О том, как происходит успешная трансформация казначейства и меняются роль и функции его сотрудников . 

Путь к автономному казначейству

Казначейство будущего — самоуправляемая система: полностью автономные процессы в сочетании с использованием как структурированных, так и неструктурированных данных позволяют в режиме реального времени получить обзор необходимых показателей банка. В этой автономной экосистеме применяется набор согласованных друг с другом моделей, взаимодействие которых позволяет обработать значительные массивы данных для моделирования поведения клиентов и оценки рисков. Кроме того, операционно-тактические решения вроде операций покупки/продажи активов, хеджирования или рефинансирования могут приниматься и исполняться автоматически в соответствии со стратегией планирования капитала и риск-аппетитом банка. Таким образом, использование современных цифровых методов позволяет снизить операционные затраты и повысить эффективность работы позразделения. 

На автоматизацию казначейства можно перенести опыт разработки автономного автомобиля: трансформация проводится в несколько этапов, когда новые функции шаг за шагом передают в ведение искуственного интеллекта. Этот процесс можно проиллюстрировать при помощи разработанной zeb-модели автоматизации управления банком (рис. 1), которая рассматривает автономный процесс как наивысшую степень зрелости. 

Рисунок 1. Концепция пяти этапов автоматизации управления банком

Естественно, изменится и роль казначея: больше не будет требоваться постоянное участие человека в операционной деятельности банка. Вместо этого сотудники будут калибровать и проверять новые модели и методы, объяснять их результаты — работать там, где искусственный интеллект не заменит человека, где речь идет об интерпретации симуляций. Казначейство возьмет на себя роль советника и оппонента для финансового директора, так как благодаря цифровой и интеллектуальной инфраструктуре сможет анализировать большое количество сценариев в течение короткого времени.

Инновации в казначейской практике — технологии как средство достижения цели

В отличие от клиентского бизнеса, где приоритет отдается пользовательскому опыту (и комфорту), внедрить новые технологии в управление банком непросто. Кроме того, между различными приложениями зачастую не существует единого интерфейса обмена информацией, поэтому при внедрении технологий приходится решать вопрос многочисленных блокировок и взаимосвязей между данными и системами. 

В матрице возможных сценариев автоматизации процессов (рис. 2) zeb по двум измерениям (выгода и сложность) оценил потенциал автоматизации отдельных элементов для казначейства. Оценка является примерной — и преимущества, и трудности могут сильно варьироваться от банка к банку в зависимости от существующих процессов, ситуации с данными и бизнес-модели. Однако, если банк объединит эту матрицу с анализом имеющихся у него задач и потребностей, он сможет выбрать перспективное для себя решение — в зависимости от ситуации, это может быть как традиционный статистический метод, так и инновационная технология.

Рисунок 2. Матрица специариев автоматизации zeb

Можно с легкостью предположить широкий спектр применения цифровых технологий в казначействе — от управления ликвидностью или управления и оптимизации портфеля активов до ALM-систем и принятия решений. Рассмотрим некоторые из них. 

Пример 1. Оптимизация управления LCR и моделирование поведения клиентов с помощью искусственного интеллекта 

Большой объем высоколиквидных активов (ВЛА), находящихся на балансе европейских банков, на протяжении многих лет оказывал существенное негативное влияние на доходность бизнеса. В сочетании с отрицательным уровнем процентных ставок в евро и швейцарской валюте эта проблема обострилась еще больше. Если банк не может качественно прогнозировать потоки денежных средств, ему требуются большие резервы ВЛА, что снижает доход. Поэтому интересным для банка примером использования новых технологий может стать прогноз денежных потоков с помощью искуственного интеллекта. Это позволит моделировать сценарии с использованием алгоритмов машинного обучения, то есть обрабатывать большие объемы данных о счетах, клиентах и рынке для прогноза будущего поведения каждого клиента (например, прекращения действия договора, внеплановых досрочных погашений и так далее). Более того, можно моделировать все входящие в расчет LCR продукты, используя данные на уровне отдельного счета или даже на уровне транзакции. Например, для прогноза оттоков движение средств по текущему счету клиента проверяется на наличие повторяющихся закономерностей. Чем точнее прогноз, тем меньший запас буфера ликвидности требуется банку, а высвобождаемые средства можно инвестировать в активы с высокой доходностью.

Пример 2. Автоматизация отчетности и операционной деятельности

Зачастую из-за разрозненных данных и систем сотрудникам приходится каждый день вручную собирать и обрабатывать большое количество данных. Такая деятельность сопряжена с высокими затратами ресурсов и высокой вероятностью ошибки и замедляет процесс принятия решений. Автоматическое составление отчетов или подготовка ежедневных расчетов (например, внедрение роботизированной системы) может в значительной степени освободить сотрудников от операционных задач. Это позволит экономить ресурсы подразделения и создаст пространство для выполнения творческих, сложных задач, то есть создания добавленной стоимости. 

