Построение системы бизнес-анализа в банке

В последнее время финансовые организации столкнулись с необходимостью кардинального изменения своих информационных систем для ведения бизнеса. Огромные инвестиции в разработку транзакционных систем все еще вынуждают руководителей всех уровней использовать именно их с целью получения релевантной и актуальной информации для принятия эффективных бизнес-решений.

Но какой бы своевременной не была информация из каждой отдельной системы, требуется время, чтобы получить из нее общее интегрированное представление обо всей организации в целом или о процессах, проходящих через несколько систем (например, чтобы ответить на вопрос «Кто из десяти самых прибыльных клиентов банка чаще всего обращается с жалобами?»). Помимо этого, требуются огромные усилия для обеспечения качества консолидированной информации (в системах могут встречаться дублирование, несоответствие, и просто разное представление одних и тех же данных). Многие руководители высшего звена не удовлетворены тем, что, вложив огромные деньги в информационные системы, они не в состоянии получить необходимую им информацию из того моря данных, которое их окружает.

С другой стороны, такие факторы, как расширение спектра предоставляемых продуктов и услуг, универсализация, появление новых типов рисков, рост филиальных сетей, внедрение международных стандартов, более жесткое регулирование, конкуренция со стороны нефинансовых организаций, а также технологические инновации заставляют банки, страховые компании и другие финансовые институты менять взгляд на свои стратегии ведения бизнеса.

ОТ ДАННЫХ — К ЗНАНИЯМ

Финансовые организации вынуждены находить новые источники прибыли, выходить на новые рынки и отвоевывать определенную их долю, в то же время снижая операционные затраты. К тому же изменяются и ожидания потребителей. По мере того, как новые игроки в сфере финансов представляют инновационные продукты и услуги, потребители ожидают и от своих уже существующих финансовых «провайдеров» выравнивания (или даже снижения) цен. Потребитель сегодня лучше информирован и более требователен. В таких условиях банкам приходится больше ориентироваться на своих клиентов, чем на свои продукты.

Основным решением для удовлетворения новых требований, предъявляемых к руководителям всех уровней финансовой организации, является максимально полное использование самого важного актива новой экономики — информации. Системы бизнес-анализа (Business Intelligence, BI) как раз и являются той базой, благодаря которой информация, накапливаемая компанией, превращается из исторического опыта прошлых действий в основной инструмент будущей бизнес-стратегии.

Крупные банки аккумулируют триллионы байт данных о транзакциях, необходимых для решения операционных задач и ведения учета. Постоянный поток данных «пронизывает» все аспекты банковской деятельности, от выдачи кредитов и получения депозитов, торговли ценными бумагами и валютой, обслуживания счетов и сделок, операций на межбанковском рынке и заканчивая количеством жалоб клиентов, обработанных сотрудниками отдела обслуживания.

Одного только накопления такого количества разнообразных данных недостаточно, все чаще появляется необходимость эти данные агрегировать, анализировать и использовать для принятия обоснованных решений, ведущих к ценным для бизнеса действиям и результатам.

Системы поддержки принятия решений и управленческие информационные системы, оперативная аналитическая обработка, хранилища данных и интеллектуальный анализ данных как раз и направлены на удовлетворение потребностей в такой информации. Проблема часто заключается лишь в незнании реальных возможностей и преимуществ использования технологий бизнес-интеллекта в банковской сфере.

КАК МОГУТ ПОМОЧЬ BI-СИСТЕМЫ

Сотрудники банка нуждаются в доступе к информации, которая поможет им принимать более обоснованные решения, действовать и активно улучшать бизнес-процессы в организации. Руководители и целые отделы больше не хотят зависеть от ИТ-ресурсов, которые могут помочь им в принятии решений. Ведь часто лишь ИТ-специалисты знают, какие данные, из каких систем и каким образом получить, чтобы обеспечить заинтересованные лица необходимой информацией для проведения анализа и ответов на бизнес-вопросы.

Информация в объеме, соответствующем правам доступа, должна быть предоставлена всей компании в оперативном режиме, что обеспечит каждого специалиста полным набором ключевых показателей. Эффективный обмен информацией в такой организации, как многофилиальный банк, является нетривиальной задачей, пока в ней не будет создана инфраструктура бизнес-интеллекта.

