Автоматизация – это одно из направлений научно-технологического процесса, использующих саморегулирующие технические средства и математические методы с целью освобождения человека от участия в процессах… Примерно такое определение этого понятия можно встретить в «Википедии». Само слово «автоматизация» в переводе с древнегреческого означает «самодействующий», т.е. принимающий решения.
Иными словами, это то, что должно привести к частичному или полному освобождению человека от участия в каких-то процессах, которые вы автоматизируете. И, как следствие, это приведет к снижению расходов на персонал. Так гласит теория, которую мы все прекрасно знаем. В принципе, обычно это определяет одно из главных назначений присутствия ИТ-службы в любой организации.
В реальности получается все наоборот: расходы на ИТ все время растут, как и расходы на персонал. Для выполнения многих массовых функций набираются десятки и сотни человек в штат, несмотря на то что, казалось бы, в нужном направлении может идти соответствующий ИТ-проект по автоматизации этой области. Довольно сложно найти громкие примеры в прессе, где после запуска какого-нибудь ИТ-проекта компания серьезно сократила расходы на персонал. Такие случаи можно посчитать по пальцам. Может быть, просто подсознательно мы не хотим автоматизации? А может, хотим, но не знаем, чего от нее ожидать?
Удивительно, но на Западе каждый кейс внедрения ИТ-проекта проходит обязательный анализ результатов эффективности внедрения (Post-Implementation Review, PIR) с целью расчетов, сколько организации данная автоматизация сэкономила. При этом сама компания, поставщик ИТ-решения, помогает рассчитать полученную выгоду, чтобы показать его и свою эффективность. В нашей стране это встречается довольно редко.
Банки, как многие другие организации, находятся здесь в аналогичной ситуации. В финансовых компаниях достаточно много массовых функций, многие из которых закрывают людьми. Все эти функции можно разделить на два больших класса:
1) Функции и процессы по продаже продукта.
2) Функции и процессы по обслуживанию клиента и продукта.
Здесь мы встречаем такое интересное обобщающее понятие, как «банковский конвейер». Это некая квинтэссенция инструментов и процессов, предназначенная для организации продажи любого банковского продукта. Чаще всего это кредитные продукты для разных клиентских сегментов.
Во время кризиса мало кто из представителей банковского сообщества может похвастаться работающим конвейером, большими объемами выдачи и значительным количеством заведенных заявок. У многих организаций конвейеры стоят или полузагружены, и поэтому сейчас самое правильное время, чтобы посмотреть на то, что есть, и понять, каким конвейер должен быть, как его следует изменить, чтобы к выходу из кризиса иметь высокие мощности. Многие эксперты прогнозируют начало роста кредитования к концу года. То есть сейчас самое идеальное время определиться со стратегией и понять, как построить или улучшить свой бизнес. Возможно ли за полгода выстроить адаптивный конвейер, который будет помогать бизнесу, а не мешать?
СТАРАЯ ШКОЛА vs ИННОВАЦИи
Что такое «адаптивный конвейер»? Это то ИТ-решение, в котором стоимость изменений уменьшается с каждым новым изменением (то есть каждое новое изменение в два раза дешевле предыдущего). При этом скорость вывода продукта или сервиса (Time2Market) также сокращается и стремится к идеальной переменной – один месяц должен занимать вывод нового продукта. Запустить продукт за более короткий срок теоретически возможно, но эта тема отдельной статьи.
Вернемся к конвейеру. Чтобы определиться со стратегией, нужно понять, готов ли бизнес к автоматизации. Здесь большинство банкиров разделяются на три лагеря:
1) Те, кто против автоматизации.
2) Те, кто за автоматизацию.
3) Те, кому все равно (такие, кто просто плывет по течению).
Про последних говорить не будем – и так все очевидно. А вот конфликт первых двух довольно интересен. Попробуем его разобрать. Какова его основа и предпосылки? На мой взгляд, одна из первых важных причин скрыта в самом понимании, может ли машина заменить собой суждение человека. Как это проявляется?
Основа любого конвейера – это, конечно, не только процессы, его сердце – это механизм принятия решения. Почему это так? Потому что 80% всего времени выдачи обычно занимает не оформление, а прохождение заявки по разным этапам, где принимается то или иное решение – службой верификации, службой андеррайтинга, службой финансового мониторинга, службой безопасности, кредитными комитетами и т.д. Каждая из проверок должна сработать. При этом в эпоху Big Data каждую из них можно заменить автоматом, даже функцию верификации телефона.
