Консалтинг и автоматизация в области управления
эффективностью банковского бизнеса

Публикации

PC Week/RE

Чем будет прирастать российский рынок BI

О том, что рынок BI сегодня чрезвычайно активен, говорят повсюду — и в мире, и в нашей стране. Его не подкосил даже финансовый кризис, что многие эксперты объяснили повышенным спросом на средства снижения издержек и финансовой оптимизации. В то же время не очень понятно, насколько ситуация в нашей стране повторяет то, что характерно для ведущих западных экономик. К примеру, действительно ли спрос на интенсивно обсуждаемые сегодня технологии анализа Больших данных в России столь же силен, как и в этих странах. Экономическая среда меняется чрезвычайно быстро: только появились первые признаки оздоровления, как во весь рост встала проблема европейских стран-должников, и многие аналитики заговорили о второй волне кризиса. Хотя наша страна и не входит в объединенную Европу, глобальные экономические потрясения отзываются на российской ИТ-отрасли весьма болезненно. Думается, через год-другой мы получим детальный анализ отечественного рынка BI в 2011-м от ведущих агентств, но хотелось бы уже сейчас представлять себе, каковы его основные движущие силы, что пользуется особым спросом и есть ли точки роста, способные определить долгосрочные тенденции его развития.

Чтобы понять, каково текущее состояние российского рынка BI, мы обратились к экспертам, представляющим ведущие компании этого сегмента. Половина из них — это разработчики BI-платформ и решений, остальные — компании, осуществляющие консалтинг и внедрение BI-систем. Найдутся скептики, которые заранее усомнятся в объективности тех и других, предположив, что вендоры назовут актуальными свои новые продукты, которые нуждаются в активной рекламе, а консультанты отдадут приоритет решениям, хорошо им знакомым и сулящим высокие прибыли. Думаю, прочитав всю статью, читатель убедится в беспочвенности таких подозрений. Все эксперты были откровенны и объективны, а кроме того, среди них ведь есть представители компаний, выступающих в обеих указанных ролях — и вендора, и внедренца.

Кому и зачем нужны BI-решения

Итак, каковы же основные движущие силы, стимулирующие использование BI-решений в российских компаниях? “Движущие силы на рынке BI абсолютно интернациональны, потому что суть BI-решений состоит в том, чтобы получать адекватную информацию для управления бизнесом, — убежден директор по развитию технологий информационного менеджмента компании “АйТи” Дмитрий Романов. — Единственное, но существенное отличие есть у компаний, тем или иным образом причастных к нефтяному бизнесу. Они, как правило, не сильно озабочены эффективностью своей деятельности. Изменение цен на нефть влияет на финансовые показатели таких компаний в значительно большей степени, чем внутренняя эффективность или обоснованность принимаемых решений. К сожалению, на общем фоне пока не очень значима такая немаловажная цель, как повышение конкурентоспособности, инновационное развитие, создание новых технологий”.

Руководитель направления по продажам решений бизнес-аналитики представительства IBM в России и СНГ Александр Тихонов, напротив, считает, что новая волна интереса к решениям по бизнес-аналитике возникла во время кризиса, который заставил многие компании пересмотреть показатели эффективности работы. Сталкиваясь с ростом стоимости продуктов, падением продаж и усилением конкуренции, бизнес приходит к необходимости использования новых инструментов для повышения своей эффективности.

У заместителя генерального директора Sybase CIS Артёма Гришковского на этот счёт своё мнение: “Пожалуй, самая непонятная, но тем не менее встречающаяся причина выбора BI-решений компаниями — следование тренду”. В числе других причин он выделяет желание автоматизировать рутинные процессы по формированию отчетов и приобретение BI-системы как платформы для создания локального BI-решения (информационно-аналитическая система, система поддержки принятия решений, отчетная система и т. д.) с использованием компонентов и процедур BI-платформы. Если говорить о среднем и малом бизнесе, то руководитель отдела аналитических решений компании “Техносерв Консалтинг” Роман Колеченков к характерным особенностям последних лет относит переход предприятий этого сегмента от электронных таблиц Excel к промышленным BI-решениям.

Советник генерального директора компании “Прогноз” по развитию информационных технологий Алексей Юдин обращает внимание на огромное количество накопленных организациями разнородных информационных активов. Их интеграция с BI-платформами позволяет сформировать общее информационное пространство, объединяющее все подразделения организации, произвести консолидацию и валидацию различных показателей ее деятельности, максимально автоматизировать документооборот и отчетность. Когда время для принятия решения сокращается, а цена ошибки многократно возрастает, конкурентное преимущество оказывается у тех компаний, которые внедряют системы поддержки принятия решений с применением сценарного прогнозирования.

