невротизм и экстраверсия.

Греф подтвердил, что Сбербанк сотрудничает с Михаилом Косински, который разработал методику, способную по кликам в фейсбуке с достаточной точностью характеризовать личность на основе этих пяти ключевых поведенческих и психологических аспектов.

Хоган был упомянут главой Сбербанка, потому что именно он разработал еще в 1986 году шкалу для измерения модели Big Five, или так называемый личностный тест Хогана (Hogan Personality Inventory). Он часто применяется при наборе сотрудников на работу, и считается одним из самых авторитетных. 

Общий же принцип оценки психотипов по Big Five, или метод OCEAN, базируется на выявлении и сопоставлении тех самых пяти названных Грефом качеств: добросовестность, доброжелательность, открытость к опыту, невротизм и экстраверсия (в английском переводе эти слова образуют аббревиатуру OCEAN, которая и дала название методу).

Если говорить о вкладе Михаила Косински (Косинский, Козинский), доцента кафедры организационного поведения Стэнфордской высшей школы бизнеса, то он разработал модели определения характеристик личности по реакциям человека в соцсетях.

Косински в основном стал широко известен в российских медиа после публикации перевода статьи швейцарского Das Magazin об использовании Big Data в предвыборных технологиях. Статья во многом спорная, но отклик она нашла по всему миру - люди были поражены победой Трампа и хотели найти хоть какое-то удовлетворяющее их объяснение.

На самом деле полную характеристику личности подобные методики, конечно, не дают, каждый человек во всех своих проявлениях намного сложнее - например, если посмотреть на таблицу из статьи Косински со списком “маркеров” психотипа, возникает много вопросов. Особенно удивляет, что поклонники Harley-Davidson всем скопом отнесены к людям с низким интеллектом.

Если попробовать пройти подобный тест онлайн, то результаты тоже могут оказаться неожиданными.

Однако с того времени Косински, очевидно, успел значительно продвинуться в своих разработках, и сотрудничество банка с ним выглядит вполне объяснимым. При выдаче кредитов и других рискованных операциях банку не нужно точно знать, что за сложная личность перед ним - достаточно понимать, что человек адекватен, не отличается безответственностью и не любит принимать необдуманных решений.

Так что самый простой совет для желающих взять в банке кредит может выглядеть так: поменьше ввязываться в фейсбуковские споры, которые могут вывести из себя, и не публиковать чересчур откровенные фото.

Рейтинги
Лидеры рейтингов AdIndex
# Компания Рейтинг
1 OMD Optimum Media №1 Медиабайеры 2023
2 MGCom №1 Digital Index 2023
3 Росст №1 Digital Index в Фармкатегории 2023
–ейтинг@Mail.ru
Этот сайт использует cookie-файлы и рекомендательные технологии. Оставаясь на сайте, вы даете согласие на использование cookie-файлов и соглашаетесь с правилами применения рекомендательных систем на сайте.