Среди преимуществ, которые может предоставить BI-система, отметим:

  • снижение затрат на ИТ-ресурсы;
  • повышение операционной эффективности;
  • повышение доходности;
  • сокращение операционных затрат;
  • улучшение обмена информацией;
  • снижение затрат на привлечение новых клиентов;
  • снижение кредитных, операционных и маркетинговых рисков;
  • удержание клиентов и повышение их ценности;
  • повышение качества обслуживания клиентов.

Согласно имеющимся определениям, BI — это процесс анализа информации для получения знаний, необходимых для более быстрого и обоснованного принятия решений в бизнесе, а также методы, технологии и средства для извлечения из данных информации, подходящей для анализа с точки зрения ее ценности для бизнеса.

Но мы будем рассматривать BI не как процесс, а как результат извлечения знаний, т. е. это сами знания о бизнесе, используемые для принятия решений, знания, добытые с использованием различных аппаратно-программных технологий.


Технологии сбора данных и консолидации информации обеспечивают доступ бизнес-пользователей к необходимым им знаниям.

BI-системы позволяют справиться с избыточной информацией, заостряя внимание пользователей на ключевых факторах эффективности, моделируя исход различных вариантов действий, отслеживая результаты принятия тех или иных решений.

В основе таких систем лежат BI-средства, предназначенные для извлечения, очистки, преобразования и реорганизации данных, оптимизации их для принятия решений. К ним относятся хранилища и витрины данных, OLAP-серверы и инструменты ETL (extract, transform, load — «извлечение, преобразование, загрузка»). В процессе организации информации для получения знаний чаще всего применяют хранилища данных, а для представления этих знаний пользователям — инструменты бизнес-анализа.

Среди BI-средств можно назвать инструменты отчетности, оперативного анализа и исследования, визуализации, моделирования решений и планирования, а также средства интеллектуального анализа данных (data mining).

Порталы, инструментальные панели (dashboards), карты показателей (scorecards)— это элементы BI-инструментария, которые позволяют организовать простое и удобное восприятие информации конечными потребителями — руководителями, аналитиками и обычными сотрудниками.

Помимо набора прикладных и интерфейсных средств существует еще один вид BI-инструментов — аналитические приложения. Как правило, они ориентированы на конкретные бизнес-процессы, включают в себя несколько технологий, а также экспертные знания по конкретной проблемной области: финансы, отношения с клиентами, персонал, продукты и услуги и пр., например:

  • приложения для оптимизации финансовой эффективности, включая анализ затрат, доходов, обязательств, денежных потоков, а также планирование и контроль выполнения бюджетов;
  • приложения для анализа приобретений и поведения клиентов, маркетинговых компаний, обращений в центры поддержки;
  • приложения для анализа процессов набора, развития и мотивации персонала, а также для оценки эффективности работы сотрудников;
  • приложения для анализа доходности и эффективности продуктов, каналов продаж, линий бизнеса, а также прогнозирования перекрестных продаж.

КАК ИЗ ДАННЫХ ПОЛУЧИТЬ ИНФОРМАЦИЮ

Первым шагом на пути от «сырых» данных к знаниям, необходимым для удовлетворения бизнес-потребностей, является получение данных из операционных систем-источников и их интеграция в едином хранилище.

Извлечение, преобразование и загрузка данных

Концепция, методы и средства хранилища данных определяют подходы и обеспечивают интеграцию, очистку, ретроспективное хранение информации, предназначенной для анализа, отвечают на вопрос «Как подготовить информацию для анализа?». Такая задача решается в три этапа:

Извлечение и преобразование. Выполняется перенос данных из разнородных источников в оперативный склад, где их можно модифицировать и добавить в хранилище, устранив несоответствия в схеме и соглашениях о значениях отдельных параметров.

Очистка данных. Ошибки при вводе данных и различия в схемах их представления могут привести к тому, что одни и те же бизнес-сущности, например, клиенты, в разных системах представлены по-разному, продублированы, или в их значениях допущены ошибки. Очистка данных как раз и приводит их к единому согласованному виду, при этом применяются определенные правила преобразования данных.

