Зачем банку цифровой бэк-офис

Фокус многочисленных мероприятий и публикаций, посвященных цифровой трансформации финансовой отрасли, неумолимо свидетельствует о крепнущей однобокости в трактовке понятия «цифровизация» и реализации ее инициатив. С цифровизацией связывают преимущественно новые модели ведения бизнеса на основе цифровых каналов взаимодействия с потребителями банковских услуг и партнерами финансовых институтов. Возникает перекос и неверное представление о том, что весь набор соответствующих цифровых технологий концентрируется во фронт-офисе кредитной организации.

Без должного внимания остается трансформация моделей принятия решений в отношении эффективного распределения капитала, инвестиций и капвложений, а также управления портфелями. Извлечение знаний для принятия решений из оцифрованных данных о деятельности банка, поведении клиентов, рыночной ситуации и пр. — такая же неотъемлемая часть цифровизации, но только внутренних процессов управления эффективностью бизнеса. Потребители этой информации по большей части представляют высший менеджмент и бэк-офисные службы банка. Среди них акционеры и топ-менеджеры, директора по маркетингу и развитию бизнеса, финансовые директора, руководители риск-подразделений, казначейства и многие другие.

Кроме того, в бэк-офисе сосредоточены заказчики так называемых RegTech-решений, предназначенных для реализации государственных регуляторных требований. На фоне общего усиления надзора, в том числе на основе принципов Basel III, запросы регулятора становятся все более датаемкими, а требования к предоставляемым данными — все более гранулярными и историчными. На смену классической автоматизации регуляторных задач стремительно приходит цифровая аналитика на основе исторических данных и статистики.

Хотя взаимосвязь задач и инструментов цифровизации фронт- и бэк-офисных служб не всегда очевидна, ошибочно считать их независимыми, тем более нивелировать роль цифрового бэк-офиса. Часть генерируемой в бэк-офисе управленческой информации, например прогнозы доходности активов с учетом рисков, доходят до бизнес-подразделений опосредованно в виде указаний относительно рекомендованных ставок размещения. Но в доступе к скользящим прогнозам и детальным оценкам прибыльности линейные руководители заинтересованы напрямую. Прогнозы характеризуют степень приближения структурной единицы, вплоть до конкретных менеджеров, к исполнению целевых показателей эффективности и позволяют обосновать оперативные шаги. Детальные оценки финансового результата помогают объективизировать мотивационные решения.

Важная составляющая цифровой инфраструктуры банковского бэк-офиса — единая технологическая платформа Risk-based Corporate Performance Management (RCPM) для поддержки процессов управления прибыльностью с учетом рисков и RegTech-запросов на основе корпоративного хранилища данных (ХД). Она помогает решать задачи отдельных категорий пользователей, координировать работу внутри бэк-офисных служб и между бэк-офисом и бизнес-подразделениями для повышения конкурентоспособности, эффективности деятельности банка и получения лучших бизнес-результатов.

Так, работая с RCPM-платформой, бэк-офисные службы и бизнес-подразделения используют единые согласованные данные бухгалтерского учета и портфелей договоров для планирования на основе прогнозной аналитики, для скользящего мониторинга исполнения планов, для подготовки внутренней управленческой и внешней регуляторной и риск-отчетности. Это основа прозрачности и непротиворечивости цифр, залог доверия к планам и отчетным показателям на уровне исполнителей, руководителей, топ-менеджеров и акционеров.

Применение единых механизмов и сценариев планирования и прогнозирования финансового результата, единых инструментов его оценки стимулирует профессиональный диалог между финансовой службой, риск-департаментом и бизнес-подразделениями. Например, при встречном планировании финансистам легче объяснить бизнес-направлению или филиалу его целевые установки, а филиалу проще обосновать свои возможности в их достижении. Мотивированное вовлечение бизнеса в планирование позволяет сделать финансовые планы реалистичнее. С помощью оперативных прогнозов отклонения факта от плана бизнес может своевременно принимать корректирующие решения, чтобы избежать неблагоприятных ситуаций, и в итоге максимально исполнить финансовые планы и достичь целевых показателей эффективности. Таким образом, инфраструктура цифрового бэк-офиса банка ориентирована на поддержку проактивного управления эффективностью бизнеса для улучшения конкурентных позиций, повышения прибыльности и реализации стратегических установок.

Прогнозирование: тест «на цифру»

В течение почти двадцати лет существования концепции BPM/EPM/CPM (Business/Enterprise/Corporate Performance Management) в составе обязательной функциональности таких платформ ведущие аналитические компании обозначали прогнозирование. Но даже сейчас среди представленных на российском банковском рынке систем этого класса не наберется и пяти, оснащенных инструментами прогнозирования. Можно назвать две основные причины сложившейся функциональной ущербности: методическая незрелость потребителей и технологические ограничения программных платформ.

