Банковское обозрение (Б.О принт, BestPractice-онлайн (40 кейсов в год) + доступ к архиву FinLegal-онлайн)
FinLegal ( FinLegal (раз в полугодие) принт и онлайн (60 кейсов в год) + доступ к архиву (БанкНадзор)
О том, как веяния времени сказываются на задачах ЗСК/AML банков и соответствующих программных решениях, «Б.О» рассказали Виталий Занин, директор по работе с клиентами и маркетингу компании «ПрограмБанк», и Сергей Говоров, советник председателя правления по информационным технологиям банка «Агророс»
— Сергей, необходимость знать своего клиента — это, с одной стороны, требование регулятора, а с другой, потребность самого бизнеса. Что здесь первично?
Сергей Говоров: Вопрос интересный. С одной стороны, банк стремится максимально снизить риски и для этого старается собрать всю доступную информацию о клиенте. Но самому банку доступна только информация о транзакциях клиента. А вот Банк России обладает более полной информацией, потому что он видит все транзакции этого клиента и в других банках тоже. «Светофор» ЦБ дает банку дополнительную информацию и повод задуматься, что, возможно, он не знает чего-то, что известно Банку России.
Образно говоря, ЦБ подстраховывает банк. Если ЦБ считает клиента высокорисковым, а у банка другое мнение, то это для него повод взглянуть на такого клиента более внимательно и пересмотреть связанные с ним риски. Если же, наоборот, банк уверен, что мнение ЦБ ошибочно, то нужна дополнительная информация, для того чтобы «обелить» клиента банка. В обоих случаях никакие дополнительные сведения лишними не будут.
Схемы сомнительных операций постоянно модифицируются и усложняются. Многие из них реализуются одновременно в нескольких финансовых учреждениях. Уровень технической и правовой подготовленности организаторов сомнительных схем сейчас очень высок. Все это увеличивает финансовые и трудовые затраты банков, необходимые для поддержания на приемлемом уровне работу IT-систем и аналитику комплаенс-подразделений.
Сергей Говоров, советник председателя правления по информационным технологиям банка «Агророс». Фото: ПрограмБанк
Банк России накопил значительный опыт в выявлении и квалификации подозрительных операций в разных звеньях платежных цепочек. Информационно-аналитические возможности Банка России несоизмеримо выше одного отдельно взятого финансового института. В этом смысле инструментарий Банка России обладает высокими релевантностью и оперативностью и позволяет осуществлять мониторинг всего банковского сектора, выставляя объективные экспертные оценки характеру экономической деятельности тех или иных субъектов. Эти оценки, к слову сказать, подтверждаются банками в 99% случаев.
— Насколько гибкой должна быть система оценки клиентов с точки зрения поддержки изменений потребностей банков в части ЗСК/AML?
Сергей Говоров: Практика показывает, что в саму методику оценки клиента изменения вносятся не очень часто. Как правило, изменения касаются критериев подозрительности операций. Это ситуация, когда платежи останавливает система AML для ручной верификации — там правила постоянно корректируется. И в этой части интереснее вопрос не столько про гибкость изменения правил в автоматизированной системе, сколько про соотношение ручного и автоматизированного труда. Ведь если система слишком жесткая, она будет выдавать на ручной контроль слишком много документов. Компромисс между жесткостью правил и количеством документов — это всегда творческий процесс: нужно поймать все подозрительные документы, и при этом их не должно быть слишком много, чтобы они не застопорили процессы AML и комплаенс-подразделений.
— Конкретные модели ЗСК, которые сегодня создают банки, носят узконишевый характер. Но ведь задач, связанных с теми или иными оценками клиентов, у банков много, и при этом хочется минимизировать используемые программные средства. Как этого добиться?
Виталий Занин: Использовать такой программный продукт, который позволяет решать много задач. Например, «ПрограмБанк.KYC» — модуль анализа и оценки клиентов и потенциальных клиентов банка на основании принятых в банке методик. В нашей системе можно настроить много разных моделей, у каждой из которых своя задача, и каждая модель будет давать оценки исходя из этой собственной задачи.
Например, одна модель оценивает клиента с точки зрения финмониторинга: насколько большие репутационные и регуляторные риски он создает для банка. Другая модель оценивает его как потенциального заемщика. Третья модель анализирует клиента с точки зрения предоставления ему банковской гарантии по определенному продукту для госзакупок в рамках некоторой программы и т.д.
Виталий Занин, директор по работе с клиентами и маркетингу компании «ПрограмБанк». Фото: ПрограмБанк
Одни модели могут быть применены только для действующих клиентов, поскольку они используют накопленную в банке информацию о тех операциях, которые проводит клиент: кому и за что он платит, от кого и за что получает деньги и т.д. Другие модели могут работать с неизвестным для банка лицом, так как они опираются на информацию, получаемую из внешних источников, и могут применяться, например, для принятия решения о целесообразности установления договорных отношений с этим лицом.