Загрузка. Выполняется дополнительная обработка данных: проверка ограничений целостности; сортировка; суммирование, агрегирование и выполнение других вычислений для создания производных таблиц, размещаемых в хранилище; создание индексов и других способов доступа; и, соответственно, их загрузка в хранилище по определенным правилам — согласно расписанию, либо только изменившиеся данные, с соблюдением целостности и пр.

Хранилища и витрины данных

Хранилища данных (data warehouses) содержат уже обработанную информацию, собранную из нескольких оперативных баз данных. Хранилища данных создаются специально для приложений поддержки принятия решений и предоставляют накопленные за определенное время, интегрированные и консолидированные данные, которые более приемлемы для анализа, чем детальные индивидуальные записи.

Поскольку конструирование хранилища данных — сложный процесс, который может занять несколько лет, некоторые организации вместо этого строят витрины данных (data marts), содержащие информацию для конкретных подразделений. Например, маркетинговая витрина данных может содержать только информацию о клиентах, продуктах и продажах и не включать в себя планы бюджетов. Несколько витрин данных для подразделений могут сосуществовать с основным хранилищем данных, давая частичное представление о содержании хранилища. Витрины данных строятся значительно быстрее, чем хранилище, но впоследствии могут возникнуть серьезные проблемы с интеграцией, если первоначальное их проектирование проводилось без учета цельной и всеобъемлющей бизнес-модели.

ИССЛЕДОВАНИЕ И АНАЛИЗ ДАННЫХ

Для того, чтобы хранилища данных способствовали принятию управленческих решений, информация должна быть предоставлена аналитику или руководителю в нужной форме, то есть специалист должен иметь развитые инструменты доступа к данным хранилища и их обработки.

Современные методы анализа данных представлены широким спектром различных технологий, основными из которых являются:

  • регламентированная отчетность;
  • нерегламентированные (сложные) запросы;
  • многомерный анализ;
  • извлечение знаний (интеллектуальный анализ данных).

Наиболее распространенными и востребованными остаются первые три категории.

Нужно помнить, что анализ и моделирование сложных зависимостей эффективны только тогда, когда время на их выполнение сравнительно мало. Принимая во внимание тот факт, что зависимости данных могут быть неизвестны заранее, модели данных должны быть очень гибкими.

Оперативная аналитическая обработка

Комплексный взгляд на собранную в хранилище данных информацию, ее обобщение и агрегация, гиперкубическое представление и многомерный анализ являются задачами систем оперативной аналитической обработки данных (OLAP). OLAP предоставляет аналитикам, руководителям и другим сотрудникам возможность «проникать» в данные, используя быстрый, полный, интерактивный доступ к разнообразным возможным представлениям информации. OLAP трансформирует исходные данные таким образом, чтобы они отражали действительные размерности организации (время, клиенты, продукты, статьи и центры затрат), которые были бы понятны конечному пользователю.

OLAP и хранилища данных дополняют друг друга. Если хранилища данных позволяют накапливать и управлять данными, то OLAP превращает данные из хранилищ в стратегическую информацию. Технологии OLAP покрывают не только простую навигацию и просмотр данных (так же известных, как «slice and dice» — просмотр данных в вертикальном и горизонтальном разрезах), но также вычисления и серьезный анализ, включая прогнозирование временных рядов и сложное моделирование. При помощи OLAP лица, принимающие решения, могут эффективно получать информацию и знания из данных.

В банке OLAP-приложения используются для реализации большого количества функций. Финансовые отделы используют их для бюджетирования, калькуляции (распределения) затрат по статьям, анализа финансовой эффективности и финансового моделирования. Анализ доходности и рисков — два наиболее частых пути применения таких приложений в соответствующих отделах банка. Маркетологи используют OLAP для анализа маркетинговых исследований, прогнозирования продаж, анализа промо-акций, сегментации рынка и потребителей.