“Катализатором применения BI для совершенствования процессов бизнес-анализа и управления являются финансовые подразделения, руководители и бизнес-пользователи, — утверждает заместитель генерального директора по развитию бизнеса компании Intersoft Lab Юлия Амириди. — И именно они могут инициировать и мотивировать выделение бюджетов под задачи бизнес-анализа. Вместе с тем у многих заказчиков по-прежнему существует заблуждение относительно “интеллектуального всемогущества” BI, способного самостоятельно давать ответы на стоящие перед аналитиками вопросы. Как следствие, согласно результатам исследования Кембриджского университета, при ежегодных инвестициях в BI в размере 60 млрд. долл. половина всех BI-проектов проваливается”.

По мнению менеджера QlikTech Russia по работе с партнерами Григория Жукова, важнейшим фактором, определяющим потребность предприятий в инструментах BI, является конкуренция на рынке: “Нет конкуренции — нет потребности в повышении эффективности бизнеса — значит, нет потребности и в BI. К сожалению, Россия не относится к странам с развитой конкурентной средой, находясь примерно на одном уровне с Украиной, Бразилией, Индией и Шри-Ланкой. Но и у нас есть отрасли, где конкуренция развита, — это ритейл, телеком, банки, страховые компании”. Кроме того, на его взгляд, большую роль сыграло появление BI-решений нового поколения, более простых в освоении для неискушенных пользователей.

Ну и наконец, не стоит забывать о факторе, на который обращает внимание руководитель отделения департамента корпоративных систем управления компании IBS Сергей Заблодский: “На российском рынке использование BI-решений прежде всего инициировано высшими руководителями, управляющими организациями или бизнесом. Именно их желание крепче держать в руках штурвал — управлять процессами, прогнозировать результаты — заставляет всю управленческую вертикаль использовать такие информационные технологии, которые помогают собирать и анализировать информацию для принятия верных управленческих решений”.

Не менее важен вопрос, какие задачи бизнес-аналитики больше всего востребованы на российских предприятиях. С мнением Александра Тихонова о том, что в основном это классические средства отчетности и бюджетирования, а также OLAP-анализ, согласны практически все наши эксперты. “Руководство стремится к автоматизации мониторинга финансовых потоков, особенно когда речь идет о разветвленной корпоративной структуре, включающей уровень дочерних предприятий, — добавляет Алексей Юдин. — Востребованы решения по управлению инвестициями, оценке рисков, разработке общекорпоративных хранилищ данных и информационно-аналитических порталов (ситуационных центров)”.

Как считает Роман Колеченков, наиболее востребованы задачи бизнес-аналитики, связанные с продвижением товаров и услуг, и поэтому лидерами среди отраслей являются ритейл, телеком и банки. В нынешнем году, по ощущениям Александра Тихонова, наблюдается все возрастающий рост интереса к мобильной аналитике, связанный с развитием рынка планшетных и мобильных устройств.

Григорий Жуков настаивает на том, что конкретные задачи в значительной степени зависят от отрасли и департамента, и в подтверждение приводит несколько примеров таких задач из собственной практики: 

  • сокращение уровня просроченной дебиторской задолженности; 
  • оптимизация уровня товарных запасов и высвобождение оборотных средств на основании анализа продаж; 
  • мониторинг ключевых показателей эффективности для руководителей; 
  • анализ закупок и мониторинг поставщиков; 
  • сегментирование и анализ рынка; 
  • сокращение времени на подготовку отчетности, в том числе обязательной.

По мнению Артёма Гришковского, можно выделить группы задач, решение которых на российских предприятиях пользуется спросом. Это обеспечение достоверной информацией и в нужном разрезе менеджмента компании, оценка текущей эффективности бизнеса, стратегическое планирование развития предприятия, описание моделей бизнеса, прогнозирование и оценка рисков. “Некоторые российские компании в решении этих задач продвинулись весьма далеко, но не за счет использования BI-систем или решений, — уточняет он. — К сожалению, культура использования BI-систем только формируется”.

