Что может бизнес-аналитика?

Знакомый вопрос: что может бизнес-аналитика? Многие уже в курсе, что она может многое. Но каковы на деле возможности BI-инструментов и какие именно задачи они способны решать, знают далеко не все. Кроме того, здесь есть свои особенности.

Задачи использования бизнес-аналитики на практике тесно связаны с задачами хранения и обработки данных, а также с инфраструктурными задачами, которые приходится решать параллельно. Зачастую любая организация, в том числе банки, обладает значительными массивами информации, однако понимания, как эффективно пользоваться данными, у самой организации нет. Возможно также, что использование бизнес-аналитики ограничено конкретными нуждами руководства: начальство попросило отчет, исполнители посидели, наковыряли данные, предоставили. Зачастую скорость выполнения этих работ низкая, а качество полученных материалов вызывает сомнение.

Результаты – уже на первом этапе работы

Когда мы автоматизировали формирование стратегии в одном из банков, то процесс методологической проработки задачи решался параллельно с автоматизацией. На первом этапе мы собрали с подразделений стратегические карты - цели и KPI, при этом у некоторых подразделений было несколько итераций. И выяснилось, что первая итерация кардинально отличалась от итоговой. Во-первых, руководители департаментов, выполняя официальное распоряжение, выдали в первом приближении первые попавшиеся варианты показателей, которые они считали значимыми для характеристики эффективности деятельности своего подразделения. Когда та информация, которую они предоставили, начала попадать в систему, то стало ясно, что некоторые показатели являются заведомо неинформативными и неважными, а часть показателей просто нереально и нецелесообразно считать. Таким образом, не сразу, в несколько итераций, у банка появилось сформированное понимание, кто чем в банке занимается.

Здесь стоит отметить, что вопрос автоматизации показателей (и вообще возможности автоматического расчета) тоже связан с рядом задач: KPI должны быть измеримыми – это одна из главных характеристик, чтобы объективно оценить качество работы сотрудника или подразделения.

Доверяй, но проверяй

В другом банке мы занимались реализацией расчета обязательных нормативов с возможностью детализации до первичных данных. Задача на самом деле сложная, так как здесь требуется разложить все активы и пассивы банка (а именно остатки по лицевым счетам) по срочностям до погашения, взвешенные с учетом риска и пр. На самом деле для этого нужно перелопатить практически всю первичную информацию, которая есть по инструментам (продуктам) банка, хранящуюся в разных системах банка, проверить корректность того, как данные о сделках отразились в бухгалтерском учете (осуществить контроль с балансом), затем агрегировать по определенным алгоритмам. В связи с тем, что данный банк имеет развитую филиальную сеть, необходимо было вести расчет по каждому филиалу, то есть решать однотипную задачу множество раз для каждого филиала, затем проверять агрегированный расчет на корректность, так как данные уходят в ЦБ РФ.

Оказалось, что часть кредитов, ценных бумаг и депозитов просто попали не на «свои» лицевые счета. А детализация рассчитанных (итоговых) значений позволила нам найти ошибки, которые невозможно определить при работе в Excel. Так, например, нашли в одном из филиалов банка неучтенные при традиционном расчете в Excel 60 млн. рублей. На самом деле drill-down данных позволяет понять корректность итогового значения – например, причины его резкого колебания, если мы следим за динамикой и т.д. А при оперативном мониторинге возможно и предотвратить какие-то нарушения пересечения пороговых значений.

Прогнозирование: учитываем все особенности

В одном из проектов перед нами ставилась задача прогнозирования значений основных статей агрегированного баланса и финансового результата по ним. В том числе это использовалось для формирования обоснованных финансовых планов одного из крупных российских банков, имеющего развитую филиальную сеть. Это трудоемкая кропотливая задача, поскольку приходилось учитывать особенности макроэкономических показателей регионов, на территории которых функционирует банк. Приходилось поднимать макроэкономическую статистику Росстата и региональных статистических органов. Хотя в целом тот или иной показатель хорошо описывается в рамках всех филиалов едиными правилами (моделью), по многим статьям приходилось учитывать их индивидуальные особенности. Выяснилось, например, что размеры отдельных видов комиссий сильно зависели от погоды: в плохую погоду, например, люди реже ходили в банк и осуществляли различного рода операции, в т.ч. платили за коммунальные услуги. В последствии эта закономерность постепенно исчезла с развитие Интернет-банка - возможность сделать все платежи через интернет изменила ситуацию. Также пришлось обращать внимание на проводимые банком маркетинговые акции, которые существенно влияли на спрос по отдельным продуктам.

Решая разные задачи: маленькие хитрости разработчика BI-проектов

Частой задачей при автоматизации деятельности банка является автоматизация построения отчетности, в первую очередь обязательной. И в одном из банков выяснилось, что структура хранения первичных данных по вкладам населения не позволяет за разумное количество времени извлечь и обработать данные, поэтому приходилось придумывать различные хитрости, например, прогнозировать возможное значение агрегированного показателя с целью сформировать отчетность с некоторой допустимой погрешностью, но в приемлемое время.

В задачах, связанных со сверкой одних и тех же данных, полученных из различных источников, тоже можно делать некоторые выводы о качестве данных и о рисках, которые может нести источник данных, преследуя те или иные цели. Например, существует задача сопоставления зеркальной статистики внешнеторговой деятельности: когда при декларировании товаров, перевозимых через границу, в данных, описанных в грузовой таможенной декларации, эти товары являются с одной стороны импортом, с другой - экспортом. Сопоставив эти данные, можно оценить объемы недополученных средств в федеральный бюджет в виде таможенных сборов. Однако получение такой статистики по разным странам – трудоемкая задача, и подписка на такие данные является достаточно дорогостоящей. Поэтому, решая эту задачу комплексно, необходимо иметь мощный инструментарий, который поможет все эти данные обработать и визуализировать. К примеру, при решении задач, связанных с оценкой риска недостоверного декларирования, которые мы выполняли для таможенных органов РФ, нам приходилось анализировать многомерные данные на предмет выявления скрытых зависимостей, например, существенные отклонения от среднестатистических параметров перевозимых товаров (вес, цена и т.д.). Чисто математически задачу можно решать многими методами - от нейронных сетей до построения скорринговой модели, аналогичной используемой банками для оценки платежеспособности заемщика. Средств для подобного многомерного анализа данных существует очень много: это и стандартные статистические пакеты, и опции, работающие на уровне базы данных, например, Oracle Data Mining, и сервисы, встроенные в платформы бизнес аналитики, как, например, блок моделирования в Prognoz Platform и т.д. Однако, как и в банке, так и в таможенных органах построенную модель нужно уметь аргументировать. Тут уже естественные ограничения задачи накладывают свой отпечаток: какие-то методы приходится отсекать, какие-то закономерности можно интуитивно почувствовать, а затем, построив модель, проверить на больших массивах данных.

Мобильная аналитика спешит на помощь

Все чаще к нам обращаются за помощью при автоматизации деятельности руководства, с целью обеспечения их своевременными качественными данными, которые они могут использовать на встречах. Здесь руководителю может помочь мобильная бизнес-аналитика, оперативно предоставляя ответы на тот или иной вопрос: какая сейчас ситуация в таком-то регионе, например, в части проведения программы поддержки малого и среднего предпринимательства? Какой свободный лимит кредитования есть сейчас в данном регионе, куда обратиться? Каковы значения показателей по различным регионам, почему они такие? Презентовать информацию о продуктах и услугах партнерам или клиентам. И сегодня планшетные решения становятся все более востребованными – это тот минимум аналитики, который должен быть всегда под рукой у руководителя в любое время в любом месте.