- 2023
Как банку подготовиться к переходу на датацентричный подход
Как регулятор внедряет элементы датацентричного подхода к сбору данных от кредитных организаций, и почему хранилище – лучший выбор, чтобы готовить данные для надзора согласно единой модели - в материале Юлии Амириди, заместителя генерального директора компании Intersoft Lab.
Несколько лет назад Банк России анонсирован постепенный переход на датацентричный сбор информации от кредитных организаций для целей надзора. Его цель - отказаться от получения отчетных форм за определенный период в пользу сбора практически в реальном времени первичных данных о деятельности банков на основе единой модели. Регулятор будет сам обрабатывать данные, рассчитывать показатели для анализа и оценки кредитных учреждений и указывать им на возможные проблемы.
Ожидается, что внедрение датацентричного подхода поможет снизить регуляторную нагрузку на банки, в том числе за счет сокращения интегральных затрат на подготовку данных. Банк России получит доступ к актуальным данным «здесь и сейчас» и сделает важный шаг к переходу от реактивного надзора к проактивному.
Как регулятор и поднадзорные организации движутся к датацентричности
Во-первых, Банк России продолжает работу по гармонизации действующей отчетности. Совместно с банками прорабатываются инициативы по оптимизации объема и состава отчетных показателей, исключения дублирования запрашиваемых данных, унификации подходов к формированию исходных данных для представления в Банк России и проч.
Во-вторых, регулятор разрабатывает новые формы в датацентричном представлении. Уже введено 5 таких форм, а с 1 января 2024 года к ним добавятся еще 7 новых форм отчетности в датацентричном формате. В-третьих, ведется пошаговое, по предметным областям, уточнение единой модели данных. Для этого разрабатываются и совместно с банками тестируются Таблицы исходных данных (ТИД) по приоритетным направлениям деятельности. ТИД содержит описание используемых в банках первичных, атомарных данных - фактов по направлениям деятельности. Публикация первой ТИД «Ссуды» ожидается в ноябре. Вместе с ней банкам будут предложены описания проверок качества данных и алгоритмов для расчета отчетных показателей, формируемых по данным ТИД.
Но, как отмечают в Банке России, внедрение датацентричного подхода - процесс с двусторонним движением: регулятор задает стандарты формирования данных, а банки, со своей стороны, будут должны обеспечить их качество. Поэтому, хотя использование ТИД для подготовки отчетности на данном этапе и не является обязательным, после ее публикации банкам целесообразно провести инвентаризацию: установить, достаточно ли в источниках банка данных, чтобы соответствовать рекомендациям регулятора по подготовке отчетности, и где именно хранятся описанные в ТИД объекты и атрибуты. Это - программа-минимум. «В моменте» ее выполнение поможет банкам устранить выявленные недочеты в учетных ИТ-системах, сократить издержки на подготовку регуляторных данных и добиться прозрачности этих процессов, повысить адаптивность к изменениям в отчетности. В глобальной перспективе использование ТИД позволит банкам постепенно шаг за шагом подготовиться к предстоящим переменам.
Однако, не все кредитные организации технически готовы к переходу на датацентричный сбор данных. Согласно информации, полученной регулятором от российских банков, отказ от формацентричного подхода в пользу передачи потока информации повлечет масштабные переработки структур данных, используемых сейчас в построении отчетности, серьезные доработки внутрибанковских систем подготовки отчетности, а также потребует наладить контроль и мониторинг качества данных.
Кроме того, на фоне перевода основных банковских систем на разрешенный стек технологий, многие банки планируют в ближайшее время модернизировать сложившиеся годами подходы к автоматизации подготовки обязательной отчетности, построенные на базе выгрузок из АБС и электронных таблиц
Учитывая, что Банк России намерен внедрять датацентричный подход плавно, постепенно оптимизируя количество форм отчетности и их наполняемость, у банков появляется время на создание рабочей ИТ-инфраструктуры для подготовки данных согласно единой модели. Эта задача должна стать программой-максимум для большинства банков в переходный период.
