Современный рынок банковских услуг существует в условиях, когда этап экстенсивного развития уже пройден, дешевых денег не осталось, лучшие клиенты уже поделены, а эксперты все чаще говорят о насыщении рынка. В сложившейся ситуации банкам становится все сложнее зарабатывать. Чтобы выделиться и преуспеть, банки, претендующие на роль лидеров, должны совершить качественный скачок, глубже изучая своих клиентов в поиске новых закономерностей и неявных потребностей, оптимизируя продуктовую линейку, повышая качество сервиса.

Все это невозможно без специализированных программных решений. Внедрение новых технологий на всех этапах работы с информацией и во всех областях деятельности даст возможность банку шаг за шагом, от процента к проценту повышать точность аналитических моделей, качество данных, улучшать взаимодействие с заказчиком, уменьшать время реакции на происходящие изменения, повышать надежность. В итоге банк получит кумулятивный эффект от точечного, более качественного решения конкретных бизнес-задач, и в существующих условиях это единственный правильный путь дальнейшего развития IT-инфраструктуры, особенно для коммерческих банков, вынужденных конкурировать с госбанками.

Бизнес-аналитика сегодня во многом становится драйвером развития банков. Темпы ее развития — до 10% в год в ближайшее пятилетие — значительно опережают рост рынка ПО и в мире, и в России. Рынок уже идет по пути оптимизации. Аналитика буквально пронизывает ключевые процессы банков, и основным трендом ее развития становится переход к технологиям big data, основанным на инструментах высокопроизводительных вычислений (таких как in-memory, in-database, grid и пр.), которые позволяют визуализировать данные в режиме реального времени. Лучшие решения уже сегодня умеют почти мгновенно строить анализ на основе всей доступной информации, применять сложные статистические модели и аналитические функции в реальном времени и на «живых» детальных данных. Современные отчеты — это не нагромождение цифр и таблиц, как раньше, а наглядная инфографика, получаемая в несколько касаний к мобильному устройству, причем в любых возможных разрезах и с немыслимой ранее скоростью.

Примеры решения задач big data с высокопроизводительной аналитикой в России уже есть. Так, после двух месяцев с момента запуска пилотного проекта по внедрению SAS Visual Analytics в ВТБ24, на базе проведенного в данном решении анализа были построены портреты и определены профили клиентов, получены данные о распределении чистой прибыли и доходности по клиентским профилям, а также изучена специфика сегментов клиентов. При этом было обработано более 10 млн строк — в 70 категориях и по 80 показателям. Работа с аналитической витриной по клиентским показателям велась в оперативном режиме.

Какими средствами достигать поставленных целей? С одной стороны, сегодня принципиально меняется скорость обработки информации. Важно сокращать время между запросом, отправляемым бизнес-пользователем, и реальным сроком получения ответа на этот запрос со стороны специалистов IT-подразделения. Чтобы обойти это узкое место и минимизировать участие IT, бизнес-аналитикам предоставляется все больше свободы в самостоятельном анализе информации, поскольку стоящие перед ними задачи подчас возникают событийно и хаотично. Другими словами, сейчас уже доступны инструменты и технологии, которые позволяют аналитикам продуктивно решать задачи бизнеса, опираясь на детальные (сырые) данные любого объема. То есть аналитик теперь не зависит от «промежуточного слоя» технических специалистов, которые подстраивают BI-инструмент под новые требования бизнеса. Ранее же для реализации новых бизнес-требований необходимо было дорабатывать сам BI-инструмент, это требовало дополнительных денежных, а главное, временных затрат.

С другой стороны, принципиально меняется подход к управлению данными и связанные с этим процессы. С развитием и усложнением IT-ландшафта появляются разные источники данных, растет многообразие ПО для решения тех или иных бизнес-задач. Все сложнее становится управлять и находить точки пересечения между различными данными, процессами и отчетами, и эта задача выходит на первый план. Дело может дойти и до конфликта интересов разных департаментов ввиду несогласованности их действий. Например, все еще нередки случаи нескоординированных действий разных подразделений с одним и тем же клиентом. Скажем, клиенту, дело которого один департамент передает в коллекторское агентство в связи с серьезной просрочкой по ипотеке, другой департамент предлагает выгодный кредит на неотложные нужды. Налицо проблема отсутствия управления информацией и невозможности нахождения точек пересечения.

В этой ситуации на помощь приходит комплексный подход к управлению данными в масштабах предприятия. Речь идет как об увязывании бизнес-задач различных подразделений организации на уровне ведения единой справочной информации, так и о формировании единого слоя метаданных, что позволяет увязать в одно целое разные бизнес-задачи и связанные с ними бизнес-процессы, а также реализуемые в организации IT-инициативы. Методически для формирования политики и поддержки процессов управления данными внутри организации формируется специальное подразделение — Совет по управлению данными (Data Governance Council), в которое входят представители основных бизнес-структур, IT и руководство. Фактически он определяет всю IT-политику банка.

Основные задачи, которые должны быть поставлены перед таким Советом:

• формирование единых процессов и политик для работы с данными в компании;
• обеспечение применения единых корпоративных стандартов для данных во всех IT-проектах компании;
• осуществление управления основными данными между различными предметными областями;
• минимизация объемов бессмысленной работы и переработок, связанных с плохими, отсутствующими, недоступными или сложно извлекаемыми данными, а также оценка данной минимизации количественно;
• ответственность за постоянное совершенствование качества данных и увеличение ценности данных как корпоративного актива;
• обеспечение доступа и возможности использования единых корпоративных данных для отдельных проектных групп;
• создание и поддержка единого репозитория данных и бизнес-процесса формирования единых корпоративных данных в компании.

С точки зрения технологической поддержки данных инициатив в организациях, компанией SAS разработан единый набор инструментов SAS Data Management Platform. Он включает в себя целый ряд инструментов: для организации единого бизнес-глоссария в организации, для форматно-списочного контроля, для реализации бизнес-процесса управления основными данными, а также инструменты для поддержки необходимого качества данных на любом этапе их жизненного цикла.

Концепция data governance уже реализована во многих зарубежных банках. Лидирующие российские банки тоже встали на этот путь.

Авторами статьи являются:
Алексей Мещеряков, руководитель направления платформенных решений, компания SAS Россия/СНГ
Глеб Ларичев, старший бизнес-консультант по платформенным решениям, компания SAS Россия/СНГ