the Retail Finance

Управление клиентскими данными – ядро эффективной инфраструктуры

Развитие подходов к построению банковской инфраструктуры напоминает классическую спиральную модель эволюции. У истоков автоматизации при помощи средств вычислительной техники решались отдельные задачи. Затем появилась централизованная инфраструктура на основе mainframe. Пик использования централизованных систем на основе комплексных приложений пришелся на середину 80-х годов. Уже тогда появились централизованные клиентские базы (или, как их называют, «мастер-базы»). Поддержание их целостности давалось сравнительно легко, поскольку большинство процессов протекало внутри единого приложения. Внешние подсистемы играли вторичную роль и безоговорочно подчинялись центральному серверу. Тут справедливости ради нужно ответить, что в силу ряда причин, а именно – отсутствия коммерческих банков и нерыночной экономической системы, данный этап эволюции в России был во многом упущен. Это позволило бурным цветом расцвести распределенной модели инфраструктуры, что в сочетании с отсутствием культуры централизации во многом сформировало современную проблематику банковского ИТ-департамента, обычно сформулированную как «зоопарк систем». Когда стало очевидно, что огромное количество информационных систем, построенных на разных стандартах для отдельных задач, не справляются с вызовами реальной экономической действительности, идея централизации снова начала набирать силы. Конечно, за прошедшее время объем решаемых прикладными системами задач многократно увеличился, и ни один CIO не решится строить «супермозг» с единой базой данных. Хороший результат показала тактика уменьшения количества используемых подсистем за счет перехода на промышленные решения с их одновременной интеграцией. Казалось, достаточно было применить основанное на стандартах программное обеспечение связующего слоя, обеспечивающее эффективный и управляемый межсистемный обмен информацией. Однако технического совершенства SOA-архитектуры оказалось недостаточно для поддержания логической целостности мастер-данных (данных, являющиеся ключевыми для нескольких систем). Причем если зарубежные банки, строя децентрализованную систему, по мере возможности опирались на культуру mainframe, то в постсоветском пространстве все строилось буквально с нуля, поэтому и проблема мастер-данных стоит острее.
 
Для чего нужны системы управления мастер-данными?
 
Аналитики утверждают, что существенную часть любого ИТ-проекта занимает работа с мастер-данными. Их сбор, выверка, приведение к необходимому формату, загрузка не только занимают 20–50% от общего объема проектных работ, но в большинстве случаев решаются преимущественно внутренними ресурсами банка, которые, как мы знаем, всегда ограничены. Часто для консолидации данных (в первую очередь клиентских) требуется привлекать представителей бизнес-подразделений, что существенно повышает проектные риски и снижает удовлетворенность потребителей услуг ИТ-департамента. Самое досадное, что по завершении очередного проекта данная задача никуда не уходит, а в полный рост встает в новом проекте. При этом «чистые» данные, перенесенные в новую систему, в процессе внедрения стремительно теряют свою актуальность. Кумулятивные затраты на работу с мастер-данными за период, охватывающий несколько проектов, являются впечатляющими.
 
Для устранения подобных ситуаций созданы специализированные системы управления мастер-данными (Master Data Management). Задача решается всего один раз, путем создания процесса управления клиентскими данными. В итоге все новые ИТ-проекты получают «ускоритель» – стандартизированный источник мастер-данных. Вот некоторые эффекты, которые можно получить при внедрении MDM-системы в зрелой ИТ-инфраструктуре, интегрированной на основе промышленной шины. Эффект того, что позволяет добиться внедрение MDM в дополнение к существующим интеграционным механизмам, можно увидеть на рисунке 1.
 
