Журнал ВРМ World

Мировая история развития технологий управления эффективностью бизнеса – обзоры зарубежных публикаций

Оценка операционных рисков: проблемы данных

В статье рассказывается о важности качества данных для оценки операционных
рисков в финансовых компаниях. Решение проблемы автор возлагает на совместное
использование систем сбора данных и BI-инструментов.

Вступление

Аккуратность — главная добродетель после набожности, гласит старая поговорка. И ее справедливо было бы применять не только к людям, но и ко всем секторам бизнес-приложений, а также в сфере финансовых услуг (Financial Services Industry — FSI), где, у вы, нередко встречаются ошибочные данные.

В связи с грядущим внедрением постановлений соглашения Базель II1 (Basel II) всем банкам рекомендуется собрать данные за прошлые периоды (3-5 лет). Банки и контролирующие инспекторы должны самостоятельно ознакомиться с нужной информацией и разработать необходимые системы и процессы для соответствия стандартам данных высокого качества.

Фактор данных об убытках

В первую очередь, сбор и анализ данных об убытках стоит сегодня на повестке дня финансовых учреждений. Этот фактор стал ключевым в области операционных рисков, а также в разработке нормативов потребностей в капитале. Более того, рекомендации Базель II по сбору данных об убытках за период от 3-х до 5-ти лет подбавили масла в огонь. Финансовые организации направляют все свои силы на решение этой грандиозной задачи.

Неудивительно, что многие уже приняли меры по сбору и анализу операционных данных о потерях. За основу берется внутренняя оценка и механизм распределения капитала. Однако появление отраслевого стандарта, приемлемого для решения этих задач, еще только ожидается.

Главный риск, с которым сегодня сталкиваются финансовые организации, — потеря данных. Впрочем, он может быть взять под полный контроль. Первый шаг для преодоления данного риска — последовательное изучение проблемы и обучение персонала. На всех уровнях должны быть разработаны образовательные программы, касающиеся дирекции, управленческого аппарата, технических специалистов и конечных пользователей.

Подготовка конечных пользователей, а также разработка сложных планов резервирования и эффективных процедур восстановления после сбоев — вот те меры, которые помогут справиться с потерей данных. Потери данных в результате человеческих ошибок предотвратимы. Их легко классифицировать по двум категориям, а именно: недостаток квалификации и технические сбои.

Для оценки операционных рисков в финансовых организациях очень важен сбор данных. Кроме того, банковские учреждения все чаще признают, что для достижения грамотной оценки операционных рисков необходимо совместное использование данных об убытках на основе четких определений и показателей.

Очевидно, что сейчас для управления операционными рисками главная задача — сосредоточиться на сборе данных, их отслеживании, проверке, анализе и отчетности. Стремясь к соответствию требованиям Базель II, необходимо добиваться улучшений, используя технологические возможности, что позволит:

  • четко идентифицировать и собрать данные о ключевых показателях рисков (key risk indicators);
  • тщательно проверять базы данных на предмет выявления внутренних, внешних, текущих данных и сведений за прошлые периоды;
  • собрать данные об убытках;
  • идентифицировать и оценить частоту и серьезность потерь;
  • эффективно управлять отчетностью.

Реальная угроза

Качество данных самым серьезным образом продолжает привлекать внимание руководства. Его влияние на бизнес подробно анализируются в отчете исследовательской компании IDC «Задачи внедрения бизнес-аналитики. Десять важнейших моментов на 2003 и последующие годы» («Business Analytics Implementation Challenges — Top 10 Considerations for 2003 and Beyond»).

IDC рассматривает качество данных как второй по важности вопрос для компаний, внедряющих аналитическое ПО. Что касается сегодняшней ситуации, то большинство банков еще только предполагают внедрить какие-либо сложные процедуры оценки операционных рисков. Однако их основная задача в ближайшее время — поиск и локализация требуемых сведений, а также создание склада или Хранилища данных для накопления пригодной для анализа информации. Более того, банки должны гарантировать эффективную интеграцию различных типов рисков, а также точный расчет всевозможных рисковых показателей.

Не менее важно убедиться, что применяемые данные действительно качественные. Исследование, проведенное некоторое время назад Институтом Хранилищ Данных (TDWI — The Data Warehousing Institute), выявило, что американский бизнес тратит ежегодно около 600 млрд. долларов на очистку данных. По информации компании Gartner, 80% неудачных CRM-проектов терпят крах в результате использования недостаточно проверенных сведений.

Это говорит о том, что существующие механизмы очистки данных неадекватны. Чтобы подготовиться к грядущим изменениям капитала, банкам надо пересмотреть используемые технологии и привести информацию в порядок. Соглашение Базель II впервые рекомендует размещение капиталов в сфере операционных рисков.