“Самыми востребованными на российском рынке остаются задачи бизнес-аналитики, относящиеся к финансовым функциям, — считает Сергей Заблодский. — Однако за последние два года здесь наметилась тенденция к применению специальных технологий, позволяющих создавать и использовать большие и сверхбольшие хранилища данных для анализа на основе детальной, а не агрегированной информации. Эти технологии позволяют не только с принципиально новым качеством отвечать на традиционные управленческие вопросы о причинах тех или иных значений показателей деятельности, но и всерьёз подойти к задачам data mining, для решения которых российские компании и организации накопили уже достаточно данных”.

Каков инструментарий

Какие аналитические инструменты применяются в нашей стране недостаточно широко, каковы причины этого и какие меры могли бы стимулировать применение таких инструментов? По мнению Александра Тихонова, наименее востребованной остается работа с ключевыми показателями эффективности (KPI). Это связано с тем, что проекты использования KPI направлены не на инструменты, а на методологию и выстраивание бизнес-процессов. Григорий Жуков добавляет сюда средства предсказательной аналитики, моделирования и data mining. Дело в том, что работа с подобными системами требует серьезного понимания математических и статистических принципов, алгоритмов расчета, заложенных в них. А таких специалистов в компаниях не много.

В целом соглашаясь с последним тезисом, Алексей Юдин поясняет: “Отчасти это связано с тем, что во многих зарубежных платформах и приложениях, которые устанавливаются на российских предприятиях, подобные возможности представлены недостаточно, это сложные наукоемкие задачи, требующие от разработчиков и интеграторов высочайшей квалификации. Банки — наиболее активные пользователи таких инструментов, в том числе и потому, что они должны соответствовать требованиям регулятора — Центробанка — по расчету и прогнозированию различных показателей финансовой устойчивости”. А Дмитрий Романов добавляет: “Одним из таких инструментов являются технологии, связанные с интеллектуальным анализом данных (data mining). То есть технологии, которые позволяют докопаться до причин происходящего. Самое важное для создания стимула к их использованию — это изменение ментальной культуры топ-менеджмента”.

“Нечастое использование инструментов нерегламентированных запросов (Ad-Hoc), моделирования и прогнозирования прежде всего связано с непониманием того, какие возможности могут дать эти средства, как могут они повлиять на эффективность бизнеса, — говорит Артём Гришковский. — Это является наиболее серьезным препятствием. Если возможности BI-решений и эффект от их применения еще поддаются объяснению, то устранить коммуникационно-информационный вакуум между ИТ-департаментами, производственными подразделениями и экономическими службами практически невозможно. Для этого нужен заинтересованный административный ресурс или специально созданное подразделение — проектный офис, в который входят эксперты в разных областях”.

В последние годы много говорится о необходимости включения BI-процедур в те или иные бизнес-процессы (например, выдачу кредита или санкционирование закупки). Но насколько велика реальная потребность в такой функциональности у российских заказчиков? Какие требования подобные подходы предъявляют к используемым BI-инструментам?

“Использование BI-платформы принципиально меняет механизмы принятия бизнес-решений, поскольку обоснование любого шага автоматически опирается на весь комплекс внутренних и внешних данных, — полагает Алексей Юдин. — Иными словами, целесообразно говорить о развитии в компании общей BI-культуры как современного способа управления процессами и уже в ее рамках обеспечивать информационную поддержку отдельным процедурам. Если мы говорим о российских заказчиках, то BI-инструментарий должен быть максимально ориентирован на условия российского нормативно-правового поля. Если это коробочное решение, оно должно отражать отраслевую специфику, а если проектное — то особенности бизнес-логики конкретного клиента”.

“В тех случаях, когда аналитика является действительно необходимой функциональностью в рамках бизнес-процессов, а таких бизнес-процессов много, то она в них активно используется, — утверждает Дмитрий Романов. — В качестве примера можно привести работу с кредитами: их выдачу, оперативное формирование отчетности о задолженности”.

“Как правило, потенциальный заемщик обращается за кредитом в несколько банков, — напоминает Григорий Жуков. — И здесь важны не только условия предоставления займа, но и скорость, с которой кредитное учреждение рассмотрит заявку и сообщит своё решение клиенту. Вот здесь банку и может помочь BI-система, которая проведет профилирование клиента, сравнит его профиль с имеющейся базой данных и выдаст рекомендации по кредиту. Она должна поддерживать принятые в банке алгоритмы расчета кредитных рисков”.

