Непопулярные наблюдения за автоматизацией прогнозирования
Главный урок, который я как начинающий садовод и огородник вынесла из этого лета: большинства сельскохозяйственных проблем вообще не случилось бы, если бы я заранее ожидала их появления и своевременно принимала профилактические меры.
А вот банкам отлично известно о необходимости прогнозировать и моделировать достаточность экономического капитала, его рентабельность под риском, ГЭП ликвидности, процентный риск банковского портфеля, нормативы и много других регуляторных и управленческих показателей, чтобы решать проблемы до того, как они возникнут.
При этом уровень автоматизации прогнозной функции в кредитных организациях оставляет желать лучшего. Традиционные табличные подходы к прогнозированию ограничивают детальность, аналитичность и скорость подготовки прогнозов, лишая банки манёвренности.
Что тормозит проникновение автоматизации в датаёмкое и бизнес-критичное прогнозирование? Выскажу частное мнение, обозначив в качестве основных причин сложившейся ситуации неготовность ИТ-инфраструктуры и цену вопроса.
Дело в том, что автоматизация прогнозной функции только вершина айсберга. Вычислительные механизмы машины прогнозирования требуют исторических данных по всем портфелями договоров банка. Если банк не располагает хранилищем данных, то стоимость автоматизации любой задачи прогнозирования окажется весьма существенной и даже неподъемной для одного заказчика в банке. Инвестиционную нагрузку можно снизить, если у машины прогнозирования будет несколько потребителей внутри кредитной организации.
Однако, и это еще одно непопулярное наблюдение, такому альянсу препятствует соперничество служб внутри банка, разный уровень готовности подразделений к внедрению инструментов прогнозирования и туннельное мышление вертикальных менеджеров, анализирующих потребность в автоматизации только сквозь призму вверенных задач.
Если взглянуть на ситуацию глобально, то выгоды зонтичной автоматизации риск-ориентированных регуляторных и управленческих задач банка станут очевидны:
- переиспользование машины прогнозирования разными подразделениями обеспечит для каждого заказчика приемлемые стартовые инвестиции в автоматизацию,
- применение общих механизмов прогнозирования к единым данным гарантирует получение непротиворечивой отчетности для разных потребителей и объяснимых расхождений в показателях,
- последующая автоматизация новых задач, которые опираются на прогнозирование состояния банковских портфелей, потребует минимальных расходов и будет выполняться в ускоренном режиме.
Дело за малым: разъяснить потенциально заинтересованным сторонам эффективность зонтичного подхода к автоматизации прогнозирования в масштабах всего банка на стратегическом горизонте. Кто возьмется?