Европейские финансовые организации обязаны уже к 2008 году соответствовать требованиям Basel II. В этом документе изложены требования Базельского комитета по банковскому надзору к достаточности капитала банков, выбору стратегии и управлению рисками. Отечественным кредитным учреждениям дана фора в два года – по указанию Центробанка, для них процесс начнется в 2008 году и продлится именно столько. Соответствовать требованиям по риск-менеджменту возможно, только используя в качестве инструментария контроля автоматизированные системы – для ручной обработки таких объемов информации потребуется штат, едва ли не превосходящий общее количество сотрудников.
«Первые ласточки». Автоматизацию этого процесса можно разделить на три этапа. Во-первых, необходимо создать хранилище данных, аккумулирующее историческую финансовую информацию. Далее внедряется система Risk Engines – программное обеспечение с заданными алгоритмами расчета рисков. Последний шаг – программа для анализа рисков и подготовки соответствующих отчетов. В этом качестве используется технология OLAP – инструмент для оперативной аналитической обработки данных. Он позволяет формировать отчеты в диалоговом режиме, опираясь на математические методы и используя разрозненные источники информации. Сочетание «хранилище данных – OLAP» образует BI-систему (Business Intelligence – бизнес-анализ), а «хранилище данных – их трансформирование – OLAP» – BPM-решение (Business Performance Management – управление эффективностью бизнеса). Оно включает в себя функции для интеграции данных в единой информационной базе управляющего центра, инструменты для планирования, контроля и анализа развития бизнеса, выпуска отчетности для оценки результатов деятельности. По сути BI – аналитический элемент решений этого класса.
Основное преимущество OLAP – возможность в интерактивном режиме анализировать большие массивы информации. Что подходит как для риск-менеджмента, так и для оперативного управления бизнесом. Несмотря на скорый «гром», отечественные банки пока не спешат внедрять системы управления рисками. Но «первые ласточки» уже появились. Это кредитные учреждения, которые вкладывают в автоматизацию риск-менеджмента не с нуля. Как правило, они уже используют BPM, соответственно им необходимо лишь масштабировать хранилище данных, внедрить модуль для расчета рисков, задать требования к построению дополнительных отчетов в OLAP-надстройке.
В 2004 году Связь-банк создал единое хранилище данных. Постепенно внедрялись отдельные модули BPM-системы – сначала был автоматизирован управленческий учет, потом бюджетирование. Теперь банк приступил к построению системы подготовки консолидированной банковской отчетности с использованием OLAP. На первом этапе будут внедрены инструменты подготовки отчетности и модернизированы процессы загрузки данных из учетных систем. Также планируется автоматизировать ключевые банковские отчетные формы, такие как 101, 136, 202, 301, 345, 904.
Ангел-хранитель. Проект внедрения BI-системы можно разбить на две составляющие. Во-первых, создается место сбора систематизированной информации – хранилище данных. Во-вторых – настраивается OLAP-модуль. По оценке заместителя генерального директора Intersoft Lab Юлии Амириди, средний объем хранилищ российских банков колеблется в пределах от 200 Гб до 1,5 Тб. Чем более структурировано хранение, тем выше скорость обработки данных. «При строительстве хранилища выгодно использовать готовый программно-аппаратный комплекс, – говорит Юлия Амириди. – В этом случае программная составляющая оптимизирована для работы на определенной аппаратной платформе, благодаря чему достигается повышение производительности и снижение стоимости для конечного заказчика». Нельзя забывать об организации доступа к данным в зависимости от должностного уровня будущего пользователя системы.
Далее начинается процесс информационного наполнения – хранилище «стыкуется» с системами ввода первичных данных. Способ хранения информации остается неизменным. Саму стыковку лучше не форсировать. Обычно это пошаговый процесс: «Сначала хранилище данных реализуется в одной-двух предметных областях, – рассказывает руководитель отдела аналитических технологий компании «Форс – Центр разработки» Татьяна Лякишева. – Затем по мере необходимости состав информации может расширяться, охватывая дополнительные предметные области в заданном ключе». Такой подход поможет сэкономить – интегратор выполнит пилотный проект – самую трудоемкую часть автоматизации. А тиражированием займется IT-подразделение банка, воспользовавшись наработанным консультантами опытом.
Создавая централизованное хранилище данных, банк «Авангард» сначала отработал технологию сбора первичной бухгалтерской информации из учетной системы «1С:Предприятие» на примере двух своих филиалов. Остальные 48 подразделений подключались постепенно собственной IT-службой банка. В результате отдел финансового директора банка стал получать интерактивные отчеты для анализа внутренних и внешних взаиморасчетов, дебиторско-кредиторской задолженности, состояния счетов учета денежных средств, оборотов по счетам доходов и расходов и оборотов по балансовым счетам.
У международных банков возможностей для экономии меньше, поскольку их филиалы и дочерние компании разбросаны по странам, как правило, с разными требованиями к ведению учета – в первую очередь финансового и налогового. Поэтому невозможно тиражировать единожды отработанную модель интеграции данных. Построение единого хранилища данных для международных банков занимает в среднем в 1,5–2 раза больше времени, чем для финансовых организаций, охватывающих территорию одной страны.