Основным ограничением, мешающим удовлетворить спрос на такие решения, является, по мнению Сергея Заблодского, отсутствие BI-инструментов, одновременно обладающих двумя ключевыми свойствами. Первое — это безусловная интерактивность: BI-процедура, включенная в тот или иной процесс не должна его задерживать. Второе — функциональная адресность: BI-процедура должна очень гибко настраиваться под специфику процесса, в который она включается. В ней не должно быть лишних функций. И если вопросы интерактивности можно решить, используя высокопроизводительный аналитический сервер, то с функциональной адресностью всё намного сложнее. Сергей Заблодский полагает, что решений, позволяющих быстро и эффективно включить BI-процедуру в требуемый процесс, не прибегая к программированию, пока нет.

“Одним из устоявшихся примеров синергии управленческих методологий и BI-инструментов является концепция Business Performance Management (BPM), — настаивает Юлия Амириди. — BPM позволяет встраивать BI-функции в процессы прогнозирования, планирования, мониторинга, контроля и подготовки различных видов отчетности. На российском банковском рынке BPM-системы сегодня рассматриваются как неотъемлемый атрибут эффективной кредитной организации”.

Много сегодня говорят и о прогнозной аналитике, но какие задачи такого рода пользуются сегодня спросом и в каких отраслях? “По нашему опыту, прогнозная аналитика наиболее востребована в государственном секторе: специалисты “Прогноза” строят модели социально-экономического развития регионов и стран для министерств, правительств России, Китая, Казахстана, — рассказал Алексей Юдин. — Услуги и системы по прогнозированию развития территорий и отраслей заказывают также региональные органы власти. В то же время мы видим большие перспективы в применении прогнозного инструментария для управления компанией в любой отрасли. Что касается перспектив в области моделирования, то, безусловно, помимо имитационного прогнозирования (“что будет, если?”) важно уметь решать и задачи оптимального управления (“что нужно, чтобы?”)”.

“Для того чтобы строить прогнозы, необходимо иметь модели процессов деятельности компании, — считает Артём Гришковский. — Модели могут быть разными, с различной степенью детализации в зависимости от того, на что направлено прогнозирование. Наибольшей популярностью пользуется построение трендов, для которых нет необходимости создавать модели. Тренды используются как в финансовом секторе для краткосрочного прогноза динамики роста или падения спроса, цен на акции, фьючерсы и т. п., так и в промышленности для выявления динамики изменения спроса на товар, управления логистикой. В России компаний, имеющих или готовых создавать модели и использовать сценарное прогнозирование, — единицы. В основном в ходу макроэкономические модели для рынков и целых стран. Например, Министерство финансов использует макроэкономическую модель для прогнозирования курса рубля по отношению к мировым валютам. Модели, описывающие бизнес-процессы в добывающем или нефтеперерабатывающем секторе, только начинают появляться. Говорить о возможности их использования для повышения эффективности производства или снижения себестоимости продукции пока не приходится”.

По мнению Юлии Амириди, прикладная функциональность систем BPM, предназначенная для моделирования ресурсов банка с учетом изменений рыночной среды, позволяет получать ответ на вопрос: какие изменения в структуре активов и пассивов приведут к повышению прибыльности с учетом рисков? Она полагает, что с учетом текущей структуры спроса на ВРМ-функциональность время такой прогнозной аналитики в российских банках наступит не раньше, чем через два-три года.

Потенциальные точки роста

Появление методологии Balanced Scorecards, предназначенной для стратегического управления предприятием по ключевым показателям эффективности, стало еще одним стимулом использования технологий BI. Но насколько широко сегодня применяются на наших предприятиях средства BI для решения задач стратегического управления? По мнению Александра Тихонова, отечественный бизнес решает в основном оперативные задачи, не переходя на стратегический уровень. “Не нужно забывать, что BI-система в задачах стратегического управления исполняет роль инструмента, который помогает реализовать стратегию, — напоминает Григорий Жуков. — Без тщательной управленческой и методологической работы толку от такого решения будет мало”. По ощущениям Дмитрия Романова, применение BI-средств для достижения стратегических целей в совокупности с долгосрочным планированием, с измеримыми нефинансовыми показателями —явление пока довольно редкое. По его оптимистичной оценке, только около 5% предприятий пользуются такими технологиями, что снова возвращает нас к необходимости выработки стратегического мышления у современного топ-менеджмента.

“Стратегический инструментарий ВРМ-решений включает моделирование и долгосрочное планирование ключевых показателей эффективности, а также средства мониторинга, измерения и контроля достижения целевых значений KPI, — сообщает Юлия Амириди. — И, несмотря на растущую активность в области автоматизации финансового (финансовая консолидация и отчетность, бюджетирование) и операционного (управленческий учет и оценка прибыльности подразделений, банковских продуктов и клиентов) управления, именно это направление ВРМ в российских банках практически не развивается”.