Кроме того, в разы снижается риск несоответствия процедурам работы с клиентскими данными. Например, Toyota Bank в США принял решение о внедрении системы Oracle MDM, поскольку ужесточение требований к обработке персональных данных потребовало введения строгих процедур управления рассылками. Большинство банков были просто вынуждены отказаться от проведения прямых рассылок, чтобы избежать риска судебного преследования. Но Toyota Bank выбрал другой путь. Внедрение МDМ-системы позволило банку обеспечить исполнение всех необходимых процедур и существенный рост бизнеса благодаря эффективному использованию канала прямых рассылок, недоступных большинству банков в регионе.
 
Структура MDM-системы
 
Что же представляет собой система управления мастер-данными? Обычно разделяют две составляющие МDМ-системы. Первая – это, собственно, бизнес-логика, содержащая правила решения конфликтов целостности данных, автоматические правила слияния и преобразования данных, рабочее место администратора данных, принимающие и раздающие интерфейсы, подсистему мониторинга и контроля прав доступа, а также многие другие функции, необходимые для автоматизации процесса управления данными. Это действительно сложный процесс, требующий постоянного внимания, развития и выделенных специалистов, непрерывно занятых поддержкой и развитием процесса управления мастер-данными. Однако стоит заметить, что, как только в организации появляется источник данных, которому можно доверять, резко растет спрос на качество этих данных, поскольку появляется возможность автоматизировать критически важные для бизнеса процессы.
 
Вторая часть МDМ-системы – это очистка. Она обеспечивает дедубликацию записей, стандартизацию форматов данных (например, разбор строки адреса на индекс, город, улицу и дом), а также приведение к установленным нормам нормативно-справочной информации (НСИ). Одним из вариантом таких НСИ является справочник КЛАДР – классификатор адресов Российской Федерации.
 
Шина данных обеспечивает сбор данных об имении мастер-данных, а также стандартизацию формата поступающих сообщений. Это позволяет обеспечить, с одной стороны, работу в режиме реального времени, что особенно важно при обслуживании клиентов на фронт-офисе и удаленных каналах. Данные необходимо как минимум собирать из всех систем, где допускается изменение мастер-данных, и распространять в те системы, где это необходимо. Такой подход получается весьма изящным, поскольку не все системы могут обеспечить должный уровень изменений. Но даже если одна из систем банка не поддерживает слияния дубликатов даже после обнаружения, то мы можем либо актуализировать оба дубля, либо не делать с ними ничего, поскольку в МDМ-системе хранится ключ записи, что позволяет объединять в аналитике транзакционные данные по ключу клиента и видеть актуальную аналитику.
На рисунке 2 представлена принципиальная схема построения МDМ-системы.
 
Последнее время наблюдается резкий рост спроса на МDМ-системы. Только за минувшие 12 месяцев платформу Oracle MDM уже выбрали 2 из 10 крупнейших российских банков. Однако ошибочно считать, что МDМ-системы – удел только крупных банков. Среди клиентов Oracle, использующих МDМ, есть средние банки, не входящие в ТОП-30. Подобный спрос, с нашей точки зрения, обусловлен, с одной стороны, переходом интеграционных проектов от количества в качество среди банков, добившихся успехов в переходе к SOA-архитектуре, и подтвержденной эффективностью МDМ-систем, с другой стороны. На данный момент Oracle предлагает лучшее решение задачи управления мастер-данными. Целостный комплекс способен закрыть все задачи построения системы управления мастер-данными, начиная от аппаратного обеспечения, шины данных, МDМ-приложения, системы очистки данных. В комплексе данное решение обеспечивает блестящие показатели TCO, при этом можно использовать отдельные блоки решения, основанные на стандартах, способные вписаться
в любой ИТ-ландшафт.
 
