Как устранить узкие места при цифровизации банков

Роман Волков - Глава представительства Pure Storage в России/СНГ и странах Балтии. Привычные подходы к рабочим процессам в финансовых организациях уже не актуальны. Розничные банки, страховые компании, инвестиционные компании и компании по управлению капиталом сегодня находятся под давлением в связи с необходимостью внедрения новых цифровых решений. Согласно данным Ovum «ICT Enterprise Insights», в банковском секторе зафиксирован рекордный показатель роста уровня развития цифровизации — 42%, который уступает лишь телекоммуникационной отрасли — 43,9%. Фото: depositphotos.com Благодаря применению ориентированного на данные подхода, трансформации производительности приложений и консолидации критически важных данных из разных источников (включая устройства интернета вещей, IoT), предоставляющие финансовые услуги компании теперь могут ускорять обработку данных, внедрять автоматизацию, предлагать индивидуальный подход и сокращать расходы. Во многом это будет достигнуто благодаря искусственному интеллекту (AI), машинному обучению (ML), роботизации процессов (RPA) и передовой аналитике. Согласно инициативе Министерства финансов РФ по ускоренному внедрению в финансовый сектор онлайн-технологий, к 2022 г. в России планируется полностью «оцифровать» отношения финансовых организаций как друг с другом, так и с клиентами, что позволит превратить банки в открытые «экосистемы», где каждый сможет видеть, чем занимается организация. Если говорить об уровне цифровизации банковского сектора, то, согласно 4-му выпуску международного обзора цифровизации коммерческих банков, проведенного международной сетью «Делойт», Россия входит в топ-10 в мире по цифровому банкингу. Несмотря на столь оптимистичную картину, необходимо знать об узких местах в процессе перехода на цифровую модель, что поможет более эффективно использовать новые технологии и добиваться еще более высоких результатов. Это касается не только лидеров рынка, которые в большей степени владеют знаниями и ресурсами для реализации этой задачи. Все игроки финансового сектора рано или поздно должны прийти к этому, чтобы сохранить свою конкурентоспособность. Наиболее развитые предприятия по всему миру осведомлены о потенциале своих данных в качестве средства повышения конкурентоспособности и получения информации о своих клиентах. Они также хорошо знают, что не все данные создаются одинаково. Чтобы построить самую современную IT-среду и получить максимальную пользу, важно понимать, что типы данных имеют различные требования к доступу, хранению и использованию. В этом плане финансовый сектор нуждается в доработке. Чтобы выживать и развиваться в современную эпоху, финансовые организации должны стать ориентированными на данные для решения всех ключевых задач, начиная от обслуживания клиентов и заканчивая внутренними операциями бэк-офиса. Ориентация на данные, использование трансформации производительности приложений и объединение важных данных из множества разных источников (включая IoT-устройства) откроют для компаний финансового сектора ряд новых возможностей. Речь идет об ускорении процессов, внедрении автоматизации, предоставлении персонализированных решений и сокращении расходов. Многое из этого будет достигнуто за счет применения технологий искусственного интеллекта, машинного обучения, роботизированной автоматизации процессов и продвинутой аналитики. Однако для использования инноваций необходим высокоскоростной и высокомасштабируемый доступ к огромным объемам пользовательских и коммерческих данных. Все это начинается с внедрения современных стратегий обработки данных в четырех критических областях. Повышение производительности Для ускорения процесса перехода на цифровые технологии финансовым предприятиям необходима платформа обработки и анализа данных, способная консолидировать, соединять и ускорять обработку данных, поступающих как из архивных, так и из текущих источников. Платформа должна иметь возможность принимать потоковые данные от устройств IoT и телеметрии. Она также должна предоставлять аналитику и задачи ИИ/МО по необходимости. Сегодня компании, предоставляющие финансовые услуги, внедряют платформы узлов данных для ускорения работы с информацией таким образом, чтобы повысить как производительность, так и экономическую эффективность. Это позволило некоторым из них, по сути, сократить время ожидания заданий для базы данных до менее чем 1 миллисекунды. Развитие искусственного интеллекта Любой инвестор сталкивается с постоянным давлением в целях повышения эффективности и доходов на высшем