Подразделение, ответственное за анализ

О задачах Business Intelligence (BI) в современном крупном банке, а также о построении оптимальных механизмов управления развитием бизнес-аналитики мы беседуем с Ириной Елистратовой, главным директором Центра BI Альфа-Банка.

Intelligent Enterprise: Несмотря на значимость направления Business Intelligence в крупном корпоративном, а уж тем более в банковском бизнесе, центр BI в. качестве выделенного подразделения можно встретить не часто. Поэтому хотелось бы услышать от вас, что это за департамент и каково его место в структуре управления Альфа-Банка.

Ирина Елистратова: На мой взгляд, создание выделенного подразделения, обладающего всеми необходимыми функциями — от поддержки ИТ до бизнес-аналитики, — для финансовой организации является очень удачным ходом, который в принципе отражает особенности управленческой культуры Альфа-Банка. Многим известно, что Альфа-Банк успешен в практическом использовании инноваций вообще, это касается как эффективного применения передовых информационных технологий, так и процессов управления организацией.

Руководство банка определяет клиентскую и продуктовую стратегию совместно со стратегией развития технологий и аналитики для управления бизнесом.

Изначально было решено создать подразделение, которое должно отвечать за выпуск любой отчетности, будь то управленческая, которая, как известно, необходима для принятия решений, или обязательная, представляемая регуляторам. Центр BI полностью обеспечивает процесс создания нового аналитического продукта для банка, начиная от сбора бизнес-требований и заканчивая проектированием, реализацией и его дальнейшим сопровождением, а в какие-то моменты, возможно, и выводом из эксплуатации. Причем на каждой стадии жизненного цикла продукта тактические шаги должны быть абсолютно понятно сформулированы как на языке бизнеса, так ив достаточно глубоких и профессиональных терминах, которыми оперирует ИТ-служба.

Поэтому в состав Центра BI входят фактически все роли и компетенции специалистов, которые создают и используют BI-системы. Отдельно хотелось бы рассказать о том, какое место занимает Центр BI в. структуре банка. Некоторое время назад он находился внутри ИТ-подразделения.

Сейчас же Центр BI входит в блок «Финансы» с прямым подчинением финансовому директору Альфа-Банка, есть также и функциональное подчинение — директору по информационным технологиям. В условиях развития ИТ, как технологических платформ уже существующих систем, так и создания новых решений для поддержки бизнеса, очень важно не терять связь с ИТ-подразделениями банка. При выпуске аналитики, скажем, по кредитному портфелю или по эффективности деятельности отделений смена ИТ-платформы, если такое решение по тем или иным причинам принимается в банке, для нас может иметь негативные последствия в том случае, когда вопрос не рассмотрен всесторонне и профессионально. С другой стороны, присутствие Центра BI в. блоке
«Финансы» дает ту независимость цифр, о которой так часто идет спор между разными блоками. При этом мы имеем возможность всем бизнес-направлениям представлять единый взгляд на финансовые данные. Таким образом, никто не может трактовать финансовые показатели по-своему и финансовая деятельность клиентского менеджера, подразделения банка, бизнес-блока оценивается по единой независимой схеме.

Наверное, все же уместно отметить, что при всей значимости бизнес-аналитики культура ее использования в разных подразделениях сильно различается. Это касается, скажем, казначейства и маркетинга.

В данном смысле ваше подчинение финансовому директору, с одной стороны, выглядит вполне логичным, но с другой — финансы лишь одно из подразделений банка со своими задачами и приоритетами, и такая подчиненность может создать некий перекос в его сторону…
Рабочие процессы различных подразделений и использование бизнес-аналитики действительно могут быть разными. Поиск корреляции, скажем, между профилем увлечений человека и его потребностями в кредите может быть вполне естественной деятельностью для маркетологов, но не находить никакого отражения в отчетности, представляемой в ЦБ РФ.

Подчинение финансовому директору имеет под собой несколько иные цели. Дело в том, что любая деятельность банка все равно связана с определенной финансовой моделью.

Каких-то клиентов интересуют карточные продукты, какие-то в текущий момент времени больше заинтересованы в потребительском кредите. Финансовый директор предстает не в роли бухгалтера, сводящего баланс, и не в качестве контролера, только следящего за достижением финансовых показателей в конце отчетного периода.

Речь идет о своеобразном арбитраже приоритетов разных направлений банка, требующем информационной поддержки в виде бизнес-аналитики и построенном на единых принципах оценки. Соответственно здесь финансовый блок выступает как внутренний консультант для бизнеса. Подразделение финансов на основании аналитики может говорить о том, что в складывающейся ситуации в отношении кредитного портфеля лучше действовать в таком-то ключе. Скажем, работать на увеличение доли продуктов по картам, а не в направлении развития авто- или ипотечного кредитования.