Извлечение знаний

Широкое распространение программного и аппаратного обеспечения для хранилищ данных приводит к тому, что организации получают возможность собирать данные легко и «с избытком». Для поддержания процесса принятия решений уже не обойтись без средств извлечения знаний (анализа данных), которые становятся всё более и более доступными.

Извлечение знаний — процесс анализа массивов данных, направленный на поиск новой полезной информации, обычно представленной в форме ранее неизвестных отношений между фактами. Обнаружение новых знаний можно использовать, например, для повышения маркетинговой эффективности хранилища данных: анализируя соответствующие данные клиентов, можно предсказать их поведение и даже повлиять на него.

Таким образом, интеллектуальный анализ данных представляет собой процесс обнаружения корреляции, тенденций, шаблонов, связей и категорий. Он выполняется путем тщательного исследования данных с использованием технологий распознавания шаблонов, а также статистических и математических методов. При извлечении знаний многократно выполняются различные операции и преобразования над «сырыми» данными (отбор признаков, стратификация, кластеризация, визуализация и регрессия), которые предназначены:

  • для нахождения представлений, которые являются интуитивно понятными для специалистов, лучше понимающих бизнеспроцессы, лежащие в основе их деятельности;
  • для нахождения моделей, которые могут предсказать результат или значение определенных ситуаций, используя исторические или субъективные данные.

Вне зависимости от рода деятельности, использование средств интеллектуального анализа данных может принести огромную пользу. Интеллектуальный анализ данных помогает найти самых выгодных клиентов для долговременного сотрудничества, повысить объем сделок и выявить факты мошенничества. С помощью этих средств удается найти потенциальных клиентов и привлечь их внимание к своим услугам и продуктам, а также разработать более эффективные маркетинговые кампании, максимально используя данные, содержащиеся в хранилище.

ПОДГОТОВКА КОРПОРАТИВНОЙ ОТЧЕТНОСТИ

В любом банке ежедневно решаются три задачи, разные по целям, но имеющие сходные технологические подходы:

  • подготовка обязательной отчетности перед государственными и налоговыми органами;
  • создание управленческой и финансовой отчетности (по бизнесам, подразделениям, в целом по банку);
  • выпуск отчетов для клиентов банка (выписки со счетов, информационные материалы об услугах и т. д.).

Несмотря на свой локальный (с точки зрения реализации) характер, они являются задачами корпоративного уровня, поскольку влияют на отношение к банку со стороны государственных и налоговых органов, со стороны клиентов и важны с точки зрения управления банком как предприятием. Поэтому банки тратят значительные средства для решения таких задач.

Современные BI-системы позволяют решить задачу подготовки отчетности на новом технологическом уровне — заменить частные решения по подготовке отчетности (внешней, управленческой, для клиентов) на единую систему корпоративной отчетности. Этот принципиально новый подход к организации подготовки всей отчетности банка достигается за счет:

  • концентрации исходных данных для подготовки всей отчетности в одном месте (в хранилище данных банка);
  • централизованного управления составом, разработкой и доступом к отчетам;
  • обеспечения разнообразного доступа к отчетам (через Интернет, электронную почту, клиентские приложения).

Важен выбор способа хранения необходимых для подготовки отчетов данных. При использовании в банке единого хранилища решается задача получения непротиворечивых данных для подготовки разнообразных отчетов. Разработка и выпуск основной массы отчетов в одном месте позволяет значительно снизить издержки на их подготовку и поддержку в актуальном состоянии. Поскольку все данные для выпуска отчетов (в том числе и исторические), содержатся в едином хранилище данных, сотрудники структурных подразделений банка практически полностью освобождаются от участия в процессе подготовки сводной отчетности.

