Применение OLAP-систем в банковской сфере

Российский банковский сектор развивается высокими темпами. С каждым годом растет список услуг, предлагаемых кредитными организациями населению и бизнесу. Нарастающая конкуренция заставляет банки применять эффективные методики оценки заемщиков, сокращать время принятия решений, использовать аналитическую отчетность для выработки стратегических планов.

Решения на базе OLAP-технологий позволяют автоматизировать процессы выработки решений по клиентам банка, находить закономерности в огромных объемах данных и эффективно управлять рисками:

• Консолидация данных. В состав OLAP-систем входит хранилище данных, c помощью которого можно консолидировать информацию из территориально распределенных подразделений и обогатить систему сведениями из множества источников данных, как внутренних, так и внешних. Мощные механизмы интеграции дают возможность получить данные практически из любого источника: от офисных программ до автоматизированных банковских систем.
• Аналитическая отчетность. В OLAP-системах поддерживаются десятки способов визуализации данных: таблицы, графики, диаграммы, карты, конструирование любых отчётов. Любой аналитический отчет обычный пользователь может получить после нескольких щелчков мышки, не прибегая к помощи IT-специалистов.
• Кредитный скоринг. OLAP-системы реализуют самые современные самообучающиеся алгоритмы, доказавшие свою эффективность в мировой практике. С их помощью строятся скоринговые карты, модели аппликационного и поведенческого скоринга на основе деревьев решений и нейронных сетей, автоматически находятся значимые факторы и подбирается оптимальный скоринговый балл. Это позволяет проводить выбранную кредитную политику и снижать уровень просроченной задолженности.
• Андеррайтинг. Перед скорингом заемщик, как правило, подвергается процедуре андеррайтинга на соответствие минимальным требованиям банка. Используя аналитическую платформу, можно создавать сценарий прохождения заявки заемщика, в котором фиксируются отклонения от кредитных правил и рассчитывается кредитный лимит. Благодаря интерактивной визуальной среде OLAP-систем правила андеррайтинга легко добавлять и модифицировать, не прибегая к помощи программистов. Интеграция такой подсистемы с системой ввода кредитных заявок в несколько раз сокращает время рассмотрения заявок.
• Прогноз остатков на счетах. Для управления ликвидностю банка нужно прогнозировать остатки на счетах клиентов. Взяв из банковской системы или хранилища данных информацию об ежедневных остатках, OLAP-система преобразует ее во временные ряды, и аналитик получит возможность построить прогноз остатка на будущее. Для этого в OLAP-системы включаются разнообразные методы прогнозирования: статистические, эконометрические, нейросетевые.

OLAP-системы способны решить и другие задачи, актуальные для банков, кредитных брокеров и финансовых организаций: программы лояльности и кросс-продажи кредитных продуктов, управление портфелем ценных бумаг, выявление мошеннических схем, оценка прибыльности инвестиционных проектов, скоринг юридических лиц и многие другие.