При этом в рамках утвержденного портфеля задач и в соответствии с приоритетами для бизнеса банка каждое подразделение использует именно ему необходимые данные, производит расчеты по своим правилам, если нужно, «проваливается» в детализацию, повышает оперативность получения отчетов. В результате достигаются поставленные банком цели. Собственно именно для этого силами Центра BI и развиваются аналитические системы, и для этого у нас работают специалисты, обладающие различными компетенциями.

В основе построения интенсивно используемых систем анализа данных, с которыми к тому же работают специалисты самых разных подразделений, обычно лежат мощные корпоративные хранилища. Есть ли такое хранилище у вас, и что вы могли бы вообще сказать о прикладной архитектуре, лежащей в основе успешно функционирующего BI-функционала?

Конечно, хранилище данных, которое является ядром и единой базой для всей аналитики, у нас существует. Его архитектура определяется из функций, задач и сервисов для бизнеса, которые должны решаться в банке. Проектирование хранилища начинается от модели данных.

Не секрет, что отраслевые модели данных для хранилища — довольно популярная тема. На рынке разные поставщики предлагают различные модели для банковской сферы.

Мы же построили свою модель, так как ключевые сотрудники Центра BI имеют большой опыт внедрения хранилищ данных в банковской сфере.

Такая модель в Альфа-Банке предполагает существование детального слоя, в котором отражаются данные и активности разных подразделений: розничных отделений, клиентских менеджеров корпоративного банка, подразделений по работе с просроченной заложенностью и т. д. Все они ложатся в определенную структуру.

Поверх этого слоя строятся раз личные витрины данных, которые нацелены на решение конкретных бизнес-задач.

Например, есть витрина для клиентской отчетности корпоративного банка, финансовая витрина. У этих витрин имеются свои регламенты по обновлению, свои бизнес-владельцы.

Ответов на вопрос, почему создаются отдельные витрины, несколько. Во-первых, потому что они действительно предполагают разные взгляды на одни и те же данные, и это очень важно. Во-вторых, каждая из них ассоциирована с различными параметрами регулярности обновления данных и их детализации. У них может быть разное количество пользователей, а значит, и разные требования к производительности. Сейчас хранилище содержит 65 терабайт данных, хотя пока это данные всего лишь за три года.

Чего мы достигаем в результате построения архитектуры «хранилище плюс витрины»? Конечно, это гибкость и масштабируемость. Если завтра у нас появится еще несколько направлений бизнеса или по тем или иным причинам нужно будет соединить маркетинг с корпоративным бизнесом, не должно возникнуть такого сценария, который потребовал бы существенной переделки существующего решения, это будет развитие платформы.

Далее речь идет об устойчивости к нагрузкам. Если, скажем, все продавцы из розничного направления разом начнут анализировать данные, это никак не должно помешать оперативной аналитической работе других подразделений. И это общее правило должно быть справедливо для всех.

Весь аналитический функционал, включая само хранилище и все имеющиеся витрины данных, наверное, приходится развивать в сотрудничестве не с одной и нес двумя ИТ-компаниями. Вопросами взаимоотношения сними тоже как-то надо управлять…

Детальный слой нашего хранилища мы развиваем в сотрудничестве с одной компанией, которая, пожалуй, является самым давним нашим партнером в сфере развития технологий BI. По сути их команда росла вместе с нашими аналитиками. Что касается витрин, то по каждой из них фактически работают отдельные партнеры. В этой политике есть целый ряд преимуществ. Во-первых, это избавляет от зависимости в отношении ИТ-поставщиков и соответственно страхует нас от их желания некорректно воспользоваться той или иной ситуацией (проще говоря, от шантажа по ценам).

Во-вторых, позволяет существенно и в короткие сроки наращивать ресурсы внедрения в том или ином направлении, если такая необходимость возникает.
Вместе с тем работу разных поставщиков действительно надо координировать. Мы это делаем в основном за счет выработки единых архитектурных принципов и формирования процессов, гарантирующих, что любой подрядчик будет вынужден обязательно их придерживаться.

Разумеется, на наших сотрудниках лежит ответственность за взаимодействие подрядчиков между собой.

Когда, например, одна команда дорабатывает детальный слой ядра хранилища, то другая, разрабатывающая новую витрину данных для корпоративного блока, должна иметь возможность в полной мере воспользоваться новыми наработками. Все это в основном вопрос наличия специалистов, ролевых функций, процессов и регламентов.