Эффективность применения системы корпоративной отчетности, построенной на основе хранилища данных, характеризуют:

  • простота и доступность в использовании — применение распространенных инструментов в качестве средств выпуска отчетов исключает необходимость переучивать как пользователей, так и программистов банка при внедрении системы;
  • большая свобода в способе получения отчетов и их использования — комбинирование BI-технологий позволяет учесть все тонкости требований к системе отчетов различных групп пользователей (от сотрудников до клиентов банка);
  • рациональное расходование рабочего времени квалифицированных сотрудников — разработка отчетов выполняется в центре, а использование — во всех подразделениях, филиалах и у клиентов банка;
  • высокое качество отчетов — хранилище содержит выверенные данные для отчетов;
  • различный уровень детализации данных — отчеты могут представлять собой как набор ключевых показателей эффективности банка, так и развернутые табличные и графические представления детальных данных;
  • защита и безопасность данных — получение только разрешенных данных достигается за счет современных средств защиты информации и развитой системы разграничения доступа к отчетам;
  • открытость системы для разработки новых отчетов и быстрого изменения существующих силами специалистов банка

Необходимым условием для системы корпоративной финансовой отчетности являются инструменты ее расширения, не требующие программирования — дизайнеры структур хранения, шаблонов документов, используя которые можно быстро создавать новые отчеты.

ЗАКЛЮЧЕНИЕ

Подводя итог описания BI-технологий и возможностей их применения в финансовых организациях, можно сделать вывод, что время систем бизнес-анализа в банках уже наступило. Предпосылками этого являются:

  • появление у руководителей банков потребностей в информации, которую существующие системы не могут предоставить быстро, консолидировано, точно и просто;
  • развитие прикладных BI-технологий для удовлетворения указанных потребностей, а также появление соответствующего программного инструментария, эффективно использующего данные технологии;
  • однако банки, осознавшие преимущества применения BI для решения своих проблем, зачастую не знают с чего начать или что (и у кого) выбрать, разрываясь между двумя возможностями: разработать BI-систему собственными силами или заказать готовое решение у кого-нибудь.

У каждого из этих двух подходов есть как свои преимущества, так и недостатки. Казалось бы, кто как не ИT-специалисты банка или разработчики внутренних оперативных систем знают, какие данные и где есть в банке и как их оттуда получить. С другой стороны, готовое решение будет сразу нацелено на удовлетворение конкретных потребностей различных сотрудников банка в информации.

На самом деле, эффективный подход находится где-то между этими двумя возможностями. Построение эффективной BI-системы в банке — задача и ИT-специалистов, досконально знающих существующие в банке системы, и сотрудников, ощущающих конкретные потребности в информации, и сторонних консультантов, которые в состоянии «подружить» информационные потребности и имеющиеся данные, предложив комплексное решение.

Максим БодаевМаксим Бодаев
директор по развитию
бизнеса Citia Business and
Technology Consulting

2008.08.13
19.03.2009
В IV квартале 2008 г. украинский рынок серверов по сравнению с аналогичным периодом прошлого года сократился в денежном выражении на 34% – до $30 млн (в ценах для конечных пользователей), а за весь календарный год – более чем на 5%, до 132 млн долл.


12.03.2009
4 марта в Киеве компания Telco провела конференцию "Инновационные телекоммуникации", посвященную новым эффективным телекоммуникационным технологиям для решения задач современного бизнеса.


05.03.2009
25 февраля в Киеве компания IBM, при информационной поддержке "1С" и Canonical, провела конференцию "Как сохранить деньги в условиях кризиса?"


26.02.2009
18-19 февраля в Киеве прошел юбилейный съезд ИТ-директоров Украины. Участниками данного мероприятия стали ИТ-директора, ИТ-менеджеры, поставщики ИТ-решений из Киева, Николаева, Днепропетровска, Чернигова и других городов Украины...


19.02.2009
10 февраля в Киеве состоялась пресс-конференция, посвященная итогам деятельности компании "DiaWest – Комп’ютерний світ" в 2008 году.


12.02.2009
С 5 февраля 2009 г. в Киеве начали работу учебные курсы по использованию услуг "электронного предприятия/ учреждения" на базе сети информационно-маркетинговых центров (ИМЦ).


04.02.2009
29 января 2009 года в редакции еженедельника "Computer World/Украина" состоялось награждение победителей акции "Оформи подписку – получи приз!".


29.01.2009
22 января в Киеве компания "МУК" и представительство компании Cisco в Украине провели семинар для партнеров "Обзор продуктов и решений Cisco Small Business"

 

 
 
Copyright © 1997-2008 ИД "Комиздат".