Хорошо известно, что недостоверность исходных данных может сделать бизнес-аналитику не только бесполезной, но в отдельных случаях даже вредной. Какова на российских предприятиях ситуация с качеством исходных данных и нормативно-справочной информации (НСИ)? “Качество данных далеко от идеала, — вынужден констатировать Григорий Жуков. — Это объясняется и большим количеством эксплуатируемых учетных систем, и тем, что люди часто допускают ошибки при вводе первичной информации. Кроме того, не следует забывать о процессах слияния и поглощения, которые происходят на рынке. Покупая компанию, новый владелец получает и её информационные системы с накопленными в них данными. Существуют решения, которые помогают привести НСИ к единому стандарту, но это долгие и довольно дорогие проекты”.

По мнению Романа Колеченкова, качество данных и НСИ — проблема, с которой сталкиваются в большинстве проектов по внедрению BI-систем, результатом чего впоследствии становится недоверие к результатам анализа. “В крупных компаниях существуют целые отделы, которые пытаются систематизировать разрозненные данные, — дополняет Александр Тихонов. — Большинство ИТ-директоров сознают эту проблему, и мы видим растущий интерес к системам MDM (Master Data Management). Мы неоднократно сталкивались с тем, что внедрение инструментов бизнес-аналитики стимулировало развертывание таких систем ”. Артём Гришковский убежден, что качество данных — это как раз то, на чем точно сфокусировано внимание практически во всех компаниях. Практика показывает, что в 99,9% случаев при внедрении BI-систем требуется предварительная подготовка данных.

Сергей Заблодский предлагает не только оценивать текущее состояние проблемы, но и учитывать динамику. Если десять лет назад практически никто не думал о качестве исходных данных, то сегодня служба ведения НСИ становится обыденным элементом организационной структуры в компаниях. Тем не менее, согласно представленным Юлией Амириди данным опроса бухгалтеров российских банков, который в конце 2010 г. проводила Intersoft Lab, 82% опрошенных отметили, что доверяют данным в операционных источниках лишь отчасти.

Еще одна возможная точка роста связана с тем, что в мире за последние годы заметно вырос интерес к аналитическим инструментам конечного пользователя, обладающим высокой интерактивностью и функциональным визуальным интерфейсом. Но есть ли на них спрос в России? Все наши эксперты согласны с тем, что спрос на такие инструменты есть и он велик. “Все чаще, общаясь с нашими заказчиками, мы разговариваем уже не столько о производительности, не о тех или иных возможностях инструментов, но о том, как сделать эти системы наиболее удобными для бизнес-пользователей”, — поясняет Александр Тихонов. А Артём Гришковский напоминает, что было немало случаев, когда внедрение какого-либо программного продукта встречалось конечными пользователями в штыки и в результате проваливалось. И всё из-за сложного интерфейса и непонятной логики использования решения.

“Спрос на такие аналитические инструменты как в нашей стране, так и во всем мире существует уже давно, — соглашается Сергей Заблодский. — Проблема скорее не в спросе, а в предложении. Высокая интерактивность и функциональные характеристики рабочего места конечного пользователя позволяют ему работать с информацией наиболее естественным для человека способом: последовательно формулировать вопросы, постепенно уточняя и корректируя их на основе получаемых ответов. Когда речь идёт об анализе данных, ни один пользователь заранее не знает в точности, чтó он хочет спросить: ему нужен первоначальный информационный вброс, в отношении которого он и сформулирует свой первый вопрос. Каков будет следующий вопрос, тоже непонятно до тех пор, пока пользователь не увидит ответ на предыдущий. На текущий момент на рынке есть инструменты, которые позволяют работать с информацией указанным способом, в частности это QlickView и SAP Explorer. Однако и они не могут в полной мере удовлетворить самую требовательную категорию пользователей — топ-менеджеров. С учётом жёстких лимитов времени на первый план выходят высокие требования к удобству подачи информации для её наиболее эффективного восприятия и высочайшая степень доступности этой информации: количество щелчков мышкой должно быть минимальным, а отклик — мгновенным. На текущий момент эти требования, к сожалению, обеспечиваются только прикладными разработками”.