С развитием хранилищ, витрин и бизнес-аналитики в целом тесно сопряжена проблема обеспечения качества данных, которая является по сути самостоятельной.

Что вы могли бы сказать по этому поводу?

Моя карьера в Альфа-Банке началась с позиции начальника управления качества данных, поэтому я как никто другой могу многое рассказать о процессах обеспечения этого качества. Тема эта была актуальна и в 2009 году, и сейчас это один из важных процессов обеспечения бизнеса данными, которым он может доверять.

Управление качества данных входит в состав Центра BI и является одним из значимых и важных подразделений. Повышение качества данных — удовольствие для любой компании весьма дорогое, поэтому тут нужен очень взвешенный, рациональный ив значительной степени избирательный подход к тому, какие данные необходимо улучшать, каков должен быть целевой процент их качества для каждой задачи.

Более конкретно речь идет о двух активностях. Первая связана с проведением аудита качества данных по заказу бизнес-подразделений.

Мы рассматриваем, какие ошибки в последнее время возникали сточки зрения ввода и использования данных. Строим некоторую систему мониторинга. Что касается непосредственно решения проблемы, то всегда анализируем, что можно сделать автоматически, без участия человека. Где-то есть возможность добиться результата за счет автоматического запрета ввода определенных данных, где-то — посредством совершенствования пользовательского интерфейса. Большую роль здесь играет работа с мастер-данными, что позволяет брать из соответствующих справочников ключевые, многократно вводимые данные, а не вводить их вручную.

Приблизительно раз в квартал мы анализируем совокупность накопившихся доработок ИТ-систем и выходим с итоговыми предложениями по улучшению.
Вторая активность связана с обеспечением заданного качества данных по операциям ручного ввода.

Нашим менеджерам, работающим с ключевыми корпоративными клиентами, предоставлена большая свобода по самостоятельному выбору вариантов заключения сделки, и это как раз один из характерных примеров. Тут мы, как правило, анализируем всю цепочку в ручном режиме, смотрим, на каком этапе чаще всего совершаются ошибки, стараемся оперативно информировать об этом бизнес-подразделение, в том числе и в проактивном режиме.

При этом вся наша работа обязательно должна подкрепляться грамотными схемами мотивации клиентских менеджеров. Они должны быть заинтересованы в том, чтобы вводить правильные данные.

В последнее время бизнес начал понимать, что огромный потенциал скрыт в синергии информационных ресурсов разных компаний. Это понимание не в последнюю очередь происходит вследствие развития концепции Big Data, но в любом случае она затрагивает вопросы использования хранилищ данных.
Как вы прокомментировали бы это?

На мой взгляд, это интересное направление, и потенциал здесь весьма велик. Надо сказать, что бизнес Альфа-Группы в какой-то степени можно рассматривать как идеальную модель разнородных данных. Известно, что в группе помимо банка есть и оператор связи, и страхование, и ритейлеры, и другие компании. У каждой свои информационные ресурсы. Кроме этого к ним имеет прямое или косвенное отношение огромное количество внешних данных (прежде всего из социальных сетей и Интернета вообще). Совместный их анализ мог бы принести новые знания и определенные выгоды. На текущий момент мы рассматриваем это как потенциальные, еще не реализованные преимущества; до начала реализации необходимо будет решить целый ряд вопросов — правовых, касающихся информационной безопасности и технологий.

Что касается технологических аспектов, задач интеграции информационных ресурсов, сейчас на рынке много решений, предназначенных для сферы Big Data, конечно же это новое направление и при реализации будут возникать проблемы и сложности, но, на мой взгляд, по мере развития они будут решаться (так происходит со всеми новыми технологиями в начале использования).

Архитектурно мне представляется, что к классическим хранилищам будут постепенно добавляться слои, в основном наполненные неструктурированными данными из внешних источников. Соответственно найдут широкое распространение технологии, позволяющие работать с этой информацией как с единым логически связанным ресурсом.

Готовность бизнеса двигаться вперед по пути синергии данных также представляется интересным вопросом. Как известно, своими данными не любит делиться никто. Но главное, нам предстоит четко понять, насколько эффективно при том или ином сценарии синергии данных можно зарабатывать, где баланс между затратами и рисками, как правильно использовать вновь появляющиеся программные и аналитические инструменты. Ведь решение задач интеграции информации в масштабах огромного количества данных, извлечение из этой информации полезной аналитики — вещь более чем не дешевая, и без этого понимания осторожность бизнеса будет совершенно оправданна.