Как Банк «Санкт-Петербург» решил, что пора обновить ИТ-ландшафт в части построения инфраструктуры для работы с данными и формирования отчетности?
Вопросом модернизации ИТ-ландшафта отчетности мы стали заниматься сразу после внедрения новой АБС в 2012 году. Нам не давали покоя так называемые «черные ящики» в подразделениях, отвечающих за формирования разного рода отчетности. У многих подразделений был свой «черный ящик», выдающий отчеты, механизм формирования которых был известен только единицам (в основном тем, кто этот «черный ящик» разработал). Каждый такой «черный ящик» требовал отдельных выгрузок из учетных систем, качество данных в которых было сомнительно.
Какое-то время мы оценивали приоритеты между задачами формирования МСФО, обязательной, управленческой и оперативной отчетности. Решив, что основные вопросы обязательной отчетности решены в АБС, а формирование МСФО находится на достаточном уровне автоматизации, выбрали фокус на управленческую отчетность, которая формировалась на основе одного из самых больших «черных ящиков». Сделали предпроект по построению корпоративного хранилища данных. По результатам предпроекта был сформирован бюджет, но финансовый блок, являясь основным заказчиком и спонсором данного проекта, решили, что пока не время инвестировать в данное направление и ИТ сделали временное решение, позволяющее закрыть наиболее актуальные проблемы и частично раскрыть «черный ящик».
В 2013 году ИТ обозначили риски в части возможного замедления отдельных выгрузок, на базе которых строится управленческая отчетность Банка, и было решено вернуться к вопросу выбора решения. Был проведен сравнительный анализ решений от различных российских и западных компаний, в том числе с Интерсофтлаб, с которыми было решено идти в «большой» проект построения корпоративного хранилища данных, при этом дополнительным фактором для принятия решения послужило то, что с ними уже были отлажены коммуникации в ходе предпроекта.
Сколько длился проект и какие задачи были решены в ходе построения корпоративного хранилища данных?
Проект по реализации 1-го этапа построения КХД длился 9 месяцев. Основная задача, которую мы решили, – формирование кредитного портфеля, бухгалтерского баланса и ОПУ (приложения 4 и 8 к 385-П). В результате проекта формирование кредитного портфеля стало формироваться в 8 раз быстрее, появилась возможность формировать кредитный портфель за любую дату.
В ходе проекта КХД стал инструментом проверки качества данных из систем-источников (качество стало измеримым), создана служба контроля данных с выделением соответствующих ресурсов, разработкой регламентов работы и организацией соответствующего процесса.
Проект дал бизнесу единый источник согласованных данных, доступность, скорость и возможность «раскрыть» любую цифру. Для ИТ внедрение КХД позволило разгрузить транзакционные системы, внедрить инструмент контроля качества данных и минимизировать роль ИТ в реализации отчетов.
Построение корпоративного хранилища данных решило все актуальные вопросы Банка по формированию отчетности?
Первый этап внедрения КХД не решил всех проблем, но послужил катализатором для еще более интенсивного развития направления «работы с данными». После построения «платформы» у всех участников проекта внедрения проснулся аппетит к данным, и было решено идти дальше.
В ходе работы над отдельными задачами стало ясно, что в ИТ-ландшафте не хватает BI-инструмента. В качестве такого инструмента было выбрано решение QlikView, особенностями которого были простота и удобство в использовании, скорость работы, низкие требования к производительности «железа».
Как сейчас выглядит ИТ-ландшафт Банка «Санкт-Петербург» по отчетности?
В ходе последующих этапов развития КХД и BI мы построили классический ИТ-ландшафт для работы с данными: системы-источники -> ETL+контроль качества -> КХД -> отдельные «монолитные» отчеты и BI. Преимущества такой архитектуры – «одна правда» для всех пользователей; конечным пользователям доступны все подготовленные данные в интересующих разрезах за счет средств BI; пользователи работают с данными, а не с запрограммированными отчетами; отсутствие «черных ящиков»; модель данных учитывает особенности исходных систем; системная работа с данными; разгружены транзакционные системы. При этом КХД исключает риск несогласованности данных в BI, абстрагирует BI-инструмент от частых изменений источников данных, КХД дает более широкие возможности ретроспективного хранения данных. В нашей текущей архитектуре все инструменты друг друга дополняют.
Какие задачи бизнес-подразделений позволил решить новый ИТ-ландшафт?
На базе новой архитектуры кроме задач управленческой отчетности был реализован полностью автоматизированный продукт «Бюджет клиента», который позволяет формировать полный бюджет клиентов – физических лиц, юридических лиц и групп компаний за секунды для последующего представления на коллегиальные органы и для анализа рентабельности клиентов. Реализован норматив ПКЛ по банку, который формируется за минуты. При этом качество данных за счет внедренных инструментов очень высокое.