Какое ПО выбрать для подготовки данных в датацентричной парадигме
По нашему мнению, оптимальным выбором для подготовки регуляторных данных в датацентричной парадигме является хранилище данных (ХД). Прежде всего потому, что ХД-платформы уже готовы к решению этой задачи в заданных регулятором границах.
Во-первых, в основе хранилища данных всегда лежит модель. Любое банковское ХД опирается на отраслевую (финансовую) модель данных. Модель аккумулирует требования к данным для разных видов отчетности, в том числе регуляторной, и задает состав первичных и производных объектов, атрибутов и их взаимосвязей, которые необходимо собрать в ХД, чтобы обеспечить их выпуск. В этом смысле модель ХД полностью соответствует идеологии единой модели данных, о которой говорит регулятор применительно к подготовке данных для целей надзора.
Чем больше банков эксплуатируют ХД на базе отраслевой модели для решения разных прикладных задач, тем полнее становится его модель. Тиражирование модели постоянно обогащает состав объектов и атрибутов, с помощью которых в модели описаны направления банковской деятельности. В этом отношении Методические рекомендации Банка России 5-МР, требования ТИД, а в перспективе единой модели данных – тоже источники обогащения финансовой модели ХД. Синхронизация с ними тиражных ХД-моделей позволяет гарантировать достаточность объектов, атрибутов и взаимосвязей данных в ХД для подготовки регуляторных данных в датацентричной парадигме.
На основании такой обогащенной модели банк может регулярно анализировать первичные системы на наличие в них данных для решения регуляторных задач. Протестировать этот подход можно в самое ближайшее время, задействовав возможности ХД для инвентаризации данных согласно ТИД.
Во-вторых, ХД готово реализовать одно из ключевых ожиданий регулятора от внедрения датацентричного подхода – получение актуальных данных о деятельности поднадзорной организации. Это достигается благодаря ключевому свойству ХД - консолидировать атомарные данные, распределенные по разным источникам (АБС, модули для учета отдельных операций, системы присоединенных филиалов, Excel-таблицы и проч.), в единой предметно-ориентированной базе данных, и обеспечивать к ним оперативный доступ.
Для этого достаточно наладить ETL-процедуры (Extract, Transform, Load) для ежедневной выгрузки исходных данных из систем-источников и их перекладки в ХД. Поскольку архитектура ХД оптимизирована для быстрой загрузки данных, то данные за предыдущий день будут доступны для передачи регулятору уже к началу следующего дня. Чтобы обеспечить большую оперативность, можно в течение дня дозагружать в ХД появляющиеся в данных изменения. Таким образом, автоматизация процедур сбора и консолидации данных в ХД ускорит подготовку данных для регуляторных целей и обеспечит прозрачность этих процессов.
В-третьих, в любую готовую ХД-платформу встроены готовые процедуры для контроля качества данных. Благодаря этому при загрузке данных в ХД и сразу после нее автоматически проверяется корректность заполнения модели и выполняются прикладные выверки и сверки финансовых данных, например контролируют консистентность данных бухгалтерского и оперативного учета. Достаточно проверить соответствие контрольных процедур в ХД рекомендациям регулятора и подключить недостающие процедуры, чтобы реализовать еще одно важное ожидание от перехода к датацентричному сбору информации – повышение её качества.
В российских банках ХД давно зарекомендовали себя в качестве эффективной платформы для выпуска сложных «сделочных» обязательной форм, которые требуют объединения данных из разных учетных систем, хранения истории их изменения и ресурсоемких вычислений. В датацентричной парадигме обработка данных в целях анализа и контроля должны перейти к регулятору. При этом ХД сохранят свою основную функцию – подготовку данных. На их стороне останется консолидация данных из разрозненных систем-источников, обеспечение их полноты согласно единой модели, исполнение требований регулятора в части контроля качества данных и, при необходимости, расчет производных показателей. То есть решение тех задач, автоматизация которых на платформе ХД уже доказала свою эффективность в десятках российских банков. Все это позволяет характеризовать хранилище как заслуживающую доверия платформу для подготовки данных в надзорных целях согласно единой модели.
Автор: Юлия Амириди, заместитель генерального директора компании Intersoft Lab.