Czy nadal możemy opierać się na przeszłości przewidując przyszłość?

Simon Doherty z firmy Teradata twierdzi, że banki po kryzysie potrzebują nowych sposobów pozyskiwania wartości ze swoich danych.

Jeśli poprosiłbym, abyście zamknęli oczy - a potem, nadal mając je mocno zamknięte powiedzieli mi, co zobaczycie, gdy je otworzycie, moglibyście jedynie zgadywać. Waszym najlepszym założeniem mogłoby być, że wszystko będzie tak samo jak przedtem. A jednak w tej krótkiej chwili mogło się wydarzyć praktycznie wszystko.
W rzeczywistości nikt w biznesie, a szczególnie w branży bankowej, w ciągu ostatnich dwóch czy trzech lat nie mógł powiedzieć, że życie - czy rynki - da się przewidzieć z całkowitą pewnością. A mimo to nadal polegamy w dużej mierze na wzorcach z przeszłości, by ułatwić sobie przewidywanie przyszłych zdarzeń i zachowań.

Większość technik analitycznych, z których korzystamy w celu stworzenia środowiska business intelligence w branży usług finansowych obejmuje spojrzenie wstecz na wydarzenia z przeszłości i modelowanie przyszłości na podstawie tych danych. Eksploracja danych na przykład, jest działaniem bardzo wartościowym, ale oparta jest na tym, co już się wydarzyło, a po kryzysie finansowym, świat jest miejscem innym niż dawniej i rezultaty nie są takie pewne.

Nie zmienia to jednak faktu, że same dane są dużą wartością; wskazuje raczej na to, że powinniśmy korzystać z nich w bardziej przemyślany sposób. Być może dane to jeden z tych zasobów, które są warte więcej po kryzysie niż przed nim. Podczas pewnego, szczególnie nerwowego tygodnia na samym początku kryzysu, jeden z banków poinformował o ponad 600% wzroście ilości zapytań analitycznych do bazy danych, co było efektem tego, że menedżerowie wyższego szczebla, akcjonariusze i politycy szukali odpowiedzi na pytania, jak wszyscy inni, związane z zaistniałą sytuacją.

Banki i inne instytucje finansowe, posiadające jedynie działające systemy informatyczne badające dane operacyjne, lub takie, w których dane przechowywane są tylko w bazach w konkretnych działach, są teraz w bardziej niekorzystnej sytuacji. Systemy badające dane operacyjne muszą bardzo dobrze wykonywać swoje zadania, takie jak prowadzenia rachunków bieżących. Dostosowane są do tego, by odpowiadać na pytania, o których my wiemy, że zostaną zadane. Ale gdy wziąć pod uwagę całość przedsiębiorstwa to nikt nie wie, jakie pytania mogą być istotne w przyszłości, a to już wymaga innego podejścia od strony technologicznej.

Jeśli dałbym ci talię kart i poprosił o wyszukanie trójki kier, to przeszukanie talii w celu odnalezienia tej karty zajęłoby ci pewną chwilę. System roboczy wie, że zapytam o trójkę kier i ma ją przygotowaną na wierzchu talii. Jednakże, co by się stało, gdybym poprosił o inną dowolną kartę, na przykład asa pikowego? System roboczy nie jest przygotowany na to, by odpowiadać na takie losowe pytania, natomiast hurtownia danych - owszem, i stosuje w tym celu odpowiednie metody. Pracę hurtowni danych można porównać do rozdania każdej z 52 kart jednej osobie, tak, że ktoś podejdzie natychmiast z dowolną żądaną kartą.

W ten sposób działa przetwarzanie równoległe w korporacyjnej hurtowni danych. Nasze narzędzia analityczne nie są nastawione na żaden standardowy rodzaj pytań, bo takie pytania nie istnieją. Są zamiast tego zaprojektowane tak, by zareagować jak najszybciej się da na to, czego się nie spodziewają.

Dzięki temu można tworzyć repozytoria zintegrowanych danych o szerokim zakresie, dla całej organizacji, które mogą odnosić się do skomplikowanych kwestii takich, jak ryzyko, zgodność z przepisami czy zarządzanie finansowe - a nawet wspomagać kształtowanie projektowania przyszłych produktów czy usług.

Prawdziwą sztuką jest umiejętność wykorzystania tej ogromnej różnorodności danych, by pomóc przewidzieć zdarzenia, zanim będą miały one miejsce. Na przykład, dane pobrane ze strony internetowej można wykorzystać w celu powiadomienia centrum obsługi klienta o tym, że kiedy skontaktuje się z nimi klient to będzie on zainteresowany, powiedzmy, kredytami hipotecznymi czy ubezpieczeniami, albowiem to te produkty wskazywał kursor jego myszki. Jeśli te “dane sytuacyjne” da się połączyć z rentownością tego konkretnego klienta i poziomem jego chęci do zakupu, wtedy takie dane warte będą jeszcze więcej.