К сожалению, до появления такого грандиозного проекта, как Базельское соглашение, банки не осознавали, что у них хранится масса ненужных ошибочных данных. Некачественная информация, несомненно, представляет собой угрозу успеху бизнеса. Поскольку в системах хранится огромное ее количество, то банковские компьютеры не могут провести точную интерпретацию, что приводит вероятному удалению важных файлов, потере сведений о клиентах и руководстве.

В итоге в некоторых случаях банкам приходится полностью отказаться от всех существующих бизнес-стратегий. Соглашение Базель II еще больше обостряет проблему, так как ошибочные данные, не обнаруженные в CRM-системе или ином приложении, не будут соответствовать стандартам, необходимым для точной оценки рисков.

Источники ошибочных данных

Некачественные данные попадают в систему несколькими путями. Основными источниками могут быть:

  • намеренный ввод неправильных сведений клиентами в оперативном режиме;
  • сокращение текста при вводе операторами через центры обработки звонков;
  • ошибки в данных третьих сторон;
  • ввод ошибочных данных клиентами в административные (front-office) системы;
  • использование различных форматов данных в разных системах.

Как добиться качественных данных

Недавнее исследование, проведенное журналом Risk Waters2 и фирмой SAS, показало, что неполные, неточные или устаревшие данные становятся основной причиной потери финансовыми организациями огромных сумм (до 120 млн. в год) за счет операционных рисков. В исследовании участвовало около 400 менеджеров по рискам из 300 финансовых компаний. Это был один из самых крупных опросов, когда либо проводившихся по тематике операционных рисков. Цель состояла в оценке потерь, вызванных операционными рисками, в выработке шагов, которые должны выполнять финансовые учреждения для их минимизации.

Двадцать восемь процентов респондентов заявили, что проблемы сбора данных для точного выявления и управления операционными рисками являются основным камнем преткновения в борьбе за сокращение потерь. Тридцать три процента посчитали, что низкое качество данных — одна из главных проблем. Руководитель отдела рисков компании SAS Пейман Мэстчян (Peyman Mastchian) замечает: «Качество данных было основной сложностью для бизнеса много лет, и наш обзор показывает, что проблема никуда не ушла». Затем он добавляет: «Внимание к операционным рискам существенно повысилось с появлением таких нормативных документов, как закон Сарбаниса-Оксли (Sarbanes-Oxley Act) и соглашение Базель II. И снова компании сталкиваются с проблемой поиска и интерпретации необходимых данных».

Краеугольный камень успешных взаимоотношений с клиентами — точность и актуальность ключевых данных. Качество информации по множеству параметров влияет на прибыль, получаемую от клиентов. Не удивительно, что IDC — одна из крупнейших фирм по исследованию рынка и консалтингу — назвала эту проблему современных организаций второй по важности.

В недавнем отчете под названием «Задачи внедрения бизнес-аналитики» (Business Analytics Implementation Challenges) компания IDC оценила, что в распоряжении средней организации, входящей в рейтинг Fortune 1000, находится примерно 50 приложений и 14 баз данных, число которых необходимо сократить, чтобы добиться единого представления информации. Финансовые учреждения столкнулись с бесчисленным потоком слияний и поглощений, которые также привели к избытку разнообразных систем и вливанию данных, что сделало задачу единого представления клиентской базы еще более актуальной.

Недавнее исследование SAS в Европе показало растущую важность качества данных в финансовых учреждениях. Шестьдесят шесть процентов европейских организаций признались, что ошибочные данные негативно влияют на прибыльность. Еще 86% считают, что десятая часть клиентских сведений в той или иной степени некорректны. Далее обзор показал, что 74% процента организаций приняли меры по решению проблем качества данных.

Матрица измерений

Создание надежной базы данных об убытках, включающей как внешние, так и внутренние сведения, критически важно для грамотного измерения операционных рисков. Подход усовершенствованного измерения (Advance Measurement Approach — AMA), предложенный Базельским Комитетом для оценки операционных рисков, состоит из трех подкатегорий, а именно:

  • внутренней оценки (Internal Measurement Approach — IMA),
  • распространения данных о потерях (Loss Distribution Approach — LDA),
  • применения оценочной панели (Scorecard Approach — SCA).

AMA — это наиболее передовой подход, так как он позволяет банкам использовать внешние и внутренние данные об убытках, а также собственный опыт. Методы LDA и SCA очень похожи, поскольку основаны на одной и той же статистической модели (VaR-model) оценки рисковой стоимости (VaR — value at risk). Разница же состоит в следующем. В методе LDA для оценки функций распределения используются только внутренние или только внешние сведения о потерях. Подход SCA разрешает применять для этой цели экспертные знания.

