— Евгений, какая аналитика корпоративного бизнеса нужна банку и какие IT-проекты позволяют ее получать?

— Строить аналитическую систему мы начинали еще с конца 2001 года, поэтому путь был пройден большой. В это время в ВТБ из Внешэкономбанка вместе с Андреем Костиным пришла достаточно большая команда. И первой задачей, которая требовала оперативного решения, стал расчет доходности по каждой конкретной сделке с клиентом в разрезе точек продаж. Учетная политика банка строится на основе установленных Центробанком правил бухгалтерского учета при отражении операций по сделкам в балансе. Соответственно все учетные банковские системы строятся исходя из этих правил, которые не всегда позволяют получить необходимую аналитику. Тем не менее, существенный объем клиентской и продуктовой аналитики можно получать, основываясь только на балансовых данных.
В то время в банке было девять типов децентрализованных учетных систем — в каждом филиале работала локальная версия АБС с персональными настройками, поэтому первой задачей стала правильная загрузка балансовой информации и расчет основных аналитических агрегатов.
Нами были сформированы бизнес-требования для аналитики, а уже к середине 2002 года программисты банка создали и запустили систему сбора информации, которую условно можно назвать хранилищем данных. В результате основные данные собрались на регулярной основе в головной организации банка, и это позволяло получать консолидированную клиентскую отчетность. Но такая система работала только для пользователей головной организации, а нам нужно было распространять аналитику на всю филиальную сеть. Уже на этапе создания системы задача распалась на две: первая — сбор и очистка данных, а вторая — построение различных видов аналитической отчетности, фактически построение витрин данных в соответствии с целевыми задачами.
Созданная аналитическая система не могла работать через веб-интерфейс, к тому же сбор и очистка данных выполнялась с использованием самописных процедур. Через год эксплуатации аналитической системы мы пришли к осознанию необходимости перехода на промышленные ETL-средства и BI-инструменты.

Если говорить образно, КИХ выполняет роль овощехранилища, а система аналитики?— это консервный завод

Строить корпоративное информационное хранилище данных (КИХ) было решено на базе продуктов компании Oracle. Осенью 2010 года было объявлено о завершении проекта. Функциональность КИХ во многом повторяет ту, что уже была реализована в самописном хранилище в части сбора и очистки данных, и какое-то время они существовали параллельно, так как функции сбора и очистки данных КИХ выполняло, а подготовку необходимой отчетности еще нет. В настоящее время выполняется перевод аналитических витрин на КИХ.
Наследованные системы сразу отключить нельзя — в них реализован специфичный для выполнения конкретных задач функционал, формируется аналитическая отчетность. Поэтому даже сейчас работу старого хранилища данных мы не останавливаем. Но конечная цель — полный переход на КИХ, которое уже сейчас обладает более полными данными. В части аналитики по корпоративному бизнесу хранилище готово, а соответствующая витрина данных прошла приемо-сдаточные испытания и готова к промышленному использованию. В нем собирается вся первичная информация из всех учетных систем, АБС, продуктовые системы и прочие данные.
Кроме хранилища данных нам требовался инструмент для построения сложной аналитики. Поскольку основное хранилище данных реализовано на Oracle, то изначально планировалось, что и для этих целей будет использоваться система BI того же производителя. Но в то время в банке уже активно использовался BI-инструмент BusinessObjects. Мы имели возможность поработать с обоими средствами и остановились на последнем, поскольку его функционал нам понравился больше. Кроме того, BusinessObjects интуитивно понятен, и строить аналитику в нем нам гораздо проще. Поэтому в качестве корпоративного стандарта для баз данных в ВТБ выбраны продукты Oracle, а для бизнес-аналитики — SAP BusinessObjects.
ETL-средства также разделены. КИХ использует для сбора данных Oracle Warehouse Builder, а для формирования витрины данных, взаимодействия с системами электронного документооборота, CRM и другими мы пользуемся продуктом SAP BusinessObjects DataIntegrator.
Если говорить образно, то КИХ выполняет роль овощехранилища. Оно контролирует сбор и достоверность данных. А аналитическая система, или витрина данных, — это консервный завод, поставляющий конечным пользователям готовую к употреблению продукцию. В нем собираются рассчитанные агрегаты с дополнительной корпоративной разметкой, которых нет в учетных системах. Эта аналитическая витрина данных предоставляет информацию и для CRM-системы, где клиентские менеджеры могут посмотреть всю необходимую информацию по сделкам клиента, причем данные хранятся в витрине.