To samo dotyczy analizy ryzyka kredytowego. Banki mogą wyprzedzić przyszły problem przez powiązanie najświeższych danych, takich jak wzorce zachowań konsumenckich, ilość sytuacji, w których klient podejmuje środki z bankomatu czy ilość wizyt na koncie internetowym, z danymi analitycznymi z różnych źródeł, takimi, jak zdolność kredytowa i łączna wysokość posiadanych kredytów.

Powiązanie rentowności z danymi o ryzyku jest także szczególnie istotne w świecie po kryzysie kredytowym. Odpowiednio integrując posiadane informacje banki mogą poprawić swoją zdolność zarządzania kapitałem, zapewniając sobie większe zyski i chroniąc się przed nieoczekiwanymi stratami w niebezpiecznym środowisku.

Jednakże, jednym z głównych powodów, dla których obecnie hurtownie danych są ważniejsze niż kiedykolwiek, jest fakt, że są to inwestycje w przyszłe zmiany. Po stworzeniu własnej hurtowni danych nie odczuwa się już żadnych ograniczeń w zakresie ilości zadań związanych z zarządzaniem zdarzeniami, z obliczeniami, analizami, tworzeniem sprawozdań czy podejmowaniem decyzji, jakie będzie ona obsługiwała. W efekcie to, co dla jednego banku może stanowić znaczne wyzwanie, dla innego może być drobnostką, która dzięki pomocy hurtowni danych zostanie błyskawicznie rozwiązana.

Na przykład, pewien europejski bank, który znam, musiał wdrożyć oprogramowanie by spełnić istotne wymaganie regulacyjne. Nie posiadał korporacyjnej hurtowni danych, a na wdrożenie takowej nie wystarczyło już czasu. Musiał w zamian uciec się do indywidualnego rozwiązania problemu, pomimo tego, że wymagało to stworzenia dziesiątek tysięcy linii kodu danych. Kilka lat później weszły w życie dalsze regulacje, co spowodowało kolejny, znaczny problem dla tego banku. Z drugiej strony, inny podobny bank, który wdrożył rozwiązanie hurtowni danych na początku procesu praktycznie nie dostrzegł tych niedawnych zmian regulacyjnych, bowiem zgodność stała się błahą kwestią.

Nie ma wątpliwości, że żyjemy w dobie konsolidacji - nie tylko w zakresie różnych banków i innych instytucji, ale też w obrębie działów i funkcji. Łączenie i integracja danych w obrębie hurtowni danych jest tego produktem ubocznym. Na przykład, przepisy globalnej umowy kapitałowej Bazylea II, a także przepisy kolejnej Bazylea III, często wymagają sprawozdawczości od działów finansowych, natomiast od ekspertów ds. ryzyka - danych do przeprowadzenia wymaganych obliczeń.

Przeprowadzenie tych obliczeń wewnątrz hurtowni danych, w której wszystkie informacje dostępne są w mgnieniu oka, jest zupełnie rozsądne. Nie tylko przechowuje ona wyniki, ale także dane wejściowe i same obliczenia, zapewniając przejrzystość i wgląd w to, w jaki sposób uzyskano wyniki i jakie kroki do nich prowadzą.

Dane to towar, który nabiera objętości. Objętości dostępnych danych wzrosły znacznie wraz ze zmianami takimi jak coraz intensywniejsze wykorzystanie aplikacji bankowości internetowej i wydaje się, że nadal będą one rosły, w efekcie naszego bieżącego zainteresowania mediami społecznościowymi i łączności sieciowej. Teraz banki i inne przedsiębiorstwa muszą sprawić, aby te dane lepiej dla nich pracowały.

Kiedyś błędna obiegowa opinia głosiła, że branża korporacyjnych hurtowni danych jest sama w sobie ryzykowna. Jednakże dzięki zdobytemu w ostatnich latach doświadczeniu i wiedzy, specjaliści, tacy jak Teradata, byli w stanie rozwiać wszelkie niejasności, jeśli rzeczywiście w ogóle istniały.

Przyszłość niesie ze sobą ryzyko tego, że nie zdamy sobie sprawy z rzeczywistych możliwości, jakie ona oferuje; a konkretnie z tego, że nie będziemy w stanie znaleźć odpowiedzi, zanim znajdzie je konkurencja. Zwycięzcami będą ci, którzy wytyczą ścieżki do tych odpowiedzi; nawet jeśli jeszcze nie mają pojęcia o tym, jakie mogą być pytania.

Źródło: TERADATA
Autor: Simon Doherty - kieruje Centrum Kompetencyjnym dla Sektora Finansowego Teradata EMEA. Przez 18 lat pracy dla banku NatWest odpowiedzialny był za wspieranie projektów związanych z hurtowniami danych na wielu płaszczyznach biznesowych. Jest uznanym ekspertem ds. zarządzania ryzykiem i finansami, i tym zakresie pracował dla wielu instytucji finansowych w Europie.

PRZECZYTAJ RÓWNIEŻ:


Back to top