В первой классической модели банкинга роль этого механизма выполняет специальный человек – «андеррайтер» и специальная система комитетов. Во втором случае появляется новый элемент, который называется «Decision Engine», или по-научному – модуль принятий решений. Примерами таких систем могут служить решения: RTDM от компании SAS, CDA от компании FICO, Power Curve от Experian. Есть также отличный, на мой взгляд, представитель бесплатного Open Source сообщества – это решение Drools от компании Jboss
В основе таких компонент лежат так называемые правила (RulesSet). Самым частым примером правил являются деревья решений, где в зависимости от движения условия по ветвям дерева принимается то или иное решение. Эти компоненты могут работать в режиме реального времени и обрабатывать сколь угодно большие массивы информации, формируя на выходе предложения для целых сегментов клиентов.
Конечно, все это механика, и алгоритм ей задает человек. А порой и участвует в ее выполнении, как и в первом случае, где правила для андеррайтеров пишет человек. Однако в первом случае многие из правил носят больше субъективный характер, для второго же подхода важна статистика, профилирование, сегментация. Нужно в целом понимать, кто твой клиент (KYC). И здесь появляется такая интересная бизнес-практика, как Decision Science – это направление управления рисками, которое изучает то, как эффективно можно выстроить процесс принятия решения для mass-сегмента или таргетированных продаж.
Если рассмотреть в целом науку о рисках в части Retail Banking’a, то она ушла довольно далеко. Вспомним, например, положения Базельского комитета, где до гранулированного уровня разобраны типы рисков, клиентов, подходы к рейтингованию и оценке клиентов, даже указаны математические формулы.
Казалось бы, бери и пользуйся. Включай сюда статистические методы, которые все изучали в университете, зови айтишников и закладывай все эти наработки в автоматизированные средства, ведь на выходе мы получаем очень полезные эффекты:
1) Это крайне низкий коэффициент Time2Yes (время от заведения до одобрения), который из дней превращается в минуты.
В век digital-технологий, когда люди не хотят приходить в отделения и желают общаться с банком, удаленно или же через третьих лиц-партнеров, скорость одобрения становится критичной. Заявка теперь не может висеть днями и неделями на рассмотрении. Клиент просто пойдет в другой банк, тем более сейчас, когда ставки у всех примерно одинаковые.
2) Централизованные и структурированные риск-профили клиентов (иначе автоматизацию не произвести).
Это полезно тем, что по всей вашей сети вы в одном месте можете управлять потоком клиентов – какому сегменту снизить уровень удобрения (Approval Rate), какому повысить. Без централизации риск-аналитики поток входящих клиентов всегда будет оставаться неопознанным и отдаваться на волю тому кредитному эксперту, к которому клиент обратился.
3) Довольно прозрачный процесс управления кредитным риском и кредитной политикой.
Качество формирования и расчета резервов можно будет всегда проверить. Никаких сопровождений сделок с индивидуальными условиями. Все профсуждения превращаются в статистические модели и качественную сегментацию и, как следствие, доказательную базу отнесения клиентов к той или иной категории качества ПОСа.
4) Соответственно, экономия ФОТа (большое количество андеррайтеров просто не нужно).
Экономия довольно существенная. Допустим, у вас 50 офисов, в каждом из них по два сотрудника, то есть всего 100 человек. Каждый из них является кредитным экспертом, то есть помогает завести заявку, сформировать профессиональное суждение, верифицировать клиента, посчитать резервы и т.д.
Теперь, допустим, вы решили это автоматизировать. При качественной автоматизации можно добиться скорости заведения заявки за 25 минут и меньше, т.е. один сотрудник в среднем в день может обслужить около 15–19 клиентов. Допустим при этом, что вы полностью автоматизировали процесс рассмотрения и он занимает два дня. В нем участвуют верификаторы, которые проверяют клиента. При качественной автоматизации можно добиться показателей 10 минут и менее на одного клиента (по проверке его данных). То есть такой человек может в день обработать и проверить около 40–45 клиентов.
Получается, что верификатор нужен в среднем на каждые три офиса при условии автоматизации стадии заведения заявки, чтобы входящий поток из 15 клиентов полностью загрузил этого верификатора.
Итого получается интересная математика:
Было 100 человек. 50 оставили, к ним оставили еще 17 верификаторов.
ИТОГО 50 + 17 = 67.
Экономия – 33 человека. Представим, что каждый из них получает по 50 тыс. рублей, итого получаем 1,65 млн рублей каждый месяц экономии, или около 20 млн рублей за год. Конечно, это все грубая экспертная оценка, и она требует уточнения, но в любом случае она позволят понять, насколько выгодна автоматизация.
