У меня всегда была мечта: утром прийти в офис, взглянуть на экран и увидеть актуальное состояние того, что сейчас происходит в бизнесе. Максимально просто и максимально наглядно», – поделился директор по развитию систем аналитики и отчетности банка «Открытие» Алексей Благирев. Выступая на форуме Big Data 2015, организованном издательством «Открытые системы», Благирев рассказал о применении концепции «данные как сервис» и об информационном продукте Bank Insight, основная цель создания которого заключалась в том, чтобы менеджеры могли быстро понять, что сейчас происходит в бизнес-процессах, которыми они управляют.

Банк «Открытие» – один из самых динамичных розничных банков России, входящий в одноименную частную финансовую группу с суммарными активами свыше 3,6 трлн руб. В конце 2014 года группа «Открытие» завершила реорганизацию розничного банковского бизнеса: банк «Открытие» и Новосибирский муниципальный банк были присоединены к Ханты-Мансийскому банку. После реорганизации банк получил название «ХМБ Открытие».

Молчание данных

Изучение большинства «красивых» отчетов BI часто вызывает вопрос: что делать дальше с этой информацией? Данные молчат, какими бы «Большими» они ни были. Бизнес-аналитику необходимо своего рода озарение – инсайт (insight), что поможет перейти к дальнейшим действиям, убежден Благирев. Способы генерации таких озарений он разделил на три вида аналитических сервисов.

Алексей Благирев, директор по развитию систем аналитики и отчетности банка «Открытие»: «Данные поставляются тогда, когда нужно принять решение или осуществить контроль. Но основной смысл в том, чтобы привязать их к точке принятия решения».

Первый сервис – моментальный снимок состояния какого-либо объекта или бизнес-процесса (SnapShot).

Этот подход вырос из анализа инфраструктуры, но, по мнению Благирева, ничто не мешает использовать его и в бизнес-аналитике. Снимок бизнес-процесса можно сделать с любой перспективы, рассмотрев, например, сам процесс и все о нем или же его влияние на другие процессы.

Второй сервис – радар аномалий (Screening). Радар имеет ограниченный радиус действия и фокусируется на конкретном объекте или событии. При выявлении аномалии оперативно сигнализирует об этом пользователю.

Третий сервис – публикация набора данных для исследований (Zoom исследования).

Пользователи не всегда точно понимают, что именно они хотят исследовать. В этом случае им поможет подход «прочесывания» данных (data dredging), чтобы найти инсайты. Для этого им достаточно опубликовать сам набор данных по конкретному бизнес-процессу.

Помимо этого, первые два сервиса таят в себе проектирование конкретных наборов данных, которые также можно исследовать.

В первом случае пользователь получает статичный структурированный отчет с заданными параметрами, во втором – поток данных во времени, в третьем – определенный набор данных. Все вместе они позволяют получить взгляд на весь бизнес на 360 градусов, утверждает Благирев. Просто и надежно.

Озарение как информационный продукт

Инсайт можно получить, когда пользователь понимает правила игры. Для этого в «Открытии» используют концепцию «данные как сервис». Различные аналитические сервисы в банке собрали в единый ситуационный центр для управления бизнесом – единую информационную панель и назвали ее Bank Insight.

Навигационная панель позволяет пользователям переходить от сервиса к сервису, получая данные «точно вовремя» (just-in-time). Технологически Bank Insight построен на базе SAP Business Objects и распределенном хранилище данных.

«Мы взяли Business Objects и представили его в том виде, который удобен и понятен пользователю, – как обложку журнала, который хочется открыть», – сообщил Благирев. По сути, Bank Insight – это услуга, позволяющая с помощью аналитики отвечать на конкретные вопросы бизнес-пользователей, которые они задают себе регулярно.

Изначально такой подход было решено попробовать при создании ситуационного центра для контроля и координации процесса выдачи потребительских кредитов. Экспериментируя с разными способами подачи информации пользователям, аналитики поняли, что лучше всего, когда информация подается несколькими блоками: рейтинги (кто самый лучший), эффективность процесса и аномалии.

Начиная со сбора урожая

Благирев выделил несколько ключевых этапов цикла работы с Умными Данными (Smart Data), которые используются в «Открытии».

На первой стадии, называемой «сбором данных» (Data Harversting), проактивно собираются данные из разных источников, в том числе неструктурированных.

Для сбора данных необязательно иметь заказ на создание аналитического сервиса. Важно, чтобы пользователи не ждали, пока данные появятся в хранилище, и начали ими пользоваться.

«Именно поэтому “сбор урожая” нужно начинать до того, как вы определитесь с тем, какой информационный продукт планируете создать», – указал Благирев.

На второй стадии данные попадают в ситуационный центр по управлению эффективностью бизнес-процессов и возникающими аномалиями. На этом этапе проектируются аналитические сервисы, чтобы обеспечить управление ключевыми бизнес-процессами.

На третьей стадии данные публикуются для исследований. На этом этапе аналитики управляют циклом подтверждения гипотез, исследуют и ищут решения проблем, а по результатам публикуют кейс с инсайтами и, возможно, интегрируют полученную модель в ситуационный центр как новый сервис. Таким образом, возникает цикл накопления знаний на основании ранее полученных данных.

На четвертой стадии организуется управление аномалиями качества самих данных на протяжении всего цикла получения информации.

Все это происходит в соответствии с концепцией just-in-time – точно вовремя.

«Мы решили отказаться от термина real-time, так как он воспринимается пользователями по-разному, и заменили его термином just-in-time. Данные поставляются тогда, когда нужно принять решение или осуществить контроль, – говорит Благирев. – Но основной смысл в том, чтобы привязать их к точке принятия решения».

Пять компонентов озарения

Благирев выделил пять ключевых этапов создания сервиса данных Bank Insight.

  1. Необходимо сформулировать, что такое аномалия, и составить вопросы, на которые нужно регулярно получать ответ.
  2. Требуется описать бизнес-процесс, который нужно наблюдать. В банке используются нотации EPC (Event-driven Process Chains) или BPMN (Business Process Modeling Notation).
  3. Нужно сформулировать модель показателей и измерений (модель анализа). По мнению Благирева, модели не нужно придумывать с нуля, их уже известно много. Достаточно кратко описать показатели, которые измеряют эффективность бизнес-процессов, рейтинги таких показателей и измерения, в которых они имеют значение. При этом необходимо, чтобы показатели отвечали на поставленные вопросы. «По сути, это арбитраж вопросов об аномалиях, позволяющий судить о характере самих отклонений, чтобы генерировать оповещения для пользователей», – пояснил Благирев.
  4. Зафиксировать уровень «толерантности» к данным (SLA), включающий строгое время предоставления данных и требования к их качеству.
  5. Определить канал коммуникации инсайта для пользователя: через SMS, почту или выделенного сотрудника.

Конечный продукт – аналитический сервис данных, который может иметь разные формы представления и разные формы коммуникаций. Однако он обязательно должен побуждать к действиям, убежден Благирев.

И самое главное, Благирев призывает не заниматься анализом, когда запросы пользователей произвольны и все время меняются, а организовать аналитику как набор сервисов, которые отвечают на конкретные вопросы бизнеса по типу ITSM. Такие вопросы, как правило, стандартны в рамках той или иной функции, уникальные запросы встречаются редко. Это позволит лидерам организации и бизнес-аналитикам сфокусироваться на обслуживании знаний, которые формируются в рамках конкретных функций бизнеса.

 

Купить номер с этой статьей в PDF