Дипломная работа: Ключевые факторы успеха при освоении технологий работы с большими данными в банковских организациях

? требования к данным: источники, размер, пропускная способность;

? требования к обработке данных: время запроса, время обработки, точность.

На данном этапе происходит взаимодействие практически всех членов команды и конечных выгодоприобретателей: разработчики и идеологи проекта, заказчики и пользователи.

На следующем этапе происходит проверка гипотез, поставленных ранее, о возможности достижения определенного результата. Данный процесс позволяет приблизить требования, определенные на предыдущем этапе, к существующей практике. После этого наступает следующий этап - выработка конечных критериев и показателей функционирования платформы.

Процесс внедрения проходит следующим образом: вся информация попадает на BI Платформу (Платформа «Business intelligence»). BI Платформа представляет собой совокупность разных методов и инструментов для конвертации исходной информации в форму, оптимальную для использования банком в соответствии с их целями. Стоит отметить, что информация передается на платформу напрямую. Проводят работу с разработчиками и отвечают за организацию внедрения технологий финансисты и сотрудники IT - отдела банка.

На этапе проектирования и разработки происходит непосредственная реализация технологии. Особенно важным этапом является этап тестирования, который можно представить следующим образом (рис. 4).

Рисунок 4 - Тестирование при освоении технологий работы больших данных в банковском секторе

Источник: составлено автором на основе анализа литературы [9].

Модульное тестирование(UNIT - тестирование), направлено на проверку корректности функционирования отдельных модулей кода программы. Другими словами, использование автоматизированных тестов, которые подготавливаются до начала разработки программного продукта. Использование такого метода тестирования дает возможность значительно сократить количество ошибок в коде, а также упростить процесс поддержки программного обеспечения.

Далее идет интеграционное тестирование. Интеграционное тестирование -- это процесс, который подразумевает тестирование модулей программы, объединенных в группу. Главная задача этого этапа - удостовериться в том, что взаимосвязи между программными компонентами отвечают всем функциональным требованиям. Данные, которые будут получены в ходе этой фазы тестирования, будут использованы тестировщиками в дальнейшем для проведения системного тестирования.

И завершающий этап - это приемочное тестирование. Оно направлено на проверку готового продукта конечными пользователями. В его ходе устанавливается, соответствует ли система изначальным требованиям и соответствует ли уровень качества ожиданиям заказчика.

Стоит отметить, что этап тестирования может происходить несколько раз, до тех пор, пока разработанная технология не будет удовлетворять всем заданным на предыдущих этапах.

Завершается процесс освоения технологии больших данных внедрением технологии в деятельность организации банковского сектора, а именно в ее информационную систему. Далее может быть произведена оценка эффективности функционирования технологии. По сообщению McKinsey & Company, прирост объема больших данных вызовет новую волну «инноваций, конкуренции и производительности» в деловой среде [35]. Как выразились два видных деятеля науки, «использование больших данных позволяет принимать решения на основании не интуиции, а фактических данных. По этой причине они способны совершить революцию в сфере менеджмента» [36]. Например, компания Procter & Gamble (P&G) использует преимущественно большие данные, в результате все более глубокое и комплексное оцифровывание ими данных позволяет говорить о наличии у компании «источника конкурентного преимущества». Это помогает улучшить все - от инновационных продуктов, анализа в реальном времени комментариев клиентов в социальных сетях до использования отслеживания изменений данных в целях оптимизации планирования магазинов розничной торговли [37]. Опыт P&G подтверждается широкими исследованиями. Исследования, проведенные в Школе менеджмента им. Слоуна показывают, что компании, принимающие решения на основании использования данных, получают 5-6%-е повышение производительности [38].

Отметим базовые факторы, обеспечивающие эффективность применения в деятельности компании больших данных.

1. Рост квалификации. В ходе опроса финансистов 86 % высказали мнение, что компании испытывают трудности в стремлении осуществить ценные аналитические выводы из имеющихся данных, и безусловно, это связано с такими проблемами, как разрозненность данных, их качество или возможность оперировать с незнакомыми данными нефинансового вида.

2. Финансово-деловое партнерство внутри компании. Чтобы раскрыть потенциал больших данных, специалистам по управленческому учету необходимо налаживать большее число контактов, которые приводят к формированию более плотных взаимодействий с тремя основными кластерами заинтересованных групп: специалисты из сферы ИТ, которые собирают большие данные; учеными в области обработки данных, которые формулируют инновационные методы анализа данных; и, наконец, бизнес-лидерами, которые могут обеспечить трансформацию новых идей в конкретные действия.

Рассмотрим применение технологии Big Data в банковской сфере. Поскольку ранее банки не применяли особенных технологий, чтобы определить некредитоспособность клиента, то решения зачастую принимались на основе субъективных факторах и впечатлений от клиентов. Однако сегодня, существуют инструменты «Data Mining», которые разделяют клиентов на добросовестных и неблагонадежных заемщиков. Также, применяя данную технологию можно установить лимит кредита, проценты по нему и срок возврата для заемщика, поскольку можно классифицировать клиента по группам риска. В рамках формирования маркетинговой политики, любой компании необходимо сегментировать своих клиентов, чтобы предлагать им выгодные условия с одной стороны, а также понимать «своего идеального клиента». Технология «Data Mining» позволяет классифицировать клиентов исходя из данных о их профилях. ПАО «Сбербанк России» является наиболее активным пользователем аналитической системы «Data Mining» в российском банковском секторе. Анализ больших массивов информации (данных) играет важную роль в стратегии банка на 2014-2016 гг. Для этого, привлекаются специалисты по большим данным, которые структурируют личные профили клиентов, основываясь на анализе банковских транзакций, данных, поступающих от банкоматов и другого оборудования банка, данных программ лояльности, информации госструктур, социальных сетей и коллекторских агентств. Основываясь на анализе больших о потенциальном заемщике, в октябре 2016 г. Сбербанк заявил о внедрении новой системы кредитования малого бизнеса без залога. Путем приобретения дополнительного компонента «Informatica Big Data Management», в ноябре 2016 г. Сбербанк расширил функциональность используемой платформы «Informatica Intelligent Data Platform», что дало возможность аналитикам осуществлять всесторонний предварительный анализ данных в целях обеспечения высокой скорости внесения изменений и передачи на поддержку разработанных процессов. В начале 2017 г. Сбербанк запустил проект «Открытые данные». Основные задачи проекта - это сбор информации о частных и корпоративных клиентах банка, ее систематизация, обобщение и предоставление всем желающим.