Но почему же все так не делают? Что сдерживает, такие интересные технологии?
На мой взгляд, во многом важную роль играет человеческий фактор, есть те люди, которые считают, что scoring – это искусственное зло, созданное человеком, чтобы замылить настоящий реальный бизнес. Основная позиция их в том, что машина не может заменить человеческое суждение и адекватную реакцию и поэтому всегда будет ошибаться. В этом случае процесс рассмотрения превращается в довольно сложную алхимию, в которой учувствуют разные подразделения и люди, каждый из которых заменяет собой какой-то компонент машины. С одной стороны, в чем-то они правы. Ведь сомнения в том, что машина кому-то отказала, а кому-то одобрила, всегда остаются. С другой стороны – эти сомнения можно исключить постоянными процедурами калибровки стратегии и поэтапной прозрачной замены каждого из компонентов конвейера.
Например, верификаторы прозванивают указанные номера клиентов (что, в принципе, может делать машина); клиентские менеджеры заводят заявку (которую можно минимизировать, ведь все данные есть в бюро); андеррайтеры собирают заявку, формируют профсуждения и отправляют ее на комитеты или сами рассматривают (хотя можно это сделать автоматически через процесс скоринга), сотрудники бэк-офиса на основании профсуждений начисляют резервы (хотя это можно сделать автоматически).
Самое интересное, что с ростом бизнеса количество отделений увеличивается, пропорционально увеличивается количество людей, а с ними и размеры операционных рисков. И это становится очевидным слишком поздно. Иногда процесс совсем децентрализован, иногда есть один большой центральный комитет, иногда есть по филиалам. Здесь вариации бывают разными.
Нельзя говорить, что консерватизм и исключение автоматизации не имеют плюсов, – они есть:
1. Довольно быстро можно менять процесс (достаточно поменять соответствующий приказ).
Когда все живут в «почте» или «excel’aх», то, в принципе, никакой доработки не нужно, чтобы процесс поменять. С точки зрения организации все очень гибко.
2. Все при деле, каждый полезен.
Максимальная вовлеченность всего состава сотрудников. Для системо-
образующих предприятий это также важно.
3. Пропускная способность зависит от лидерских черт руководителя.
Хороший лидер хорошо мотивирует людей, они лучше работают. Машина, конечно, этого не просит. Ее сложно мотивировать работать быстрее, она всегда работает с той скоростью, которую запроектировали.
В целом этот подход отстаивает некую традиционность банковской отрасли, которая формировалась годами и столетиями. Сейчас, в эпоху перемен, можно сказать, что лед тронулся в части кредитования физических лиц (retail-сегмент). Правда, в части кредитования юридических лиц все еще преобладает довольно сильный консервативный подход.
Таким образом, мы приходим к сути этого интересного противостояния «классических» и «инновационных» банкиров. Инновационные приносят экономию затрат, повышение скорости и в целом помогают перейти банковской системе (и как следствие – экономике) на новый уровень развития. Классические банкиры удерживают систему от того, чтобы ее не разорвало на части, ведь порой чрезмерная инновационность также вредит, если ее вектор не направлен на улучшение бизнес-индикаторов. С другой стороны, чрезмерная консервативность также может оставить бизнес в догоняющих.
Сейчас, когда каждая копейка на счету, очень важно, во что она будет инвестирована. Если она пойдет на поддержание неэффективного производства и конвейера, то это никак не позволит избежать будущего кризиса и пережить существующий. Если же деньги пойдут на автоматизацию, то это неминуемо приведет к сокращению неэффективных подразделений, заменяя их более эффективными автоматическими модулями (в принципе, в банке можно заменить практически все). Здесь встает вопрос социального характера. А если банк, например, является основным работодателем в регионе? Тогда неминуемо просядут экономические показатели этого региона, и давление на организацию будут, возможно, оказывать соответствующие структуры.
Но мне кажется, что нужно не избегать путь экономии и возможных сокращений. В противном случае ничего не изменится, и мы так и останемся кататься на двигателях внутреннего сгорания. Люди так устроены, что всегда смогут адаптироваться к любой новой сложившейся ситуации. Нужно помнить, что любой кризис – это в первую очередь возможность. Если посмотреть на нашу историю, то многие великие свершения осуществлялись в условиях дефицита, потому что стимулировали в человеке находить выход из сложной ситуации. Сейчас, когда у нас в стране дефицит ресурсов, я думаю, все будут переходить в формат максимальной автоматизации отделений или отказа от них, переводя клиентов в удаленные каналы Digital, где успешным залогом работы с клиентом является наличие адаптивного конвейера.