Аналитик по совместительству. Несмотря на «аналитический» профиль BI, большинство банков используют эти решения в качестве элемента систем управления. По данным исследования Ассоциации российских банков в 2006 году, инструменты моделирования и прогнозирования, а также стратегического планирования отечественные кредитные организации по востребованности ставят на четвертое и пятое места соответственно. Лидирующие позиции отданы финансовому планированию, средствам ведения управленческого учета и подготовки отчетности, механизмам управления рисками.
Несмотря на вторичность потребности в BI, интерес к средствам бизнес-аналитики неуклонно растет. Как и для любой компании, смысл деятельности банка – в балансировании между доходами и расходами. На первый план выходят объемы и показатели привлеченных и размещенных средств: процентные ставки и ожидаемая доходность по кредитам и депозитам, расчет рисков. Планируя деятельность банка, его руководство обычно делает оптимистичный и пессимистичный прогнозы. Показатели, которые ложатся в основу расчетов, делаются на базе действительных значений за определенный период, главным образом за предшествующий год. Далее идет сверка план-факта. «В случае появления негативных тенденций по невозврату кредитов, BI-система позволяет провести глубокую сегментацию клиентской базы и выявить типовые характеристики потенциальных неплательщиков, – приводит пример Юрий Марьинский, руководитель направления аналитических систем компании «Микротест».
Главные пользователи BI-системы – топ-менеджеры. Так, татарский банк «Ак Барс» настроил систему выпуска и дистрибуции управленческой отчетности в виде OLAP-кубов (многомерных таблиц). Такие отчеты позволили руководству банка проводить анализ управленческого баланса, бюджета активов и пассивов, финансового плана как консолидированно (по банку в целом), так и в разрезе подразделений (головной офис и филиалы), центров финансовой ответственности. То есть банк проводит «план-факт» – анализ бюджетов каждого продуктового направления, филиала и консолидированного бюджета банка с учетом трансфертного перераспределения ресурсов и аллокаций расходов, а также ежедневно контролирует смету по накладным расходам и капитальным вложениям. Филиалы получают основные отчеты из головного офиса, поскольку все данные для выпуска отчетов агрегируются в хранилище данных. «В российских банках достаточно широко используются BI-продукты зарубежных компаний Business Objects, Oracle, Microsoft, Targit и Cognos, из отечественных – «Прогноз» и Intersoft Lab», – оценивает спрос директор бизнес-направления «Учет и отчетность» компании «Диасофт» Евгений Лысых.
Эдуард Оганов, заместитель генерального директора компании «Ай-теко»:– Наиболее востребованная российскими банками область применения BI – построение автоматизированных систем управления рисками, в которых оценка рисков осуществляется с использованием OLAP технологии. Из трех разновидностей OLAP технологии – многомерный, реляционный, гибридный – последний достаточно хорошо масштабируется и отличается высокой производительностью. Однако с точки зрения управления рисками тип OLAP технологии существенно влияет только на технические характеристики системы, но не на ее бизнес-функции. Наряду с OLAP технологиями существуют и специализированные системы управления рисками, в частности кредитными рисками. BI представляется наиболее универсальным инструментом.
Юрий Марьинский, руководитель направления аналитических систем компании «Микротест»:– Конкуренция банков в секторе кредитования физических лиц постоянно растет. Принятие решения о выдаче кредита в максимально сжатые сроки, оптимизация процентных ставок по кредитам – эти факторы оказывают влияние на успешность деятельности банка. При этом необходимо точно оценить возможные риски, связанные с нарушением клиентом обязательств по договору кредитования. Для решения этих задач целесообразно использовать средства OLAP/Business Intelligence, которые позволяют проанализировать параметры, необходимые для принятия решения о выдаче кредита. Модуль аналитики следует выстраивать на основе многомерного OLAP. Лишь в этом случае пользователи будут получать отчеты за считанные секунды.
Татьяна Лякишева, руководитель отдела аналитических технологий компании «Форс – Центр разработки»:– Если банк не использует BI-средства, но рассматривает такую возможность в будущем, пространственные модели данных, используемые в хранилище информации, должны быть спроектированы с учетом тех требований, которые могут предъявляться к аналитическим отчетам. Основная ценность хранилищ в том, что они позволяют проводить анализ в разных разрезах, в первую очередь по времени. То есть данные должны быть сопоставимы и находиться на одном уровне детализации. Тогда можно будет осуществлять их «сквозной» анализ. При этом важно правильно определить необходимую и достаточную историческую глубину загрузки унаследованных данных. Ведь их конвертация – весьма трудоемкий процесс. Здесь следует оценить соотношение возможных затрат и ожидаемого конечного эффекта.
Журнал «Финанс.» №13 (199) 2-8 апреля 2007 – IT+финансы
Наталья Анищук
Подписывайтесь на телеграм-канал Финсайд и потом не говорите, что вас не предупреждали: https://t.me/finside.