Журнал ВРМ World

Мировая история развития технологий управления эффективностью бизнеса – обзоры зарубежных публикаций

Секреты высокого качества данных

В статье предложены два оригинальных подхода к решению проблемы низкого
качества данных в организациях финансовой отрасли.

Ненадлежащее качество данных является «головной болью» для многих финансовых организаций. Существует множество подходов и полярных мнений, как лучше подойти к решению этой проблемы. Например, по мнению Нэйта Венцлаффа (Nate Wentzlaff), аналитика компании OnApproach, занимающейся разработкой программного обеспечения, многие кредитные союзы полагают, что для старта бизнес-аналитического проекта необходимо располагать безупречными данными. Хотя высококачественная информация и является основой для средств бизнес-аналитики, одним из лучших способов определить качество данных - старт аналитического проекта. Действительно, цели любого нового проекта - необходимость исправить бизнес-проблемы. Анализ данных кредитного учреждения с помощью соответствующего программного обеспечения позволит ей оценить качество данных и улучшить свои учетные системы.

С учетом того, что аналитическое программное обеспечение предназначено для бизнес-пользователей, задача руководства - определить, какая информация будет использоваться для оценки результатов деятельности организации. При внедрении этих средств информационные системы банка проходят проверку – из них извлекается необходимая информация. Такая диагностика очень полезна, поскольку обозначит проблемы, которые в противном случае могут остаться незамеченными. Кредитные союзы могут начать внутренний аудит со внедрения аналитических систем.

Оценка текущего качества данных со стороны ИТ-отделов, как правило, неоднозначна, т.к. для них «чистые, безопасные и отформатированные» данные зачастую и означает «качественные». ИТ-специалисты могут проводить дорогостоящие мероприятия для аудита и оптимизации систем. Тем не менее, это может быть пустой тратой времени и средств, если данные не решают текущие (и будущие) бизнес-задачи.

Решения на основе аналитического программного обеспечения строятся, чтобы обработав данные с помощью алгоритмов, получить информацию, необходимую для принятия будущих бизнес-решений. После того, как ИТ-отдел загрузит данные в аналитическое решение, руководство должно определить, не противоречат ли они показателям ежемесячного финансового и других внушающих доверие отчётов. Согласование данных, полученных с помощью аналитических средств, с финансовой отчётностью – это первый этап проверки данных. Если они не сходятся с финансовыми показателями, возможны ошибки в процессе подготовки отчетных данных. Это может быть как простая ошибка в логике запроса при обращении к базе данных, так и более серьёзные погрешности в исходных системах. Общая проблема, наблюдающая при реализации аналитического проекта – это нарушение связи между исходными системами и основной системой. Многие кредитные союзы используют сложные бизнес-правила, чтобы определить, какие данные передаются в их основную систему. В качестве примера может привести ситуацию, когда необходимо установить, какую кредитную оценку нужно применять, если кредит берут два заёмщика. Обработка этих данных с помощью аналитических алгоритмов даст руководству лучшее представление о том, как исходные системы обмениваются информацией.

Бизнес-экспертиза и качество данных – это основа для принятия правильных решений. Чтобы объединить их, кредитные союзы должны использовать инструменты бизнес-аналитики. Генерация отчётности с помощью этих инструментов поможет в определении текущего качества данных и системных улучшений, важных для кредитного учреждения.

Проблемы с качеством данных встречаются повсеместно. Еще один оригинальный способ их решения реализуется крупнейшими американскими ипотечными агентства Фанни Мэй (Fannie Mae) и Фредди Мак (Freddie Mac). В 2010 году с целью разработки общих стандартов для обмена кредитными и оценочными данными (которые могли бы использовать все стороны, участвующие в ипотеке) этими организациями под руководством федерального агентства по финансированию жилищного строительства была запушена программа унифицированных ипотечных данных (Uniform Mortgage Data Program). Цель проекта - дать инвесторам, покупающим секьюритизированные пакеты кредитов, более согласованные данные о том, что содержат приобретаемые пакеты, а также информацию, которую можно использовать для выявления тенденций в приобретаемых кредитах. Эта программа обрела заслуженное признание, поскольку существенно помогла финансово-кредитной отрасли.

Тем не менее, есть дополнительные возможности для дальнейшего расширения роли программы в улучшении качества кредитных данных. Все стороны, участвующие при заключении кредитной сделки, нуждаются в готовом комплекте информации по её ключевым аспектам. Также для сертификации необходима система увязки ключевой информации в кредитном досье с соответствующим ему источником, например, Службой внутренних доходов или кредитными бюро.

