Журнал ВРМ World

Мировая история развития технологий управления эффективностью бизнеса – обзоры зарубежных публикаций

Качество данных и отчетность

В материале обсуждается важность качества данных для подготовки обязательной
банковской отчетности. На примере Базельского соглашения показано, что
нормативные документы предъявляют специальные требования не только к
отчетности, но и к исходным данным, лежащим в их основе. Рассматриваются
основные характеристики, которыми должны обладать программные решения,
предназначенные для управления качеством данных.

До недавнего времени качество данных не всегда было в числе главных приоритетов финансовых организаций, поскольку даже наличие проблем в этой области не мешало банкам работать и получать прибыли. Ситуация существенно изменилась в связи с последним экономическим и финансовым кризисом. Во-первых, само по себе ухудшение экономических условий потребовало повышенного внимания к качеству данных с целью минимизировать потери и увеличить прибыль. Во-вторых, кризис на финансовых рынках привел к ужесточению законодательных и регулятивных норм, в т.ч. в области обязательной отчетности, а их выполнение также зависит от качества данных. Поэтому сегодня руководители банков рассматривают качество данных как основной элемент в подготовке всего спектра банковских отчетов.

Один из основных «двигателей» перемен в банковском мире – Базельское соглашение (Basel II). Поскольку оно применяется для оценки рисков, качество данных, которые используются при этом, становится важнейшим элементом для подготовки отчетов с любым уровнем достоверности. Как считает Суганти Шивкумар (Suganthi Shivkumar), управляющий директор компании Informatica по Южной Азии, финансовые институты используют Базельское соглашение не только потому, что этого требуют регулятивные нормы, но и потому, что оно является воплощением передового опыта.

Базельское соглашение накладывает на финансовые организации определенные обязательства в области качества данных и управления ими. Банки должны оценивать точность своих вычислений потенциальных рисков по задолженностям во всех направлениях деятельности. Для многих крупных банков это означает оценку рисков задолженностей кредитуемого ими бизнеса в различных странах.

Регулирующие органы, такие как Управление по финансовому регулированию и надзору Великобритании (Financial Services Authority (FSA)), Федеральный резерв (Federal Reserve, США) и Немецкий федеральный банк (Bundesbank) требуют от банков самостоятельной сертификации точности, полноты и соответствия данных, необходимых для подготовки отчетности по Базельскому соглашению. Поэтому банки вынуждены разрабатывать стратегию управления данными для выполнения таких требований. Подобная ситуация переводит проблему качества данных из второстепенной в наиболее актуальную, которую необходимо рассматривать для выполнения банковских регулирующих требований.

По мнению Суганти Шивкумар, банкам необходимо уставить количественные и документально подтвержденные цели и выработать надежные процессы для проверки точности данных следующим образом:

  • Согласовать ввод и вывод вычислений капитала с системой финансового учета.
  • Поставить в соответствие каждому риску возможность дефолта, уровень возможного убытка и, при необходимости, коэффициент конверсии кредита.
  • Установить ключевые показатели рисков для наблюдения и обеспечения точности данных.
  • Полностью документировать процессы для бизнес и IT-инфраструктуры.
  • Установить ясные и документально подтвержденные стандарты собственности и своевременности данных.
  • Разработать всеобъемлющую программу количественного аудита.

Эти новые приоритеты требуют консолидированного сбора данных в организации, чтобы данные из всех бизнес-подразделений аккумулировались в одном месте, которым обычно становится Хранилище данных. Затем, используя данные из Хранилища, с помощью ВРМ-системы можно выпускать отчеты по рискам и требованиям Базельского соглашения.

Для выполнения этих новых требований практически все ведущие банки сделали существенные инвестиции в инфраструктуру данных: Хранилища, средства бизнес-аналитики (BI) и средства интеграции данных. Но при этом управление качеством данных нигде не рассматривается как отдельная функция. Качество данных обеспечивается с помощью инструментов, не предназначенных для этой цели. Это очень важное упущение, поскольку качество данных – это область пересечения информационной инфраструктуры и бизнеса. Более того, качество данных – это обязательное требование для выполнения норм Базельского соглашения.

Для оценки качества данных, необходимых для отчетности в соответствии со стандартами Базельского соглашения, Управление по финансовому регулированию и надзору Великобритании предложило систему показателей (score card).Цель этой системы – оценка полноты и точности данных. Компаниям предлагается разработать автоматические процессы сбора данных для обеспечения целостности их обработки и подготовки отчетности.

Помимо системы оценочных показателей возможно применение так называемого средства защиты качества данных (data quality firewalls). Основная функция такого средства – выявление низкого качества данных до того, как они поступят в центр оценки рисков. Это позволяет избавиться от ручной очистки данных и гарантирует, что в центре оценки рисков оказываются только высококачественные данные.