Пример 3. Ускорение моделирования денежных потоков в облаке 

Интеллектуальное использование облачных технологий позволяет в кратчайшие сроки осуществлять обработку массивов данных. Так, обычно моделирование движения денежных средств по большому количеству счетов (например, вместе с данными о процентах и погашениях) занимает несколько часов и, как правило, осуществляется только вне рабочего дня. Если задачу разбить на участки и обрабатывать параллельно с помощью облачных сервисов, то общее время на вычисления можно сократить до нескольких минут. Таким образом, за один день можно провести несколько итераций расчета, что позволит, в свою очередь, более подробно исследовать имеющиеся закономерности.

Проблемы, возникающие при автоматизации

Цифровизация в области банковского менеджмента осложняется тем, что затрагивает очень чувствительную область; используемые инструменты должны быть одобрены не только руководством банка, но и органами надзора. В зависимости от сложности технологии возникают обоснованные вопросы относительно прозрачности используемых методов и интерпретируемости результатов.

До сих пор научные подходы так и не объяснили до конца природу алгоритмов «черного ящика» — в лучшем случае они дают лишь общее представление об их работе. Поэтому необходимо тщательно обосновать (зачастую согласовать с надзорным органом) использование того или иного метода с учетом баланса между точностью прогнозов и их прозрачностью.

Особое внимание следует уделить вопросу безопасности и защиты данных. На начальном этапе внедрения технологи (как при выборе методики, так и при сборе информации) необходимо позаботиться об использовании только тех данных, которые действительно нужны для анализа. В случае необходимости следует провести последовательную анонимизацию персональных данных (и принять решение, какими методами ее осуществлять). 

Казначейство возьмет на себя роль советника и оппонента для финансового директора, так как благодаря цифровой и интеллектуальной инфраструктуре сможет анализировать большое количество сценариев в течение короткого времени

Во многих странах надзорные органы активно занимаются темой облачных технологий. Например, Федеральное управление финансового надзора Германии (BaFin) уже в 2018 году опубликовало руководство по аутсорсингу для поставщиков облачных услуг, а в 2019 году Швейцарская ассоциация банков выпустила «облачный справочник». Согласно этим документам, обработка и хранение данных в облачных ресурсах будет классифицироваться как аутсорсинг, что подразумевает определенные требования к безопасности и защите информации. Поставщики облачных услуг для банков должны продемонстрировать соответствие стандартам безопасности (которые должны быть потдверждены, например, сертификатами ISO). Такие компании также должны проходить аудит на предмет соответствия требованиям финансового надзора. 

Все перечисленные выше факторы влияют на потенциал применения новых технологий. Однако везде, где технологии приносят значительные преимущества с точки зрения конечного результата, повышения эффективности или снижения рисков, стоит преодолевать упомянутые барьеры.

Гибкий подход позволяет быстро раскрыть потенциал

Для того чтобы справиться с поставленными задачами и в то же время успешно реализовать новые технологии, zeb совместно со своими клиентами применяет ряд методологических и практических решений. Одно из таких решений — создание междисциплинарных команд, состоящих как из специалистов по данным и AI, так и из представителей казначейства, которые отвечают за фундаментальное понимание всех процессов в подразделении. Использование таких команд уже на начальном этапе позволяет не только корректно сформулировать круг задач, но и без лишних затрат оценить потенциал внедрения технологий. 

Еще одно решение, Agile-подход, дает возможность быстро адаптироваться к индивидуальным потребностям банка, в частности применять следующий принцип: если метод не приводит к желаемому результату или не работает, это быстро становится очевидным, и подход может быть легко адаптирован.

Создание прототипа нового метода представляет собой многоступенчатый процесс: на первом этапе выявляются специфические для банка задачи и сферы применения метода. «На местах» проводится анализ имеющихся методов и данных, информация проверяется на доступность. Междисциплинарная команда формирует гипотезы о факторах, которые могут повлиять на модель. На следующем этапе реализации команда выбирает подходящие методы и алгоритмы и обрабатывает данные. Обработка происходит с использованием как новых цифровых технологий, так и традиционных статистических методик, что позволяет расширить компетенции подразделений банка в области работы с данными и получить подробное представление преимуществ и недостатков различных подходов. На третьем этапе на основе полученных результатов формируется прототип и обсуждаются способы его применения. Команда оценивает потенциал использования выбранной технологии, на основе чего принимается решение относительно развития проекта в дальнейшем. 

Вывод

Новые инновационные цифровые методы дают банкам широкий спектр новых инструментов. Однако внимание должно быть сосредоточено не на самих технологиях, а на специфических задачах, с которыми казначейство банка сталкивается каждый день. В зависимости от задач следует использовать тот метод, который дает наилучшее решение — это может быть как новая технология, так и традиционный статистический метод (или комбинация и того, и другого). Применяя гибкий подход, казначейство банка может разрабатывать прототипы новых моделей и знакомиться с новыми методами. В результате роль казначейства трансформируется: ресурсы с выполнения операционных задач переключаются на создание добавленной стоимости (например, интерпретацию результатов моделирования).