До того, как программа получила признание, по словам Чарли Бёрк (Charlie Burke), вице-президента по стратегическим инициативам Федерального кредитного банка Чикаго, существовал ряд проблем, среди которых стоит отметить:

  • Присутствие устаревших проприетарных форматов файлов данных, затруднявших обмен информацией между организациями. Вместо использования широко известного стандарта MISMO XML (разрабатываемой Mortgage Industry Standards Maintenance Organization - организация, осуществляющая поддержку стандартов данных для ипотеки), Фанни Мэй использовал формат «фиксированной ширины», совместимый с мэйнфреймами.
  • Ограниченное количество информации, собранной по приобретённым спонсируемыми правительством компаниями и секьюритизированным на вторичном рынке кредитам. Это означало не только недостаточный объем информации для инвесторов по индивидуальным кредитам, но также затрудняло использование инвесторами данных для выявления схемы в приобретённых ценных бумагах.
  • Отсутствие сведений о том, где ключевая информация передавалась между кредиторами и другими сторонами. Например, не предоставлялись данные о закрытии кредитов, а информация по оценке собственности была недостаточно подробной, чтобы показать, была ли оценка верна.
  • Недостаточная надежность данных. Не хватало информации, чтобы документально подтвердить, что, например, данные о доходах заёмщика, была предоставлены Налоговой службой, или что кредитное бюро (скажем, Experian) было источником рейтинга заёмщика в системе скоринга кредитоспособности клиентов.

Один из пяти комитетов, участников Инновационного форума для директоров по информационным технологиям, - группа по расширенной проверке данных (Enhancing Data Validation Team), состоящая более чем из 40 представителей отрасли, предложила решения для этой и других проблем, связанных с данными. Ниже перечислены некоторые предложения этой группы:

Массивы основных данных: многие файлы данных по кредитам содержат не менее 100 полей. Хотя все из них важны, от 30 до 50 полей – такие как суммы и номера кредита или суммы платежей – являются «основными информационными полями», т.е. фундаментальной информацией, которая должна быть доступна сторонам, занимающимся секьюритизацией кредита.

Правила проверки данных для основной информации: правила проверки данных необходимы, чтобы гарантировать, что покупатели обеспечений по кредитам получают точную информацию о ценных бумагах и что данные не являются противоречивыми. Например, «дом для одной семьи» вряд ли может располагаться на восьмом этаже многоквартирного дома.

Команда проверки данных рекомендует обеспечить доступ потенциальных продавцов кредита к созданию правил проверки, чтобы повысить вероятность того, что Фанни Мэй приобретёт их кредиты. Служба ранней проверки «Fanny Mae's EarlyCheck» удовлетворяет эту потребность, предоставляя пользователям доступ к управлению кредитом в любой точке бизнес-процесса кредитования. «EarlyCheck» помогает кредиторам выявлять и исправлять проблемы с данными в начале своих бизнес-процессов и до предоставления кредита. По словам Чарли Бёрка, включение определённых правил проверки вместе с основным массивом данных – это следующий шаг к быстрому и простому обмену важной информацией по кредитам.

Надежный источник: группа проверки данных предлагает методы для установки надежного источника для ключевой информации, например, прибыли или кредитных рейтингов, для каждого поля, которое соответствует официальному правовому документу или кредитному делу. Предполагаемые усовершенствования помогут сторонам секьюритизации кредита сосредоточиться на проверке наиболее критически важных данным в кредитном деле. Также улучшения позволят намного раньше проверять кредитную информацию «на лету», сокращая ошибки и снижая затраты и риски. Установление надежного источника определяет стандарт для связывания данных с ключевыми документами для того, чтобы удостовериться в точности этих данных.

Эксперты считают, что применение единой программы ипотечных данных поможет сократить расходы, снизить риски выкупа и сделает процесс приобретения и секьюритизации кредитов прозрачным для всех заинтересованных сторон.

Публикации

  1. Нейт Вентцлафф (Nate Wentzlaff). Как бизнес-анализ улучшает качество данных (How business analytics improves data quality). 19 сентября 2014 г.
  2. Джефф Баундс (Jeff Bounds). Рекомендации по улучшения качества данных (Recommendations to improve data quality). 16 сентября 2014 г.

Автор: По материалам зарубежных сайтов