Альфа-Банк стал применять технологию больших данных в 2013 году. Он использует эти технологии для анализа социальных сетей и поведения пользователей сайта, оценки кредитоспособности, прогнозирования оттока клиентов, персонализации контента и вторичных продаж. Для этого он работает с платформами хранения и обработки Oracle Exadata, Oracle Big Data Appliance и фреймворком Hadoop. Возможности дополнительной монетизации своих массивов данных Альфа-банк видит в рекомендательных системах, анализе линейки продуктов и предиктивном анализе поведения клиентов.

Таким образом, можно сделать следующий вывод. В настоящее время процесс освоения технологий работы больших данных в банковском секторе является сложным и требует наличия определенных базовых компонентов, таких как прототип, источники информации и алгоритмы. На их основе происходит внедрение технологии, которое предполагает последовательное выполнение следующих этапов: определение требований, проверка поставленных гипотез о достижении результата, выработка конечных критериев функционирования платформы, проектирование и разработка технологии, тестирование технологии и ее функционирование. Широкое применение технологии больших данных в банковском секторе осложняется необходимостью значительных финансовых вложений, недостаточным числом грамотных специалистов, а также потребностью в дополнительных программных решениях, позволяющих осуществлять оценку рисков по различным направлениям банковской деятельности.

2. Особенности применения технологии больших данных в банковских организациях на примере ПАО «Сбербанк» и ПАО «Альфа-Банк»

2.1 Общеэкономическая характеристика ПАО «Сбербанк» и ПАО «Альфа-Банк»

В настоящее время в банковском секторе России функционирует большое число банковских организаций.

В рамках настоящего исследования наибольший интерес представляет анализ особенностей ПАО «Сбербанк» и ПАО «Альфа-Банк», открывающих первую и вторую пятерку крупнейших банков страны соответственно (см. табл. ниже).

Целесообразно начать исследование с определения позиций данных банков в банковской системе Российской Федерации.

Так, по состоянию на март 2019 годы в рейтинге банков по объему активов ПАО «Сбербанк» занимает первое место, а ПАО «Альфа-Банк» - шестое. банковский актив россия

В табл. 3 представлен рейтинг крупнейших в России банков по показателю активов.

Таблица 3 - Рейтинг крупнейших в России банков по показателю активов по состоянию на март 2019 года

Источник: составлено автором на основе данных рейтинга банков [26].

По национальной шкале «АКРА» ПАО «Сбербанк» на 19.03.2019 года имеет кредитный рейтинг ААА и стабильный прогноз. В свою очередь, ПАО «Альфа-Банк» на ту же дату имеет кредитный рейтинг АА также со стабильным прогнозом [26].

Перейдем к общеэкономической характеристике ПАО «Сбербанк» и ПАО «Альфа-Банк».

Публичное акционерное общество «Сбербанк» является российским финансовым институтом и транснациональным банком России, действующим также на территории Центральной и Восточной Европы. На сегодняшний день в составе ПАО «Сбербанк» числится 12 территориальных банков, которые обеспечивают функционирование более 14 тыс. подразделений по всей России.

Кроме того, в зарубежной сети банка присутствуют различные организационные структуры: дочерние предприятия, филиалы и представительства в 22 странах, в том числе в Турции, США, странах СНГ, Великобритании и странах Центральной и Восточной Европы [23].

Главный офис ПАО «Сбербанк» находится в городе Москве. Основным акционером банка выступает Центральный Банк Российской Федерации, который владеет 50% уставного капитала банка плюс одна голосующая акция. Также к числу инвесторов банка относятся различные международные и российские организации.

На долю ПАО «Сбербанк» приходится около 30% активов банковского сектора страны. Сегодня банк выступает основным кредитором национальной экономики и населения, поскольку аккумулирует более 45% вкладов физических лиц.

Кроме того, банк выдает более 40% совокупного объема средств для частных лиц. ПАО «Сбербанк» занимает высокую долю рынка корпоративных кредитов (34%) и на рынке ипотечного кредитования (56%). Кроме того, услугами банка на сегодняшний день пользуется более 150 млн. клиентов по всему миру, из которых 92 млн. человек - это активные розничные клиенты, а также 2,4 млн. корпоративных клиентов.

Особое значение для ПАО «Сбербанк» имеет корпоративная социальная ответственность. Для банка она представляет собой совокупность принципов и обязательств, которыми банк руководствуется в своей деятельности.

Основными направлениями являются управление взаимоотношениями со стейкхолдерами, а также оценка и управление влиянием на национальную экономику, социальную сферу и окружающую среду. Сегодня ПАО «Сбербанк» реализует большое число совместных и собственных благотворительных проектов [24].

Перейдем к анализу основных финансово-экономических показателей деятельности банка.