Не секрет, что внедрение системы управления эффективностью зачастую предполагает повторение на уровне ПО сложившихся в банке полуручных процессов планирования и отложенного во времени «посмертного» контроля финансовых показателей. При таком подходе к использованию управленческих систем средства прогнозирования многие годы оставались не востребованы. Падение прибыльности, процентной маржи, ухудшение рентабельности капитала и рост регуляторной нагрузки заставили заказчиков из финансовой отрасли пересмотреть свою позицию в отношении прогнозирования. Повысились требования в отношении качества планирования, исполнения планов и достижения заданных показателей эффективности, появилась необходимость на регулярной основе строить различные в зависимости от поведения риск-факторов версии прогнозов и т. п. На сегодняшний день прогнозирование и сценарное моделирование стоят в первом ряду инструментов, востребованных для поддержки RegTech-изменений и актуальных подходов к планированию, бюджетированию, мониторингу эффективности и поддержке оперативных решений в кредитных организациях.

Относительно простое в реализации прогнозирование показателей присутствует в большинстве систем планирования. Решить специфичную для банков задачу прогнозирования состояния портфелей финансовых инструментов, которая является базовой для поддержки планирования, оценки финансовых инструментов по МСФО 9, расчета процентного риска банковской книги и многих других бэк-офисных процессов, можно только на базе хранилища данных, опирающегося на реляционную модель данных. Многомерная архитектура управленческих систем является препятствием к реализации прогнозирования. Таким образом, в платформах для управления эффективностью, ориентированных на применение в финансовой отрасли, наличие инструментов прогнозирования портфелей становится своеобразным тестом «на цифру» и либо ограничивает, либо открывает перспективы их дальнейшего использования.

Справедливости ради добавим, что кредитные организации небольшого масштаба не всегда нуждаются в промышленных инструментах прогнозирования, успешно решая эту задачу с помощью средств малой автоматизации.

Перспективы искусственного интеллекта в управлении эффективностью

Несмотря на хайп вокруг внедрения искусственного интеллекта (ИИ) в банковские бизнес-процессы, эти технологии пока получили достаточно локальное применение. Можно говорить об успешных примерах совершенствования кредитного скоринга с использованием нейронных сетей, хотя пока в этой области доминирует регрессионный анализ, и об уверенном применении диалоговых систем (чат-ботов, голосовых помощников и т. п.) на основе технологий машинного обучения. Но этот опыт не применим к потребностям акционеров, топ-менеджеров и служб, ответственных за управление прибыльностью и эффективностью.

Как известно, каждая функция в управленческом цикле «планирование — контроль — анализ — регулирование» представляет собой последовательность принятия решений. В ставшей с легкой руки Герберта Саймона классикой схеме процесса принятия решений «анализ ситуации — выработка альтернативных вариантов решения — выбор лучшей альтернативы» цифровые технологии успешно закрывают две первые ступени. Например, при планировании выполняется анализ текущего портфеля, прогнозирование его состояния с учетом разных моделей поведения окружающей среды и аппетита к риску акционеров, моделирование нового бизнеса с учетом целевых установок и подготовка нескольких версий финансового плана. Третья ступень — выбор лучшего решения из возможных альтернатив — применительно к задачам управления эффективностью, в частности для утверждения конкретной версии финансового плана, пока не сдается на милость ИИ и остается за человеком.

Базовая характеристика цифрового бэк-офиса банка — транспарентность. Автоматизация ключевых процессов управления эффективностью на основе единого хранилища данных обеспечивает прозрачность преобразования данных в различные показатели и, как следствие, доверие к информации для принятия решений. Технологии ИИ, в частности нейронные сети, зачастую работают по принципу «черного ящика», скрывая взаимосвязи и порождая у потребителей информации сомнения в достоверности цифр и выводов. Это во многом тормозит проникновение ИИ в процессы управления эффективностью.

Вместе с тем ИИ как неотъемлемая часть цифровизации должен прийти в RCPM-платформы. С учетом сказанного очевидно, что его применение не будет носить массовый характер и ограничится, по крайней мере в обозримом будущем, совершенствованием привычных технологий отдельными элементами ИИ. Например, перспективным видится использования нейросетей для прогнозирования поведенческих характеристик клиентов, распознавания речи для построения аналитических запросов к данным и т. п.

Автор статьи — заместитель генерального директора по развитию бизнеса Intersoft Lab.