- 19 мая 2010 г.
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
- Суганти Шивкумар (Suganthi Shivkumar). Потребность банков в качественных данных (The Need for Data Quality in Banks). Ноябрь 2009.
- Филип Ховард (Philip Howard). «Всепроникающее» качество данных (Pervasive Data Quality). Октябрь 2009.
- Магический квадрант для инструментов качества данных, 2009 г. (Gartner, Magic Quadrant for Data Quality Tools).
- Получение дохода из данных. Стратегии оптимизации информационных активов (Driving value from data. Strategies for optimising information assets). Deloitte.
- Опрос компании Business Development Research Consultants. Март 2009 г.
Автор: По материалам зарубежных сайтов