— Количество моделей может наращиваться по мере возникновения у банка новых потребностей?
Виталий Занин: Безусловно! Появляется новая задача — появляется и новая модель. Общее количество моделей не ограничено. При этом очень важно, что всем моделям доступна вся полнота информации, имеющаяся в банке, как во внутренних, так и во внешних источниках. И каждая модель может воспользоваться теми данными, которые ей нужны и которые доступны в зависимости от типа клиента: физлицо или юрлицо, действующий клиент банка или новый.
— Риски клиентов зачастую связаны с поведением их контрагентов. Можно ли в модели ЗСК учесть эти риски второго уровня?
Виталий Занин: Да, конечно. Система «ПрограмБанк.KYC» эти параметры учитывает. Наши модели опираются в своих расчетах на метрики. Метрика представляет собой характеристику клиента или его контрагента или конкретной операции. Она может быть простой, как, например, дата регистрации юридического лица. А может быть вычисляемой характеристикой: количество платежей или общая сумма платежей с назначением платежа, которое соответствует заданному шаблону. Иными словами, метрики могут подразумевать сложные вычисления. И эти метрики связываются с теми или иными свойствами контрагента. Например, мы получаем данные о том, что контрагент входит в какой-то черный список, и тогда включаются разнообразные метрики, которые оценивают клиента, например, с точки зрения того, какова доля операций с таким контрагентом.
Еще один пример — учет аффилированности. Мы можем точно узнать об аффилированности тех или иных лиц на основании данных, получаемых из внешних источников. Тогда негативную информацию о контрагенте из черного списка можно учесть при оценке нашего клиента. Но может быть и так: мы видим, что наш клиент «А» и наш клиент «Б» работают с примерно одинаковым кругом контрагентов, соответственно можно сделать предположение об их аффилированности. Вариантов учета связей клиентов и контрагентов много.
— Для бизнес-оценок имеют значение не только текущие параметры, но и динамика их изменений во времени. Можно ли учесть в модели ЗСК эту динамику?
Виталий Занин: Да, можно. Это очень важный фактор для оценки клиентов. Нужно рассматривать этот вопрос с двух точек зрения.
Во-первых, многие наши метрики стремятся обнаружить появление изменений в поведении клиента — например, резко выросла сумма операций определенного типа. То есть многие метрики выявляют изменение количества или общей суммы операций или количества контрагентов, по которым совершаются те или иные виды операций, в сравнении, например, с тем, что наблюдалось ранее.
Во-вторых, есть специальные возможности настраивать диаграммы в отчетах, направленных на анализ деятельности клиентов: можно включить произвольное количество диаграмм, а на каждой диаграмме произвольное количество графиков разных показателей. Это дает возможность увидеть, как менялся тот или иной показатель клиента во времени, и сравнить его с изменениями других показателей. Например, посмотреть, как менялись налоговая нагрузка, объем операций с физическими лицами и объемы некоторых специфических операций, например покупка продуктов питания.
Первый вариант анализа динамики характеристик клиентов предназначен для задач автоматического контроля, а второй ориентирован на задачи информационной поддержки ручного анализа клиента сотрудниками банка. И все это разноплановые задачи, которые решаются в рамках одной программной системы.
В эпоху, когда компании в значительной степени полагаются на облачные вычисления, эффективное управление затратами на облака становится одной из важнейших задач. Павел Токарев, директор по технологическим инновациям компании «Инферит Клаудмастер», раскрывает возможности подхода FinOps, основанного на гибком взаимодействии Finance (финансовое управление) и IT Operations (или DevOps). Эта практика помогает организациям оптимизировать затраты на облачные вычисления, в полной мере используя потенциал облачных сервисов
Как меняется рынок электронной коммерции, какую долю занимают сервисы СБП в онлайн-платежах и какие перспективы у BNPL, в интервью «Б.О» рассказал Алексей Киричек, руководитель департамента развития эквайринга и платежных сервисов Альфа-Банка
Почему развитие онлайн-банкинга для крупных корпораций отстает от ДБО для физлиц и МСБ и как Альфа-Банк намерен исправить это положение, в интервью «Б.О» рассказал Сергей Паршиков, руководитель департамента цифровых каналов юридических лиц Альфа-Банка
«СберСтрахование жизни» профинансировала приобретение современного оборудования для эргокомнат, которые помогают людям восстановиться после тяжелой болезни. Проект реализует фонд борьбы с инсультом ОРБИ