Рынок банковской бизнес-аналитики не только выстоял в коронакризис, но подошел к своеобразному фазовому переходу. Им станет модернизация функций прогнозирования и сценарного моделирования, в том числе за счет применения методов машинного обучения (ML), для повышения гибкости и маневренности банковского бизнеса.
Наступивший год с точки зрения экономического развития будет, вероятно, крайне нестабильным из-за нарушения баланса в 2020 году. В этой связи ситуацию на рынке банковской бизнес-аналитики уместно рассматривать через призму мировых трендов, характерных для этого сегмента ИТ и банковской отрасли в целом.
Мировой банковский сектор вряд ли восстановится до докризисного уровня ранее 2023 года, считают в международном рейтинговом агентстве S&P Global Ratings.
Действительно, более половины финансовых менеджеров зарубежных банков, участников ежегодного опроса Syntellis, посвященного практике применения систем бизнес-аналитики, отмечают, что не ожидают роста прибыльности в 2021 году. По предварительной оценке 54% опрошенных, цели по прибыльности, поставленные на 2020 год, не будут достигнуты (исследование состоялось осенью прошлого года). Треть предполагает, что целевые показатели будут не выполнены на 10% и более.
Результаты опроса в очередной раз подтверждают неоднородность цифрового ландшафта в банках. Наиболее подготовленным к новым условиям ведения бизнеса оказались процессы и операции, связанные с взаимодействием с клиентами – именно это область характеризуется высоким уровнем цифровой зрелости. На противоположенном полюсе - финансовые и управленческие процессы, цифровая трансформация которых еще только начинается.
Весьма показательно, что, оценивая уровень готовности ресурсов и инструментов к работе в новых реалиях, участники опроса поставили технологии для анализа прибыльности на последнее место. С самой лучшей стороны показали себя каналы для коммуникации с клиентами и персоналом (таково мнение 71% опрошенных). Кроме того, 62% полагают, что смогли успешно адаптировать численность персонала к текущим потребностям. Менее оптимистично выглядит ситуация с бизнес-процессами – только 56% финансистов считают, что процессы были подготовлены к изменениям и минимизации рисков. Приблизительно столько же участников исследования (55%) высказались положительно об инструментах бюджетирования, прогнозирования, сценарного анализа и подготовки отчетности. Наименее подготовленными, как отмечалось выше, оказались средства для проведения анализа прибыльности. «За их готовность» высказались лишь 43% респондентов, «против» - 19% (это - самый высокий процент недовольных по сравнению с другими ресурсами и инструментами).
Ситуация в российских кредитных учреждениях во многом имеет схожие черты. Несмотря на то, что они в целом весьма благополучно завершили 2020 год, и прибыль приблизилась к прошлогодней, «час расплаты» может настать в этом году. В случае отмены регуляторных послаблений на рентабельности скажется «отложенная» необходимость досоздания резервов по кредитному портфелю. В результате, по оценке, АКРА в 2021 году ROE может упасть до 6,5%, а чистая процентная маржа до 3,5%.
Вместе с тем, не исключено, что относительно благоприятный год помог рынку банковской бизнес-аналитики не только удержаться на плаву, но и показать умеренный рост по числу проектов (рис. 1).
Рис. 1. Темпы роста рынка бизнес-аналитики по итогам 2020 г.
Для проектов внедрения систем бизнес-аналитики была характерна антикризисная направленность. Основными темами стала реализация требований регуляторов, включая актуальные задачи включая риск-менеджмента, а также управление расходами (см. рис. 2).
Рис. 2. Наиболее востребованные направления автоматизации на базе систем бизнес-аналитики в банках
Если проводить параллели с мировым рынком, можно заметить, что отечественные заказчики инвестировали как раз в те технологии и процессы, которые их зарубежные коллеги-финансисты обозначили как наименее подготовленные к новым реалиям.
Что год наступивший готовит
По мнению зарубежных экспертов, после потрясений 2020 года многие финансовые учреждения сосредоточатся на улучшении технологий и процессов, которые повысят гибкость и маневренность бизнеса в условиях неопределенности. В первую очередь, это - оперативное бюджетирование и прогнозирование (так считают 51% опрошенных финансовых директоров из упомянутого выше исследования Syntellis), а также сценарное моделирование «Что - если?» (49%).
.Еще одним направлением развития мирового рынка банковской бизнес-аналитики станет проникновение технологий интеллектуальной обработки данных в процессы финансового управления. Сегодня это область практически не освоена, но имеет огромный потенциал. Так, согласно данным опроса Американского центра производительности и качества (APQC) и Ассоциации финансовых профессионалов (AFP), только 8% опрошенных ими банкиров применяют методы машинного обучения (ML)/искусственного интеллекта (ИИ) в практике финансового планирования и анализа. При этом, по оценке McKinsey, встраивание в эти процессы технологий ИИ может дать рост продаж, сопоставимый с результатом от их применения непосредственно в продажах и маркетинге.
51% представителей финансовых учреждений, участвовавших в общеотраслевом опросе Dresner Advisory Services, считают, что встраивание механизмов ML в системы бизнес-аналитики будет иметь значительный положительный эффект, в том числе для повышения точности прогнозирования и еще большей автоматизации трудоемких процессов (рис. 3). По сравнению с другими отраслями финансовая отрасль более открыта к применению технологий ИИ.
Рис. 3. Оценка влияния технологий ИИ на системы бизнес-аналитики
В свете глобальных тенденцией, в российских банках можно ожидать спроса на автоматизацию прогнозной функции и сценарного моделирования. Что касается методов машинного обучения, то их применение будет оправдано в тех областях, где требуется обработка большого массива данных для прогнозирования риск-факторов и моделирования поведения окружающей среды. В наступившем году в дополнение к «классическому» финансовому планированию ими станут динамическое стресс-тестирование экономического капитала и другие задачи на стыке финансового управления, риск-менеджмента и регуляторной аналитики.
Источник - Intersoft Lab