- 2019
Как предупредить крах автоматизации управления прибыльностью
Чтобы избежать неоправданных трат, предлагаем алгоритм для диагностики готовности банка к автоматизации процессов управления прибыльностью. Алгоритм подготовлен экспертом Intersoft Lab на основе на практического опыта компании.
Управление прибыльностью (УП), как составляющая финансового управления кредитной организацией, включает в себя такие процессы как прогнозирование и планирование, оценка, мониторинг, контроль и анализ финансового результата в целом по банку и сегментировано по бизнес-направлениям, подразделениям, точкам продаж, клиентам, продуктам и каналам сбыта.
Не первый год банки пытаются решать задачу управления прибыльности, внедряя специализированное ПО на основе хранилищ данных. Однако, до сих пор более половины проектов автоматизации УП терпят неудачу. Ключевая причина кроется в неготовности кредитных организаций к их реализации. С одной стороны, встречается методическая незрелость и недостаточная проработка процессов УП, подлежащих автоматизации. С другой стороны, масштабный проект по построению хранилища данных может быть избыточен и экономически нецелесообразен, если объем первичных данных невелик или поставлена «узкая» задача автоматизации, например, выпуск отчетности по финансовому результату в целом по банку.
Чтобы избежать неоправданных трат и предотвратить провал проекта автоматизации управления прибыльностью, предлагаем воспользоваться простым четырехшаговым алгоритмом диагностики готовности банка к автоматизации процессов УП. Алгоритм опирается на практический опыт компании Intersoft Lab.
Алгоритм оценки готовности банка к автоматизации управления прибыльностью
Для оценки готовности банка к автоматизации управления прибыльностью и определения оптимальнй ИТ-платформы предлагаем воспользоваться следующим алгоритмом:
Шаг 1. Оцените объемы первичных данных и определите методы их обработки.
Объемы обрабатываемых данных могут существенно варьироваться в зависимости от масштаба бизнеса, наличия филиальной сети, участия банка в холдинговых структурах, его бизнес-модели (корпоративных банк, розничный или универсальный банк). Отталкиваясь от полученных оценок, сформулируйте требования к методам сбора, подготовки и анализа данных.
Шаг 2. Определите уровень сложности методической модели и требования к функциональности системы автоматизации УП.
При оценке сложности методической модели УП нужно учесть количество аналитических разрезов, особенности методологии финансового планирования (планирование только объемных показателей, использование денежных потоков для прогнозирования состояния портфелей ресурсов, учет чувствительности показателей плана к риск-факторам моделей поведения окружающей среды и т.п.), состав методик уточнения финансового результата (аллокации расходов, трансфертное управление ресурсами). Выяснив характеристики модели финансового управления, зафиксируйте требования к функционалу.
Шаг 3. Выясните цели внедрения системы (управление финансами, маркетинг, бизнес-планирование, стратегическое управление, управление персоналом) и процессы, подлежащие автоматизации.
По результатам выполнения этого пункта определите состав пользователей системы и состав решаемых управленческих задач: планирование и прогнозирование, мониторинг и контроль финансового результата, текущий и ретроспективный анализ и пр.
