Как пережить шторм в банковском секторе с помощью BI-аналитики

В российском банковском секторе в одной точке сошлось сегодня два вида угроз:

За 2015 год было отозвано 93 банковских лицензий, на семь больше, чем годом ранее. Из отрасли ушло 12% игроков. На этом «чистка рядов» не закончится. По прогнозам, в 2016 году банковский сектор потеряет еще 10% банков – ЦБ может себе позволить забирать по 100 лицензий в год, и даже больше. В начале 2016 года банков в стране было около 740. Эксперты считают, что России достаточно 200-300 банков, и в ближайшие три-пять лет может идти движение к этим цифрам.

Меняется не только количество, но и качество отрасли. Так, по данным аналитиков «РИА Рейтинг», за 2015 год качество кредитных портфелей российских банков существенно снизилось. В результате просроченная задолженность увеличилась с 3,8% до 5,5%. Ситуацией пользуются крупные банки, которые активно проводят слияния и поглощения. Другими словами, происходит очередной виток монополизации банковского сектора в России. Причем на этот раз все происходит значительно быстрее, чем когда-либо ранее. Корпоративные клиенты стремительно переходят в крупнейшие банки. На рынке физических лиц ситуация схожая.

Глубинные основания для усложнения ситуации на рынке и причины для отзыва лицензий и бегства клиентов – отдельная тема. Давайте рассмотрим, что могут сделать и делают банки для резкого повышения своей управляемости и ликвидности. За счет чего можно быстро, качественно и относительно дешево (реально, по крайней мере) все улучшить?

Повысить рентабельность инвестиций очень сложно, часто это вообще невыполнимая задача – тем более, задним числом. Зато можно навести порядок, осознать реальное положение вещей и с помощью углубленного анализа рассмотреть все доступные варианты для следующих действий. Это компетенция BI-аналитики.

Электронные таблицы

Это, пожалуй, до сих пор самый распространенный инструмент аналитики. У него немало плюсов. Настроить таблицу под собственные требования достаточно просто, это не требует особой квалификации. И таблицы практически бесплатны. Впрочем, это как посмотреть.

Функционал таблиц крайне ограничен, обрабатывать большие объемы информации в табличном виде сложно, а делать на этой основе стратегические выводы практически нереально. Интеграция таблиц с различными IT-системами, используемыми в банке, гораздо сложнее – а значит, бюджет на разработку решений, их внедрение, поддержку и обучение персонала с лихвой съест всю предполагаемую экономию. Если интеграций не делать, в разных отделах появятся свои «версии» данных. Значит, придется тратить время на их сравнение и актуализацию. Косвенные расходы могут выйти далеко за рамки не только локальных задач, но и IT в целом, потому что на арбитраж спорных вопросов будет отвлекаться руководство, которое должно заниматься совершенно другими вопросами. Так что таблицы, скорее, инструмент на уровне отдельного сотрудника, максимум отдела. Но никак не для банка в целом.

OLAP-кубы

«OLAP» расшифровывается как «OnLine Analytical Processing», то есть «оперативный анализ данных». Этот подход базируется на многомерном иерархическом представлении данных, что является весомым плюсом технологии. Данные можно детализировать, рассматривать в различных разрезах. OLAP-кубы автоматически агрегируют данные и предоставляют их пользователю в удобном виде. Кроме того, скорость обработки запросов пользователя достаточно высока – если, конечно, куб уже готов.

Здесь начинаются проблемы, потому что создание OLAP-куба занимает достаточно много времени – как правило, несколько дней. Добавление новой «порции» данных ресурсоемкая задача, так как куб должен «перестроиться» – работать в этот момент с ним нельзя. Важным минусом является и стоимость решения и его поддержки.

Получается, что OLAP-кубы идеально подходят хорошо сбалансированным, «устоявшимся» бизнес-процессам. Но если все уже идет как по рельсам и нет причин для частых модификаций, зачем вообще что-то анализировать? Этот вопрос чисто риторический. Даже руководство ведущих банков страны настроено инновационно. Компаниям поменьше тем более расслабляться не стоит. Нужно держать руку на пульсе, получать быстрые отчеты, вносить множество изменений, пробовать разные подходы, сравнивать результаты – и так постоянно. Значит, OLAP-кубы не подходят, они слишком неповоротливы для частых модификаций.