Идеальное решение для оценки рисков должно выполнять анализ на основе всех типов исходных данных: данных о клиентах и контрагентах, о рынке и кредитах, финансовых, справочных данных и данных о транзакциях. Все эти данные включают ключевую информацию, связанную с возможностью дефолта, уровнем возможного убытка и величиной, подверженной риску в случае дефолта.

Суганти Шивкумар полагает, что выбранное программное решение должно обеспечивать инфраструктуру управления качеством данных, которая позволит бизнесу:

  • Управлять качеством данных на единой интегральной основе.
  • Оценивать качество данных и проводить его мониторинг, используя существующие и вновь созданные внутренние источники справочных данных, сторонние источники справочных данных и справочные данные самого решения.
  • Работать над областями, требующими улучшения, без угрозы качеству существующих данных.
  • Вносить изменения и новые разработки без угрозы качеству существующих данных.
  • Гарантировать управляющим и совету директоров точность данных, которые хранятся, генерируются и используются для принятия решений.
  • Проводить сопоставление данных с надежными справочными источниками для их оценки обогащения.
  • Постоянно проводить мониторинг и коррекцию пробелов в точности данных и выявлять случаи несоответствия.
  • Установить средство защиты качества данных, обеспечивающее соответствие новых данных, среди прочего, требованиям управления рисками и Базельского соглашения.

Программное решение, выбранное для управления рисками, должно обеспечивать пользователям:

  • Рамочные правила качества данных в таких областях, как ключевые атрибуты для взвешенных по риску активов, вычисления вероятности дефолта, фактическая задолженность (даты, количество и ограничения), дебиторы (даты, основной адрес), рейтинги (дебиторы и продукты) и обеспечение исполнения обязательств. Все правила должны быть расширяемы в соответствии с требованиями клиентов.
  • Схему отчетности, независимую от поставщика средств BI, которая обеспечивает: высокоагрегированные показатели качества данных для высшего руководства, углубление в данные многомерных массивов и детальные результаты, в т.ч. показатели потенциальных потерь для каждого бизнес-правила.

Качество данных непосредственно связано и с еще одной областью выполнения регулятивных требований – аудитом. Компания должна быть в состоянии продемонстрировать внешним аудиторам, что ее внутренние процессы и процедуры удовлетворяют регулятивным требованиям. В терминах качества данных это означает, что должны быть доступны сведения о происхождении данных – это поможет аудитору понять, как обрабатывается информация. Нужно также помнить и о выполнении регулятивных требований в отношении защиты данных и доступа к ним только авторизованного персонала. В целом, главное для аудиторов и контролеров – доступ к инструментам мониторинга данных.

Организации знают, что высокое качество данных – залог успеха важных инициатив, таких как управление основными данными и информацией, модернизация бизнес-аналитики (BI) и IT–сферы. В результате растет их интерес к роли инструментов и технологий в деле повышения качества данных. По оценке аналитиков следовательской компании Gartner, рынок инструментов качества данных в ближайшие годы может расти быстрее, чем многие другие рынки программного обеспечения.

Согласно данным опроса финансовых организаций, проведенному компанией Business Development Research Consultants, 86% респондентов считают эти проблемы чрезвычайно важными для своего бизнеса, а оставшиеся 14% - очень важными. При этом 89% опрошенных назвали данные стратегическим активом.

Для финансовых организаций очень важно качество данных для подготовки обязательной отчетности. Это также подтверждается результатами опросов. Так, 73% респондентов компании Business Development Research Consultants указали, что их инвестиции в данные связаны в первую очередь с выполнением регуляторных требований.

При этом, несмотря на высокий приоритет качества данных, декларируемый на словах, немногим организациям удалось создать у себя целостное представление данных, когда данные являются согласованными и надежными во всех базах данных и направлениях бизнеса. Так, по данным опроса Deloitte среди читателей журнала Information Age, только 19% респондентов заявили, что их компании уже достигли этого. Еще 41% работают в этом направлении, а 22% намерены заняться данными проблемами в ближайшем будущем.

Организации знают, что высокое качество данных – залог успеха важных инициатив, таких как управление основными данными и информацией, модернизация бизнес-аналитики (BI) и IT–сферы. В результате растет их интерес к роли инструментов и технологий в деле повышения качества данных. По оценке аналитиков следовательской компании Gartner, рынок инструментов качества данных в ближайшие годы может расти быстрее, чем многие другие рынки программного обеспечения.

Публикации

  1. Суганти Шивкумар (Suganthi Shivkumar). Потребность банков в качественных данных (The Need for Data Quality in Banks). Ноябрь 2009.
  2. Филип Ховард (Philip Howard). «Всепроникающее» качество данных (Pervasive Data Quality). Октябрь 2009.
  3. Магический квадрант для инструментов качества данных, 2009 г. (Gartner, Magic Quadrant for Data Quality Tools).
  4. Получение дохода из данных. Стратегии оптимизации информационных активов (Driving value from data. Strategies for optimising information assets). Deloitte.
  5. Опрос компании Business Development Research Consultants. Март 2009 г.

Автор: По материалам зарубежных сайтов