уровне. Чтобы справиться с этим давлением и идти в ногу с постоянно развивающимися рынками, все больше компаний внедряют модели, основанные на аналитике, которая предоставляет информацию, основанную на ИИ и машинном обучении. Более того, согласно заявлению компании Accenture, к 2035 году искусственный интеллект принесет финансовой отрасли $1,2 триллиона. Например, уже сейчас специалисты по количественному анализу просматривают большие данные, используя ИИ и машинное обучение для создания более быстрых инвестиционных стратегий, которые определяют выгодные возможности и уравновешивают риски. Искусственный интеллект, машинное обучение и предиктивная аналитика также дают новые возможности для улучшения прогнозирования и оптимизации торговых решений. Но ничего из этого невозможно сделать без быстрой обработки больших объемов данных из множества источников. Компаниям необходимы расширяемое хранилище для постоянно растущих объемов данных, а также высокоэффективная обработка для оптимизации машинного анализа и получения необходимых решений. Трансформация GRC (регулирующие системы, управление рисками, соответствие требованиям) Соблюдение нормативных требований требует больших ресурсов от финансовых учреждений. По оценке аналитиков, эти действия обходятся банковскому сектору в $270 миллиардов ежегодно. Более того, согласно недавнему отчету Thomson Reuters, специалисты по управлению рисками и соблюдению соответствия требованиям ожидают роста стоимости. Приоритетными, но дорогостоящими направлениями все также остаются пресечение мошенничества и преступной деятельности наравне с управлением рисками. Обе сферы требуют первоочередного доступа к данным и их обработке. Вследствие этого многие фирмы ускоряют идентификацию и предоставление градации ликвидных, партнерских, рыночных, а также кредитных рисков. Однако первостепенной задачей является организация незамедлительного доступа для всех приложений при минимальных затратах. К сожалению, не все финансовые компании могут позволить себе нанять больше людей для решения перечисленных проблем, вместо этого многие фирмы обращаются к новейшим технологиям регулирования, основанным на искусственном интеллекте и машинном обучении, чтобы автоматизировать часть процессов и дополнить уже существующие системы. Фактически 45% респондентов исследования Thomson Reuters, о котором упоминалось ранее, к 2021 году планируют инвестировать в автоматизированные решения GRC, которые обеспечивают не только комплексную стратегию автоматизации управления, рисков и соблюдения требований, действующих во всех функциональных подразделениях, но и гарантируют круглосуточный контроль за соблюдением установленных требований соответствия, регулировку масштабируемых возможностей и снижение затрат. Для того чтобы выделиться на конкурентном рынке, компании, предоставляющие финансовые услуги, должны использовать инновационные технологии, необходимые в нынешних реалиях. Цифровая трансформация и использование данных предоставляют организациям необходимое преимущество, помогающее фокусировать внимание на возникающих потребностях клиентов, а также получать более глубокую информацию и снижать риски при запуске новых услуг. Однако данные возможности требуют использования дополнительных сведений или, как их по-другому называют, «альтернативных данных», в число которых входит геолокация, принадлежность к социально-демографической группе, амбулаторная карта, посещаемость розничных магазинов и других специализированных сторонних источников. Для этого также требуется база данных финансового учреждения, которая может собирать, агрегировать и обрабатывать информацию в любом формате. Отправной точкой для внедрения инновационных технологий является высокопроизводительная и гибкая платформа хранения данных. Современные вычислительные среды должны состоять из перспективного планирования обработки данных, основанных на гибких моделях потребления в локальном, размещенном и общедоступном облаке, что позволит согласовывать рабочие нагрузки приложений с наиболее эффективными техническими возможностями. Важно отметить, что современные IT-среды должны гармонично функционировать не только с общим интерфейсом управления, но и с грамотно построенным дизайном, а также с услугами автоматической прогнозируемой поддержки. Технические возможности такого типа смогут обмениваться данными из множества источников и упрощать создание каналов данных для рабочих нагрузок искусственного интеллекта. Настало время внедрять данные вашей организации в рабочий процесс. Подписывайтесь на канал «Инвест-Форсайта» в «Яндекс.Дзене»