BI-системы

К следующему витку эволюции инструментов для анализа данных относятся BI-системы. BI, или Business Intelligence, в переводе «бизнес-аналитика». Звучит как весьма общее определение, но de facto уже стало вполне узнаваемым форматом, понять особенности которого проще всего на практике. BI-системы позволяют избавиться от многих минусов других инструментов аналитики, а также дают новые возможности. В их числе:

  • консолидация информации из разнородных источников (электронных таблиц, различных IT-систем, баз данных);
  • высокая скорость обработки данных, в том числе больших объемов;
  • повышенная безопасность, основанная на разграничении прав доступа;
  • минимизация человеческого фактора, все данные детализированы до транзакций;
  • масштабируемость решения от нескольких пользователей до сотен и тысяч;
  • один администратор должен справиться с поддержкой и развитием системы;
  • наглядная визуализация – данные отображаются в графиках, диаграммах, таблицах, на специальных даш-бордах.

Отдельно нужно отметить специализированные возможности BI для банков. Легко выполняется расчет краткосрочной ликвидности, среднедневных остатков, дебиторской задолженности, рентабельности активов в процентах и других показателей. С помощью моментальных выборок по бюджетам удобно вести клиентские счета. Нет проблем с расчетом процентной и непроцентной прибыли. Можно анализировать нормативы ликвидности банка по рискам в течение дня (H2), месяца (H3), для долгосрочных активов (H4).

Поэтому BI-системы используют не только банки – практически все виды финансовых организаций, в том числе микрофинансовые, а также в компаниях и подразделениях, работающих за пределами банковского сектора, но связанных с финансами – например, занимающихся проектным бюджетированием, управлением внутренними инвестициями в холдингах, страхованием.

С помощью Business Intelligence сроки формирования новой аналитики можно сократить до 90% от показателей, которые считались нормальными раньше. Время на формирование отчетности по открывающимся подразделениям – до 95% меньше. Это звучит революционно. Так и есть!

Переход на BI-системы, разумеется, потребует некоторых усилий и вложений. Но среди возможных альтернатив рентабельность максимальна, и главное – это не затыкание дыр в IT, а инвестиция в развитие. Никаким другим способом не получится одновременно сэкономить, ускорить, расширить функционал банковской аналитики, и одновременно повысить качество отчетов. Это очень мощный инструментарий, который повсеместно используется на конкурентных зарубежных рынках.

Ужесточение контроля в российской банковской сфере стартовало очень мощно, и, учитывая внешнюю конъюнктуру, будет осуществляться в любом случае. Вопрос в том, каким банкам наведение порядка навяжут регулирующие органы и все более агрессивные конкуренты – а кто успеет сделать это сам, и использует для выживания.

Аналитики американской исследовательской компании IDC прогнозируют, что только в регионе EMEA (Europe, the Middle East and Africa) к 2019 году ежегодно вводимая в эксплуатацию новая емкость хранения для Big Data достигнет 20 эксабайт (то есть 20 млрд привычных гигабайтов). Эксперты Gartner уверены, что качественная аналитика приобретает все более значимое, даже стратегическое значение для большинства предприятий и бизнес-ролей: независимо от вида деятельности предприятия, в ходе каждого бизнес-процесса происходит сбор и анализ информации, а каждый сотрудник является пользователем аналитики. По прогнозам Gartner, в 2016 году мировой рынок бизнес-аналитики вырастет более чем на 5% по сравнению с прошлым годом и достигнет $16,9 млрд.

Все это свидетельствует о том, что правила игры меняются не только локально, в связи с изменениями на российском рынке – но и глобально, под действием технического прогресса. Возможно, и даже скорее всего, в дальнейшем появятся также новые, более эффективные инструменты для оперативного анализа постоянно растущих объемов данных. Но сейчас и в ближайшей обозримой перспективе BI-системы, фактически, безальтернативны там, где нужно навести порядок в данных быстро, в рамках относительно небольших бюджетов, и не «раз и навсегда», а в виде регулярного фонового процесса.

Комментарии
Оставлять комментарии могут только зарегистрированные пользователи
Статью прочитали
Обсуждение статей
Все комментарии
Дискуссии
Все дискуссии
HR-новости
Как управлять коллективом?

В Ижевске состоялась конференция «Региональная модель управления человеческими ресурсами».

Кто хочет знать зарплату коллег

Служба Исследований hh.ru выяснила, кто из соискателей знает размер зарплаты своих коллег.

Травмы на работе - угроза ВВП

Почти 3 миллиона человек в мире ежегодно умирают на своих рабочих местах.

Arena: анонимный поиск работы

Запущен сервис для анонимного поиска работы в сфере разработки.