Новая жизнь банковского хранилища данных, или хранилище данных как RegTech-платформа

О перспективах развития хранилищ данных в современном цифровом банке в интервью Национальному Банковскому Журналу (NBJ) рассказал генеральный директор компании Intersoft Lab Валерий Чаусов.

Валерий Чаусов: «Я бы назвал технологию хранилищ данных одной из базовых regtech-технологий, имеющих серьезные перспективы развития»

– Законы ИТ-рынка таковы, что на вершину популярности возносится весьма ограниченный перечень концепций и технологий. На наших глазах топовые в недавнем прошлом технологии хранилищ данных и бизнес-аналитики уступили место облачным вычислениям, in-memory аналитике, а далее блокчейну, интернету вещей, большим данным и искусственному интеллекту. Значит ли это, что правы оказались эксперты, которые предсказывали близкую гибель традиционных хранилищ данных?

– Эксперты явно поспешили с выводами. Традиционные хранилища данных (ХД) прочно занимают свою нишу, не конкурируя с технологическими новшествами, а напротив, гармонично дополняя их. Технологии Big Data могут быть исключительно полезны для анализа неструктурированных данных, но для целого ряда практических задач необходимо объединять данные из нескольких источников (как традиционных, так и неструктурированных), сделать это проще всего в ХД. Хорошим примером является клиентская аналитика, требующая привлечения данных о транзакциях клиента, его кредитной истории, а также оцифрованной информации из социальных сетей и других медиаисточников. Другой пример: всем очевидны преимущества, которые обеспечивает технология in-memory аналитики в части оперативности анализа данных. Но для ряда задач, особо требовательных к качеству данных, она не подходит. А вот технология хранилищ данных обеспечивает очистку, выверку и необходимую «предпродажную» подготовку данных. Традиционные ХД остаются востребованными потому, что у банка всегда будут задачи, решать которые проще «на» хранилище данных. В первую очередь они связаны с построением управленческой и регуляторной отчетности, финансовым планированием, риск-менеджментом. Другими словами, современное ХД – это решение категории must have для банка, один из системообразующих компонентов ИТ-инфраструктуры.

– Тезис о ценности данных как одного из ключевых активов организации хорошо известен. Для банков как для предприятий, не относящихся к реальному сектору, весь бизнес должен строиться вокруг данных и динамически управляться ими. Сможет ли традиционное хранилище данных обеспечить необходимую мобильность бизнесу и поддержку его новых направлений?

– Давайте разберемся. Основная бизнес-ценность хранилища – это именно данные, которые в него собираются. Причем бизнес-ценность этих данных можно многократно повысить при их обогащении новыми аналитическими признаками, вычислении на их основе разного рода показателей, использовании данных ХД в прогностических моделях любой сложности. Для всех задач аналитики (кроме задач, требующих анализа в реальном времени, которых у банка не очень много) данные ХД могут быть с успехом использованы. Это один аспект, связанный с многократным повторным использованием данных ХД. Есть другой ракурс, связанный с мета– данными. Правильно организованное хранилище опирается на отраслевую модель данных. Модель может быть легко расширена при возникновении новых бизнес-задач путем добавления необходимых атрибутов, сущностей и связей. ХД не только должно уметь расширяться, оно просто обязано расти вместе с бизнесом. Примером успешного развивающегося ХД является решение, построенное на базе ПО Intersoft Lab в Банке «Санкт-Петербург». На первом этапе проекта предусматривался сбор данных бухгалтерского учета, клиентских данных и данных по кредитным договорам, тем самым была удовлетворена потребность департамента кредитных рисков в анализе корпоративного и розничного портфелей. Для поддержки задачи контроля показателя краткосрочной ликвидности по Базелю III и вычисления кодов усреднения для расчета обязательных нормативов ликвидности банк самостоятельно расширил метамодель ХД. Следующим этапом развития хранилища данных явилось расширение метамодели под задачи розницы, в том числе для контроля транзакций по пластиковым картам и анализа программ лояльности. Этот пример иллюстрирует, что корпоративное ХД – это технологическая основа, вокруг которой может быть выстроена дата-центричная архитектура кредитной организации.

Формирование такой архитектуры – длительный, но неизбежный процесс, в основу которого должно быть положено построение общей модели ключевых бизнес-данных банка.

– Многие последние инициативы Банка России стимулируют финансовые организации правильно работать с данными. Вспомним хотя бы недавнее внедрение в НФО стандартов XBRL для отчетности. Можно ли в связи с этим говорить о том, что варианты использования ХД будут расширяться в сторону поддержки регуляторных требований?

– Очень правильный вопрос. Поддержка дата-центричной технологии XBRL – только одно из очевидных применений ХД, которые являются идеальной средой для сбора, выверки и подготовки к отправке регулятору отчетных данных любой гранулярности.

Регуляторная нагрузка на финансовые организации постоянно увеличивается, а с ней растут затраты банков на обеспечение соответствия регуляторным требованиям. По оценкам западных экспертов, трудозатраты на поддержку GRC составляют 10-15%, думаю, что в России они еще выше. Сегодня в большинстве предложений ХД ограничиваются автоматизацией процесса подготовки отчетности по РПБУ. Речь идет в первую очередь о сложных формах отчетности, требующих объединения данных разных учетных систем. Это обеспечивает существенное сокращение затрат банков. Но на задачи поддержки регуляторных требований надо смотреть шире. Я бы назвал технологию хранилищ данных одной из базовых RegTech-технологий, имеющих серьезные перспективы развития.

– Мы привыкли, что в контексте RegTech чаще всего упоминаются технологии, поддерживающие AML/KYC/CDD. Поясните, для каких еще задач, кроме подготовки регуляторной отчетности, может быть полезно ХД?

– Перечень RegTech-запросов очень широк. Прежде всего это задачи риск-менеджмента, включая управление процентным риском, риском ликвидности, экономическим капиталом банка. Далее идут напрямую связанные с управлением рисками задачи финансового планирования. Общеизвестно, как сложно построить реалистичный план банка, сбалансированный по множеству параметров, в том числе по риск-аппетиту, вести планирование с заданной степенью детальности, учесть поведенческие особенности клиентов, прогнозы макроэкономической ситуации и выйти на целевые показатели эффективности. Нельзя не упомянуть и задачу подготовки отчетности по IFRS 9.

Все перечисленные задачи отличаются повышенной трудоемкостью, большим процентом ручного труда, связанного со сбором, подготовкой и анализом данных. Все они предъявляют повышенные требования к агрегации данных и обработке больших объемов данных, управлению ими, требуют быстрого просчета и сопоставления многочисленных сценариев. В сфере RegTech сегодня стартапы составляют абсолютное большинство. Но есть и традиционные вендоры, к числу которых относится и компания Intersoft Lab, постоянно развивающая свои продукты. Так, поддержка пере– численных задач реализована в новейшей, четвертой версии платформы «Контур», которая готовится к выходу в начале следующего года. Корпоративное ХД имеет все шансы постепенно трансформироваться в полноценную RegTech-платформу.