Консалтинг и автоматизация в области управления
эффективностью банковского бизнеса

Публикации

Bankir.ru

Во что обходится доверие к данным при принятии управленческих решений?

Данные в информационных системах банка служат в общем случае для решения задач двух типов – учетных и управленческих. Отсутствие тех или иных данных в ИТ-модулях банка, предположим, информации о связанных клиентах, ошибки в данных, их противоречивость, дублирование и другие проблемы с данными могут привести к искажению регуляторной отчетности или неверным бизнес-решениям, например при построении отношений с клиентами.

Чтобы охарактеризовать уровень готовности данных в автоматизированных системах банка к использованию в решении бизнес-задач и подготовке надзорной отчетности используют понятие качества данных (data quality).

Отечественные банкиры пока не спешат делиться оценками, во что обходятся проблемы с данными при принятии управленческих решений. Согласно западной статистике, порядка 40% годового бюджета кредитной организации может тратиться неэффективно по причине неудовлетворительного состояния данных.

Сколько же придется потратить банку, чтобы доверять данным в корпоративном хранилище (ХД), из которого готовится аналитическая, управленческая или надзорная отчетность? Опыт Intersoft Lab показывает, например, что в проектах автоматизации сегментированной отчетности по финансовому результату на повышение качества данных может уйти около 30% бюджета.

Определяющее влияние на стоимость оказывает уровень качества данных в учетных системах. Чем он ниже, тем больше работ по выявлению и исправлению ошибок и обогащению данных потребуется, тем выше будут затраты на приведение данных в надлежащие состояние.

В остальном расходы на «data quality» будут зависеть от того, какой подход к решению этой проблемы выберет банк. Первый и, безусловно, самый правильный путь – решить проблемы «внутри» организации, устранив недостаток управленческой «аналитики» и ошибки в данных на уровне исходных систем. Но для его реализации банку придется провести колоссальную работу:

-       технологическую: расширить информационную модель учетной системы, обеспечить возможность вводить недостающие данные в различные модули, нарастить состав контрольных функций в АБС, т.к. стандартный состав проверок не ориентирован на выявление ошибок, которые могут «проявиться» на этапе подготовки отчетности; типичный пример – отсутствие в АБС проверки соответствия суммарных остатков субсчетов и остатков сводных лицевых счетов;

-       организационную: обязать специалистов фронт- и бэк-офисов вносить в операционные системы дополнительные, зачастую избыточные для решения их основной профильной задачи аналитические признаки, необходимые для подготовки управленческой отчетности;

-        методическую: определить для исполнителей правила ввода новых данных.

Однозначно, проблемой реализации такого подхода станет финансирование доработки АБС - эти затраты хоть и могут быть вынесены из бюджета построения ХД, в любом случае окажутся дополнительными расходами для банка. Кроме того, загрузка сотрудников бизнес-подразделений не свойственными им функциями отрицательно скажется на их производительности и приведет к еще большим издержкам.

Второй, как правило менее затратный путь, который используют банки, – передача ответственности за качество данных поставщику ХД. Экономия средств достигается, во-первых, за счет того, что промышленное ХД финансового профиля содержит всевозможные проверки корректности загружаемых данных банковского бухучета и договоров. Например, в ХД «Контур» производства Intersoft Lab таких проверок более 200, они позволяют контролировать полноту, консистентность и выявлять различные ошибки в данных. Во-вторых, минимизируются расходы на ввод в учетные системы недостающей аналитики. В ХД «Контур» такие аналитические разрезы управленческой отчетности, как статьи управленческого учета, ЦФО, группы клиентов, продуктовые сегменты и др. могут быть получены с помощью инструментов обогащения первичных данных по счетам и сделкам. Разумеется, не все аналитические признаки следует получать, прибегая к этой функциональности. Например, атрибут договора «Точка продаж» целесообразно вводить в АБС, но контролировать его заполнение уместно на уровне ХД, где формируется отчетность по эффективности каналов и точек сбыта.

Несмотря на меньшую стоимость, этот подход имеет очевидные минусы. Заранее достаточно сложно определить состав и объем работ, делегируемых исполнителю для достижения качества данных. А сотрудники банка, как показывает опыт, нередко склонны недооценивать серьезность проблемы. В результате, в ходе проекта может выясниться, что качество данных в исходных системах хуже, чем предполагалось изначально, потребуются незапланированные работы и дополнительные расходы по исправлению данных. Но главное в том, что проблемы с качеством данных не относятся к категории разовых задач, о существовании которых можно забыть после перевода системы в промышленную эксплуатацию. Банковский бизнес и его ИТ-инфраструктура не статичны: открываются новые филиалы и точки продаж, меняется состав банковских продуктов, появляются новые системы и источники данных. Как следствие, проблема качества данных в ХД регулярно приобретает остроту, вновь и вновь требует системного контроля.

По какому бы пути не пошел банк – взять ответственность за достоверность данных на себя или отдать «на откуп» поставщику ХД - инвестиции в приведение данных в надлежащие состояние будут существенны. Если взять за ориентир публикуемые в СМИ оценки стоимости по уже состоявшимся проектам в банках из ТОП-200, цена data quality может лежать в диапазоне от 7 до 70 млн рублей с оговоркой, что это – «докризисные» цифры, а, значит, сегодня для них действует поправочный коэффициент от 1,2 до 1,5 у разных ИТ-поставщиков.

Чтобы сократить издержки, Intersoft Lab рекомендует использовать комбинированный подход, когда поставщик ХД в ходе проекта создает и затем передает банку технологию по обеспечению качества данных.  Для этого разрабатываются и документируются процессы ввода, обогащения, контроля полноты, безошибочности, согласованности данных. Обеспечение их исполнения и развитие новых процессов поручается специальному подразделению, организованному внутри банка, – Службе качества данных (СКД). Этому подразделению должны быть предоставлены необходимые  инструменты для оперативного выявления проблем с данными, квалифицированные специалисты для выработки методических и технологических решений с целью повышения их качества, и полномочия для принятия организационных мер по развитию процессов обеспечения качества данных в банке. Intersoft Lab предоставляет банкам консалтинговые услуги по поддержке создания СКД. Компания помогает выработать цели и задачи новой организационной единицы, определить состав и функциональные обязанности сотрудников, разработать для них должностные инструкции и внутрибанковские регламенты процессов обеспечения качества данных. Регламенты определяют периодичность контроля, порядок выполнения проверок, начиная от правильности ввода данных до их обогащения, сроки решения выявленных проблем с качеством данных,  ответственность за исправление ошибок и т.д. Новой службе передается технология контроля качества данных, разработанная в ходе проекта построения ХД, для последующего исполнения и развития.

Несмотря на новизну услуги, она уже получила признание в банковском секторе. Так, в конце прошлого года в ОАО «Банк «Санкт-Петербург» для обеспечения доверия к данным в корпоративном хранилище банка была сформирована Служба качества данных. Благодаря этому, сегодня контроль за качеством данных  в ХД полностью сосредоточен в руках банка, а сама задача получила необходимый вес и значимость внутри банка.