— Как используется аналитика в CRM-системе?

— Проекты внедрения CRM-системы и аналитики долгое время шли параллельно, никак не взаимосвязано. И только 3–4 года назад пришло осознание синергии, которую дает интеграция этих систем. CRM предоставляет информацию о сделке, а аналитическая система дает наглядное представление того, что происходит со сделкой дальше, в учетных системах. В результате мы лучше знаем клиента, что дает импульс для развития управления продажами и их развития.
CRM в корпоративном сегменте гораздо более актуален, чем в рознице, такова специфика российского ритейлового рынка. О корпоративных клиентах мы имеем больше информации. О физическом лице можно использовать только ту информацию, которая получена при заключении сделки. Закон о персональных данных запрещает предоставлять информацию о физических лицах без их согласия третьим лицам даже внутри банка. А для сегментирования розничных клиентов нужна информация об их поведении. В результате закономерности просто не на чем строить. Все же российский ритейловый рынок — это массовый клиент, там важны тиражные банковские продукты и услуги, а не индивидуальный подход, как декларируется в CRM-стратегии.

— Можете ли вы привести пример использования аналитической системы для продвижения продуктов?

CRM в корпоративном сегменте гораздо более актуален, чем в рознице. О корпоративных клиентах имеется больше информации

— Возьмем конкретную маркетинговую акцию. Рассматривая балансы организаций, можно выделить клиентов, у которых доля внешнего экономического оборота превышает 50% от оборота в целом. Такие организации могут быть потребителями таких продуктов как валютный контроль, документарные операции, гарантийные операции. В результате сегментации было выделено около 30 тыс. потенциальных потребителей этих целевых продуктов. Результат маркетинговой кампании соответствовал оптимистичному прогнозу.
Не во всей банковской отрасли такие методы могут применяться, но крупные банки должны двигаться в этом направлении.

— Как аналитическая система тиражировалась в филиалы?

— Мы внедряли систему в регионах параллельно, объединяя филиалы в «кустовые зоны». В каждом регионе есть лидеры, обладающие хорошим штатом программистов. В них мы отлаживали работу системы, сбор информации. А затем их опыт переносили на весь «куст» филиалов в этом регионе.

— Кто был постановщиком аналитических задач в банке, считалась ли эффективность проектов?

— У нас высокие показатели успешности IT-проектов, в чем-то даже исключительные. Они гораздо выше, чем в целом по рынку. Причина проста: инициируют IT-проекты и управляют ими всегда бизнес-подразделения. И только затем, совместно с IT-департаментом, находятся решения, которые хорошо встраиваются в общую архитектуру информационных систем.
По бизнес-аналитике показатели эффективности можно разбить на две составляющие: во-первых, новое качество информации, во-вторых, автоматизация построения отчетных форм, которые строились в ручном режиме в 55 филиалах, а затем пересылались по электронной почте в центр. Эффективность посчитать очень легко. В банке создается более 350 типовых отчетов, трудоемкость создания каждого из которых известна. Сотрудники, их создающие, обладают должностными окладами. Остается перемножить. В итоге срок окупаемости системы бизнес-аналитики — 2–3 года, даже если не брать в расчет новое качество обработки информации. Под новым качеством информации я понимаю, что тот, кому нужен отчет, получает его, не тревожа поставщика информации. В месте ввода данных отвечают за их качество, но только в первичном виде.
Если для отчетности такая методика оценки окупаемости затрат приемлема, то для CRM-системы использовалась более сложная методика, включающая влияние повышения лояльности клиентов, и расчетный срок окупаемости составил 3–4 года.

— Кто сейчас пользуется аналитической системой?

— Число пользователей системы бизнес-аналитики в ВТБ около 800. Условно их можно разделить на несколько категорий.
Первая использует типовые отчетные формы в рамках системы или получая их по электронной почте с требуемой регулярностью.

