Специфика и особенности анализа данных в финтех-индустрии
Журнал: Петербургский экономический журнал @gukit-journal
Рубрика: Региональная и отраслевая экономика
Статья в выпуске: 3 (53), 2026 года.
Бесплатный доступ
В статье проанализированы основные тенденции в финтех-индустрии и влияние этих тенденций на аналитику данных. Выделены основные категории данных, которые активно используют финтех-компании, включающие транзакционные, клиентские, биржевые и поведенческие. Раскрыта сущность и особенности каждого вида данных. Отмечено, что для процесса аналитики возникает необходимость интеграции данных разных бизнес-юнитов, платформ и партнеров экосистемы. Сделан вывод о необходимости выстраивания сквозного аналитического процесса для отслеживания действий и предпочтений клиентов. В дополнение к этому к аналитической работе предъявляются различные требования как со стороны регуляторов, так и пользователей данной аналитики. Авторами по результатам исследования определено, что основными направлениями, требующими значительного внимания в процессе работы с данными в сфере финтех, являются следующие типовые операции: выявление мошенничества, управление кредитными рисками, персонализация услуг и улучшение клиентского опыта. Обоснована актуальность построения и внедрения OLAP-кубов, адаптированных под отраслевые требования. В статье раскрыты основные типы данных на предприятиях сферы финтех, особенности их обработки и применения. Транзакционные данные требуют высокой частоты обновлений в реальном времени для мониторинга рисков, с другой стороны, клиентские данные нуждаются в многомерной обработке для персонализации предложений клиентам, биржевые данные требуют работы с большими массивами: временными рядами и потоковыми данными – для инвестиционных и сложных управленческих решений; поведенческие данные все чаще обрабатываются с применением машинного обучения для улучшения клиентского опыта и прогнозирования клиентских потоков.
Короткий адрес: https://sciup.org/140316650
IDS: 140316650 | УДК: 336:005 | DOI: 10.32603/2307-5368-2026-3-116-127
The specificity and the features of data analysis in the fintech industry
The article analyzes the main trends in the fintech industry and the impact of these trends on data analytics. The main categories of data that are actively used by fintech companies are highlighted, including transactional, client, exchange, and behavioral. The essence and features of each type of data are revealed. It is noted that the analytics process requires the integration of data from different business units, platforms, and ecosystem partners. It is concluded that it is necessary to build an end-to-end analytical process to track the actions and preferences of its customers. In addition, analytical work is subject to various requirements, both from regulators and from users of this analytics. Based on the results of the study, the authors determined that the main areas requiring significant attention in the process of working with data in the financial sector are the following typical operations: fraud detection, credit risk management, personalization of services and optimization of customer experience. The authors also substantiate the relevance of building and implementing OLAP cubes adapted to industry requirements. The paper reveals the main types of data at fintech enterprises, their features, processing and application features. Transactional data requires a high frequency of real-time updates to monitor risks, client data, on the other hand, needs multidimensional processing to personalize customer offers, exchange data requires working with large amounts of data: time series and streaming data for investment and complex management decisions, and behavioral data is increasingly being processed using-using machine learning to improve the customer experience and predict customer flows.