Шаг 4. Опираясь на полученную информацию, с помощью следующей таблицы определите степень готовности банка к автоматизации процессов УП и целесообразность использования для этого специализированного ПО. Может оказаться, что для решения поставленных задач банку будет достаточно электронных таблиц:
Управленческая задача, решение которой должно обеспечивать ПО |
Потребители данных, предоставляемых ПО |
Требования к методам сбора, подготовки и анализа данных |
Требования к функционалу |
Оптимальный класс ПО |
Оценка, контроль |
Финансовый департамент, Топ менеджмент |
Ручной сбор и подготовка данных Простейшие методики управления прибыльностью с небольшим количеством аналитик (ЦФО, статья управленческого учета) |
Построение базовых отчетных форм для потребителей управленческой отчетности Ручные управленческие корректировки, простейшие модели уточнения финансового результата (аллокации расходов) |
Электронные таблицы |
Оценка, контроль, текущий и ретроспективный анализ |
Финансовый департамент, Топ менеджмент, Руководители бизнес-направлений, Руководители подразделений |
Автоматизированные процессы сбора данных Расширенный состав аналитик, привязанных к счетам ЦФО, бизнес-направление, клиентский сегмент Очистка и верификация данных |
Построение отчетных форм для потребителей управленческой отчетности Различные модели уточнения финансового результата (многоуровневые модели аллокаций по объектам аналитики, трансфертное управление ресурсами по пулам счетов) |
Системы на базе хранилища данных начального уровня |
Оценка, контроль, планирование, текущий и ретроспективный анализ, прогнозирование и сценарное моделирование |
Финансовый департамент, Топ менеджмент, Руководители бизнес-направлений, Руководители подразделений |
Автоматизированные процессы сбора данных, в том числе сбор данных о портфелях договоров Любая аналитика (проект, банковский продукт, клиент, клиентский менеджер и пр.) Очистка и верификация данных |
Построение отчетных форм для потребителей управленческой отчетности, в том числе отчеты по состоянию кредитного портфеля с детализацией по продуктам Любые модели уточнения финансового результата (многоуровневые модели аллокаций по объектам аналитики, трансфертное управление ресурсами по пулам счетов, счетам, сделкам) на фактических и плановых данных Скользящее прогнозирование финансового результата в разрезе заданной аналитики |
Системы на базе хранилища данных продвинутого уровня |
Практические рекомендации по использованию алгоритма
Для простых учетных и аналитических задач некрупных корпоративных банков более сложный инструментарий, чем электронные таблицы, требуется редко. Их использование оправдано в том случае, когда затраты на предварительную подготовку и сбор данных находятся в разумных рамках, а качество получаемой информации удовлетворяет потребителей.
Автоматизированные системы для управления прибыльностью на базе корпоративных хранилищ данных можно условно разделить на две категории. К первой относятся ИТ-решения начального уровня, предназначенные исключительно для целей управления финансами. Ко вторым - продвинутые системы с большим количеством аналитик и сложными методиками уточнения финансового результата. Такие системы подходят крупным коммерческим розничным банкам, выстраивающим корпоративное управление в соответствии с лучшими международными практиками, охватывающими стратегическое управление, бизнес-планирование и маркетинг, управление рисками и персоналом. Заметим, что, постепенно развивая и наращивая функционал системы начального уровня, ее можно при необходимости и желании трансформировать в продвинутую.
В заключении добавим, что по данным, полученным из открытых источников маркетинговой службой компании Intersoft Lab, за последние 20 лет в сфере автоматизации управления прибыльностью наблюдается устойчивый тренд к «усложнению» проектов, то есть к включению в их цели задач по автоматизации аллокаций расходов и трансфертного управления ресурсами. Если в период с 2000 по 2009 годы доля сложных проектов составила порядка 12%, то с 2010 по 2018 годы она выросла более чем в 3.5 раза - до 40%.
Например, в Новикомбанке в 2014-2015 годах была осуществлена масштабная перестройка модели финансового управления. Для ее ИТ-поддержки было развернуто хранилище данных, на основе которого автоматизирован расчет финансового результата по подразделениям, точкам продаж и клиентам с учетом внутренней стоимости ресурсов и разнесения накладных расходов. В Банке Казани в 2016-2017 годах был выполнен проект по построению «продвинутой» системы для управления прибыльностью и подготовки аналитической отчетности. В Банке ЦентрКредит в 2018 году завершился проект по автоматизации процессов финансового планирования на основе прогнозной аналитики. В итоге на основе хранилища данных реализован замкнутый цикл управления прибыльностью - начиная с детального планирования на основе прогнозов денежных потоков с учетом поведения клиентов и особенностей регионов и заканчивая оценкой и анализом фактического финансового результата по бизнес-направлениям и банковским продуктам с применением продвинутых моделей его уточнения.
Автор: Ольга Морозова, эксперт компании Intersoft Lab, к.т.н., доцент кафедры «Бизнес-информатика» Финансового университета при Правительстве Российской Федерации
Источник: Портал Bankir.ru "Клуб экспертов"