С использованием статистического подхода события операционных рисков (потерянные чеки или ошибки при переводе денежных средств) могут быть быстро обнаружены. Также этот подход позволяет выявить их частоту и серьезность. Метод моделирования Монте-Карло применяется для расчета распределения потерь с учетом частоты и серьезности рисков. Для оценки ожидаемых и неожиданных убытков (EL — expected losses, UL — unexpected losses) рассчитывается среднее и точка процентиля3. Эти показатели модели оценки рисковой стоимости используются для размещения экономического капитала по операционным рискам.

Использование статистических измерений позволяет оценить прямые потери, связанные с событиями операционных рисков. Для расчета косвенных или потенциальных потерь можно применять сценарный анализ. Метод оценки рисковой стоимости проверяют двумя способами: путем обратного или статистического тестирования. Обратное тестирование иногда бывает затруднено в связи с недоступностью данных по сравнению с рыночными рисками. Однако точность оценки операционных рисков можно сохранить за счет применения статистического тестирования.

Статистическая модель дает возможность точной оценки рисков, однако не обеспечивает инструментов и подходов к их снижению. Кроме того, ее применение остается вне компетенции банковских сотрудников, возводя дополнительный барьер в достижении нужного понимания операционных рисков. Более того, в связи с недостатком внутренних данных об убытках, статистическая модель должна больше основываться на внешних сведениях.

Применяя метод VaR, можно сделать распределение ресурсов более эффективным, так как каждому типу убытков для каждого направления бизнеса приписывается некоторый приоритет. Таким образом удается улучшить управление операционными рисками, а также проводить внутреннюю проверку с учетом рисков. Анализ сценариев позволяет оценить потенциальные потери. При этом для минимизации потенциальных убытков в случае непредвиденных обстоятельств будут применятся специальные планы для разрешения нештатных ситуаций.

Все больше банков находится на пути сбора данных о потерях, причем не только для расчета моделей рисковой стоимости, но также для назначения приоритетов различным типам рисков во всевозможных направлениях бизнеса. Предполагается, что такие шаги позволят количественно и качественно модифицировать управление операционными рисками.

Сегодня часто встают задачи использования внешних данных о потерях для дополнения внутренних данных. Все больше видны тенденции по объединению усилий банков в совместном использовании информации об убытках, что позволяет участникам таких консорциумов использовать внешние данные.

Применение оценочной панели позволяет избежать многих проблем, свойственных анализу данных за прошлые периоды, так как в этом случае используются знания и экспертный опыт разработчиков панели. Однако проблемы сбора данных остаются, поскольку приходится накапливать индикаторы рисков, которые тоже могут оказаться недостаточно качественными. Надежность выходных показателей напрямую зависит от экспертов, участвующих в разработке индикаторов и весовых показателей для панели.

Вполне возможно, что плохо продуманная панель даст результаты, совершенно не соответствующие реальности, интуиции и фактической истории убытков. Полностью рассчитывать на возможности панели — это все равно, что вести автомобиль, не глядя в зеркало заднего вида. Разумный банк всегда предпочтет использовать целую комбинацию дополняющих и проверяющих друг друга методов.

На пути к истине

Для того чтобы выйти на лидирующие позиции и поддерживать свои конкурентные преимущества, хорошо организованные банки занимаются мониторингом и очисткой любой поступающей информации, как внутренней, так и внешней. Главная задача любого финансового учреждения состоит в обеспечении качественных данных путем вложений в соответствующие системы сбора данных. Применяя эти системы наряду с BI-инструментами, организации значительно расширят свои возможности по сокращению и оценке рисков, поскольку смогут прийти к лучшему пониманию клиентов. Надлежащий анализ клиентской информации поможет определить и покрыть непогашенные кредиты. Таким образом, внедрение систем сбора данных приведет к эффективной стратегии управления задолженностями и одновременному сокращению денежных средств на размещение капитала, как предписывается в соглашении Базель II.


[1] Базель II: «Международные стандарты измерения капитала – доработанное соглашение», подготовлено Базельским Комитетом по банковскому надзору. Соглашение рассматривает проблемы определения достаточности банковского капитала, а также методы расчёта необходимой величины капитала для покрытия рисков: кредитного, рыночных и операционного. В качестве ориентировочного срока внедрения Соглашения устанавливается конец 2006 года.

[2] Risk Waters Group - международная информационная группа в области финансовых рынков.

[3] Процентиль или точка процентиля – это значение на шкале измерений, ниже которого расположено n процентов наблюдений данной переменной; например 50-ый процентиль – среднее.

Автор: Сэбьясачи Бардолой (Sabyasachi Bardoloi)