Пора автоматизировать прогнозирование

Смотрите, какая у вас ситуация. Сейчас вы планируете бюджет банка с сентября по февраль в непрерывном аврале и не очень довольны результатом. А хотите планировать – за 4-6 недель, без надрыва прорабатывать несколько сценариев и получать в итоге детальный и обоснованный план.

Автоматизированной системы финансового планирования у вас нет. Вся работа ведется в электронных таблицах. Бюджеты бизнес-деятельности вы получаете от подразделений с задержками и недоказуемым качеством. Они готовятся в объемных показателях на основе экспертных оценок, без глубокой сегментации доходов.

Требовать от бизнеса несколько вариантов планов для различных макросценариев с индивидуальной реакцией на них разных поколений клиентов так же бесполезно, как ждать у моря погоды. Кстати, вы знаете, что в первом квартале 2022 года россияне разных возрастных групп совершенно по-разному распорядились своими личными сбережениями? Это данные Института прикладных экономических исследований.

Глупо ожидать от сотрудников банка адекватной геополитическим переменам и поведенческим «качелям» проработки финансовых планов подручными средствами. Какой участок работы при планировании самый трудозатратный? – Прогнозирование ресурсов. Чтобы подготавливать и анализировать разные версии планов, необходимо, как минимум, автоматизировать построение прогнозов. Чтобы не 2-3 месяца, таская цифры по таблицам, рассчитывать будущее состояние ресурсов, а без напряжения получать несколько просчетов в день с учетом особенностей влияния факторов риска на поведение разных групп клиентов.

Короче, ничто не улучшает качество планирования так, как автоматизация одной только прогнозной функции.

Погуглите, какие проекты, направленные на улучшение процессов финансового планирования, в зарубежных финансовых институтах занимали первые и вторые места в условиях ковидной неопределенности последних лет? И это окажется подготовка оперативных прогнозов и моделирование сценариев «что-если?».

Как работает прогнозирование в финансовом планировании?

1. Сначала, с помощью методов машинного обучения устанавливаются невидимые человеческому глазу зависимости между макроиндикаторами и поведенческими характеристиками клиентов.
2. Потом искусственный интеллект обучается, чтобы с заданной точностью прогнозировать, какой реакции на изменение макропоказателей ожидать от каждого сегмента вкладчиков или заемщиков. При этом каждый поведенческий риск-фактор прогнозируется с необходимой аналитической детализацией.
3. Затем, для заданных сценариев – комбинаций макроэкономических и поведенческих факторов риска – с помощью машины прогнозирования вычисляется будущее состояния текущего («старого») портфеля банка в требуемой детальной аналитике и разбивке по временным интервалам.
4. Прогноз «старого» портфеля в совокупности с целевыми показателями баланса и ОПУ (объемы, ставки и проч.) становится основой для построения агрегированного состояния «нового» портфеля.

Ну и самое главное - какие выгоды вы получаете, автоматизировав прогнозную функцию для планирования?

1. ПОВЫШЕНИЕ КАЧЕСТВА И ДЕТАЛЬНОСТИ ФИНАНСОВЫХ ПЛАНОВ. Благодаря автоматизации прогнозной функции снимаются ограничения по сложности, детализации и количеству сценариев прогнозирования, применяемых для построения будущего состояния банковских портфелей.
2. ПОВЫШЕНИЕ ТОЧНОСТИ И ОБОСНОВАННОСТИ ПРОГНОЗОВ по сравнению со статистическими и экспертными методами прогнозирования. Достигается за счет использования методов машинного обучения, регулярной валидации прогнозов и дообучения ML-методов на данных, накапливаемых в процессе эксплуатации системы прогнозирования.
3. СОКРАЩЕНИЕ СРОКОВ БЮДЖЕТНОЙ КАМПАНИИ. Благодаря сокращению трудозатрат на прогнозирование состояния «старого» и «нового» портфелей многократно ускоряется подготовка финансовых планов.

А может, не надо больше авралов? Пора автоматизировать прогнозирование?