Другая потенциальная точка роста — мобильные аналитические приложения. Насколько широко они применяются в России? Каковы возможные сценарии использования подобных приложений на наших предприятиях? “Это наиболее перспективное направление, — уверенно заявляет Алексей Юдин. — К примеру, мы регулярно получаем заказы на разработку мобильных ситуационных центров для руководителей регионов. Текущие данные по социально-экономическому развитию территории пользователь имеет возможность получать и анализировать с помощью iPhone и iPad в любой точке мира, причем как в онлайновом, так и в офлайновом режиме”. Григорий Жуков напоминает, что первые лица компании и топ-менеджеры уже давно пользуются мобильными устройствами. Следующий логичный шаг для них — мобильная аналитика, чтобы всегда “держать руку на пульсе” своего бизнеса. Поэтому рост данного сегмента неизбежен.

Артём Гришковский оценивает перспективы этого направления со здоровым скептицизмом. По его мнению, мобильные решения нужны тогда, когда нет возможности пользоваться локальным решением, или тем людям, которые по какой-либо причине не могут им пользоваться. А также тем, кому необходим постоянный доступ к информации. Это довольно ограниченный круг лиц, и потребности у них четко формализованы. В основном это отчеты и оперативный доступ к информации по текущим показателям деятельности компании. Основные клиенты — менеджеры высшего звена. Но даже в таком качестве мобильная аналитика натыкается на препятствие в виде необходимости соблюдать конфиденциальность передаваемых данных, что зачастую оставляет внедрение приложений мобильной аналитики только в планах. В России, да, пожалуй, и во всем мире, считает г-н Гришковский, мобильные аналитические приложения — это все-таки “завтра”, но уже очень близкое “завтра”. “Широкое вхождение в жизнь банковских менеджеров таких устройств, как iPhone и iPad, формирует базис для мобильной аналитики, — полагает Юлия Амириди. — Сегодня в российских банках это скорее модная тема, которая пока не находит подтверждения в проектах. Однако активность целого ряда BI-поставщиков в этой области должна дать свои результаты уже в самое ближайшее время”.

А вот рассуждения Александра Тихонова: “Наиболее очевидный сценарий — мобильное рабочее место. Человек находится в командировке, ему нужно посмотреть какие-то цифры по предприятию, по конкретному участку месторождения. Здесь приложения выступают как справочник, как подсказка, как источник информации с нужными цифрами. Еще один интересный сценарий, с которым мы сталкивались, — активное использование устройств в ходе различных совещаний, советов директоров, когда люди приходят туда не с толстыми папками бумаг, а с планшетными компьютерами, когда есть доступ к графикам, цифрам и они тратят время на их обсуждение, а не на перелистывание”.

В связи с кризисом деятельность регулирующих органов будет только усиливаться. Востребованы ли в нашей стране решения, помогающие контролировать соответствие деятельности компаний нормативным актам? Существуют ли на рынке готовые решения такого рода, учитывающие специфику российского законодательства? “Интерес к таким решениям возник недавно, год-полтора назад, — сообщает Александр Тихонов. — Потребителями в первую очередь являются, конечно, финансовые институты, банки, страховые компании, предприятия нефтегазового сектора, обязанные соблюдать нормативы по использованию ресурсов, по загрязнению окружающей среды. Такие системы очень востребованы на рынке”.

“На западе BI-решения используются для обеспечения соответствия различным актам, например SOX Compliance или Basel III. Но в России эти требования не носят обязательного характера и крайне редко реализуются с помощью BI-систем”, — возражает Григорий Жуков. С другой стороны, в нашей стране немало и своих регулирующих актов. Так, по словам Алексея Юдина, более сотни российских банков используют в своей ежедневной работе продукт “Прогноз.ССВ” — приложение, позволяющее отслеживать показатели деятельности банка на соответствие требованиям системы страхования вкладов и построенное на тех же моделях, которые использует Центробанк для оценки финансовой стабильности участников рынка. Юлия Амириди напоминает, что банковская сфера — одна из самых зарегулированных, а 75% опрошенных компанией Intersoft Lab представителей кредитных учреждений считают, что требования Банка России к отчетности с каждым годом ужесточаются. Уже несколько лет спрос на автоматизацию подготовки обязательной отчетности на основе хранилищ данных непрерывно растет, несмотря на постепенное снижение доли таких проектов среди всех решаемых ВРМ-задач. Готовых, то есть “коробочных” решений для автоматизации регуляторной банковской отчетности, по мнению Юлии Амириди, на рынке нет. Она полагает, что сегодня на российском рынке присутствует очень ограниченное число поставщиков, имеющих реальный опыт автоматизации обязательной отчетности в банках на основе хранилища данных — их не более двух-трех.