Какие сейчас перед вами стоят задачи по направлению работы с данными?
В настоящее время мы наводим порядок в источниках данных, расширяем КХД, строим дополнительные кубы для розничного бизнеса, операционных подразделений, совершенствуем ролевую модель доступа к данным, повышаем компетенции по работе «центров отчетности» c BI, дорабатываем «бюджет клиента» – реализуем функцию «прогноза», строим «фабрику отчетности».
Также мы продолжаем работу над развитием ИТ-ландшафта систем по работе с данными через концепцию «центров формирования отчетности», когда ИТ отвечает за источники и согласованность «очищенных» исходных данных, а «центры отчетности» через инструментарий BI занимаются реальной аналитикой, а не поиском корректных данных во всем ИТ-ландшафте, как было до модернизации.
Что такое «фабрика отчетности»?
Для нас «фабрика отчетности» – один из инструментов реализации стратегии развития на ближайшие три года. В 2016 году мы планируем решить задачи повышения доходности транзакционного бизнеса за счет внедрения инструментов анализа клиентов, а также повысить качество операционной работы. Как уже ранее говорилось, мы создали «центры формирования отчетности», ввели единую платформу, где пользовательский инструмент – BI, а основной источник данных – КХД.
По розничному бизнесу создаем приложения по анализу транзакционной активности клиентов и программ лояльности в любых разрезах (типы карт, точки продаж, география, типы операций, суммы и другие). Анализируем полученный и уплаченный interchange, формируем портрет участника программы лояльности, анализируем изменения поведения участников после запуска программы лояльности.
Как внедренные инструменты помогают решить задачи индивидуальных предложений клиентам в омниканальной среде?
За формирование индивидуальных предложений клиентам банка у нас отвечает отдельный комплекс систем, при этом нам удалось достичь синергии двух направлений – «очищенные» и выверенные в КХД данные поступают на вход аналитическому CRM, а результаты маркетинговых компаний пополняют данные для последующей оценки эффективности компаний и изменения клиентского поведения.
Из чего состоит комплекс систем, отвечающих за формирование индивидуальных предложений?
В настоящее время мы модернизируем систему формирования «предодобренных» и «предрасчитанных» предложений клиентам и практически закончили данный проект. Целевая архитектура комплекса следующая: системы-источники (где основные системы – это КХД, АБС, операционный CRM и интернет-банк) -> «Модуль принятия Решений» -> операционный CRM –> каналы продаж.
В ходе проекта модернизации мы разрабатываем новый «модуль принятия решений» на базе аналитического CRM, который ранее был реализован в АБС. Данный модуль будет базироваться на следующих компонентах – настройка стратегий, поддержка разработки стратегий (DataMining + витрины), скоринг клиентов, калькуляторы расчета предложений, верификация сформированных предложений, интеграционные сервисы. При этом еще пару лет назад мы построили на базе операционного CRM мастер-систему для «раздачи» предложений по каналам продаж, с соответствующей интеграцией. В Банке «Санкт-Петербург» клиент, получив предодобренное предложение на кредит в интернет-банке может оформить кредит без посещения офиса. После оформления кредита в интернет-банке предложение больше не будет предлагаться в других каналах продаж (например – у менеджера в офисе).
Кроме проекта модернизации «модуля принятия решений» на базе аналитического CRM недавно были внедрены инструменты формирование «лучшего следующего предложения» на основе кластеризации клиентов, которое тоже является частью комплекса систем, отвечающих за формирование предложений.
Что предпринимает Банк «Санкт-Петербург» по направлению BigData?
В нашей стратегии bigdata является элементом фундамента технологических возможностей. Конечно, мы следим за тенденциями развития данного направления и, как уже говорилось ранее, внедряем соответствующие системы. Но при этом мы, наверно, не будем исключением в скептическом отношении к «всемогуществу» bigdata. На рынке немало примеров, когда проекты не «взлетели», так как отсутствовала выверенная математическая модель формирования суждения и интерпретации обработки массивов данных, а также из-за наличия множества уязвимостей bigdata к отдельным поведенческим особенностям клиентов. Одним из наиболее известных примеров является сервис от известного поисковика по предсказанию вспышек эпидемий гриппа (сервис был закрыт, так как его результаты не были точными, хотя задумка была очень интересная).
В вопросах «аппетита» к данным мы в большей степени ориентируемся на то, как мы можем сегодня или в перспективе 1–2 лет их использовать. В настоящее время мы работаем над изучением возможности применения геофенсинга, работе с потенциальными клиентами, поведенческими моделями, оцениваем возможности использования данных из социальных сетей.