Срок окупаемости системы бизнес-аналитики?— 2–3 года, даже если не брать в расчет новое качество обработки информации

Вторая категория, чуть более искушенная в IT, может клонировать формы отчетов с целью изысканий — самостоятельно добавлять в них новые атрибуты и группировки данных. Они могут сохранить вновь созданный отчет и назначить круг пользователей, которым он будет доступен. Причем первичный отчет при изменении клона не меняется, а клон не меняется при изменении первичного отчета, они независимы.
Третья категория пользователей — искушенные, в совершенстве владеющие системой, способные составить любую отчетность с использованием нерегламентированных запросов к данным.

— Пользуется ли аналитикой руководство?

— Вся еженедельная отчетность на совещаниях строится с помощью системы бизнес-анализа. Например, воронка продаж, исполнение бизнес-плана. Для менеджеров создана информационная панель, где они могут посмотреть прогнозные сделки, будущий и текущий кредитный портфель, прогнозный денежный поток, долю конкретных клиентов в общем бизнесе банка.

— Часто бывает, что пользователи не верят аналитике. Как вы справляетесь с этой проблемой?

— Мы специально централизовали всю аналитику, чтобы в банке была одна версия правды. Но проблема качества данных существенна и нужно заниматься ее решением. В банке формируются 12 отчетов по качеству данных. Первичный слой анализа — сопоставление данных с учетной системой и проверка баланса. Есть и вторичный — проверка данных на согласованность. Представителями бизнеса разработаны алгоритмы в виде контрольных отчетов, которые просматриваются ежедневно. Сразу можно увидеть, на какую дату пользователь имеет достоверные данные.
Изначально управлять качеством данных пытались из центра, но получался слишком длинный цикл. Здесь определяли несоответствия, пытались их словами описать сотрудникам на местах, по электронной почте. Затем данные присылались снова. Это напоминает историю, когда на пятом этаже человек забивает гвоздь в ящик, затем этот ящик спускают вниз, и выясняется, что гвоздь был забит неправильно. Гвозди надо забивать на месте. Теперь данные исправляются там же, где они вводятся. Отчеты рассылаются по филиалам, где сотрудник, вводивший информацию о сделке, видит несоответствие и исправляет ошибки.
При этом данные исправляются прямо в учетных системах. Это также заставляет модифицировать сами эти системы, чтобы контроль производился еще при вводе — создаются обязательные поля и т.д.

— Кризис стал хорошей проверкой реальной ценности IT-систем для бизнеса. В то же время именно бизнес-аналитика преподносилась ее поставщиками как самый нужный в это непростое время класс систем. Развивался ли проект в последние несколько лет?

— Во время кризиса в ВТБ действительно был заморожен ряд инвестиционных проектов. Но роль основных источников финансирования российской промышленности легла на государственные банки. Нам нужно было обеспечить высокую скорость выдачи кредитов, формировать большой объем отчетности — в Минэкономразвития, Центральный банк, Минфин, Минобороны и прочие ведомства. Большая нагрузка легла на нашу аналитическую систему «Клиентская справка», и только благодаря ей мы оперативно справились с задачей. Поэтому развитие системы не останавливалось и ведется до сих пор.

— Как будет развиваться аналитическая система?

— В корпоративном бизнесе банка насчитывается более 90 продуктов, и наша цель — получить полную информацию о доходности каждой продажи, каждого продукта. Часть информации мы получаем из баланса. Внедрен ряд новых продуктовых систем, которые дают полную аналитику, но до сих пор остаются продукты, не позволяющие ее получить. В каких-то системах мы не можем дойти до конкретной сделки, только до клиента, а где-то не можем дойти и до клиента. Связано это с несовершенством учетных систем — в них нет разметки, они не структурированы.
Для решения задачи мы видим два пути. Первый — дополнительная разметка. Мы интегрируем учетную систему с CRM-системой, и недостающие классификационные признаки добавляем уже в ней. Второй путь — внедрение продуктовых систем, которые дают необходимую аналитику в разрезе клиент—продукт.