Стратегия Oracle – удовлетворять потребности клиентов
 
Важно знать своего клиента как можно лучше, в том числе и его настроение, мнения и т.п., чтобы предложить ему именно тот продукт, который ему необходим, и предложить его вовремя. Расширяя возможности банков по анализу клиентов, Oracle постоянно расширяет продуктовую линейку, предлагая не только программные решения в области CRM, но и оптимизированные программно-аппаратные комплексы, позволяющие банкам обрабатывать огромные объемы информации из Интернета, в том числе и социальных сетей. Таким образом, Oracle отвечает на растущую тенденцию активного использования возможностей социальных сетей – с одной стороны, для маркетинга, привлечения клиентов, а с другой – для получения информации о клиентах. Каждый банк, который начнет использовать социальные сети для сбора информации о клиентах и более точного их сегментирования, столкнется с проблемой «больших данных» (Big Data). Социальные сети предлагают новые возможности, но чтобы эффективно их использовать, нужна технологическая готовность. Необходимо «отделить зерна от плевел», то есть выделить нужные данные из огромного массива неструктурированной информации. Корпорация Oracle уже предлагает ряд уникальных оптимизированных программно-аппаратных комплексов, ориентированных на решение этой задачи. Так, осенью 2011 года во время ежегодной конференции Oracle OpenWorld был анонсирован Oracle Big Data Appliance с пакетом программного обеспечения Oracle Big Data Connectors в сочетании с оптимизированными программно-аппаратными комплексами Oracle Exadata Database Machine (машина базы данных, обеспечивающая беспрецедентную производительность и масштабируемость), Oracle Exalogic Elastic Cloud (высокопроизводительная платформа для Javа-приложений) и Oracle Exalytics
In-Memory Machine (оптимизированный программно-аппаратный комплекс, который демонстрирует беспрецедентную производительность при аналитической обработке данных в оперативной памяти и выполняет визуальный анализ «со скоростью мысли» в режиме реального времени, позволяя создавать новые типы аналитических приложений) предоставляет заказчикам все необходимое для получения, систематизации и анализа «больших данных» в рамках всего корпоративного информационного массива. Конечно же, представленные комплексы позволяют решать не только задачи работы с социальными сетями и веб-ресурсами, в том числе и такие классы задач, как борьба с мошенничеством (Fraud-management), повышение качества обслуживания клиентов за счет анализа информации из call-центра, портала, интернет-банкинга, а также задачи по анализу кредитных рисков, конкурентов и т.п.
 
Кроме того, Oracle продолжает уделять большое внимание предоставлению самых передовых в мире бизнес-приложений для управления взаимоотношениями с клиентами – Oracle CRM, поставляемых в общедоступной среде облачных вычислений. Являясь частью набора интегрированных сервисов Oracle Public Cloud, корпоративные CRM-приложения предлагают заказчикам все преимущества модели SaaS («программное обеспечение как услуга») без каких-либо ограничений, свойственных SaaS CRM-решениям, которые разрабатывались раньше. Новые сервисы облачных вычислений дают всю мощь и функциональные возможности самых передовых бизнес-приложений Oracle на основе простой и удобной модели подписки без необходимости приобретения аппаратных средств или технической поддержки программного обеспечения. Oracle Fusion CRM Cloud Service помогает менеджерам по продажам превзойти конкурентов благодаря более интеллектуальному подходу к планированию, поиску потенциальных клиентов, сотрудничеству и завершению сделок. Встроенные средства бизнес-аналитики обеспечивают не имеющую аналогов информационную поддержку для принятия решений в области планирования и управления продажами, что позволяет менеджерам и руководителям отделов продаж более умело и результативно выполнять свою работу. Также Oracle предоставляет всю инфраструктуру как на аппаратном, так и программном уровне для построения облака (как частного так и на публичного) для реализации всех типов облачных вычислений: SaaS, PaaS, DBaaS, IaaS. В целом архитектуру решения можно представить следующим полным стеком продуктов Oracle на всех уровнях сервисов в облаке (см. рисунок 3).
Комментарии (0)добавить комментарий
Ваш комментарий
Автор
Введите число на картинке

  • курсы
Знач. Изм.
USD ЦБ РФ 28/03 92.59 0.0174
EUR ЦБ РФ 28/03 100.27 -0.1417