Rtdm что это такое

Миграция с SAS RTDM на Loginom. Шаг вперед в автоматизации риск-менеджмента. Кейс Альфа-Капитал

Существенное расширение функционала СППР, ускорение работы системы поддержки принятия решений в 6 раз, снижение текущих расходов и ликвидация зависимости от иностранного ПО как эффект миграции на Loginom.

Альфа-Капитал — инвестиционная компания, одна из крупнейших на рынке РФ, входит в консорциум «Альфа-Групп». По данным Издания институциональных инвесторов (Investment & Pensions Europe — IPE) Альфа-Капитал входит в ТОП-500 рейтинга мировых управляющих компаний. Специализация Альфа-Капитал — управление активами частных, институциональных и корпоративных инвесторов; инвестиции в ПИФы (паевые институционные фонды); управление активами негосударственных пенсионных фондов.

По состоянию на январь 2022 года Альфа-Капитал это:

• 873.8 млрд. руб. активов;
• 1.7 млн. клиентов.

Ситуация до старта проекта

Риск-менеджмент в финансовой компании — это непрерывный процесс, который состоит из четырех этапов: идентификация, анализ и оценка, реагирование на риски, мониторинг и контроль.

В рамках риск-менеджмента оцениваются как собственные риски компании, так и клиентские риски. Управление собственными рисками подразумевает поддержание финансовой устойчивости и недопущение кредитных, рыночных, операционных рисков, которые не соответствуют риск-аппетиту УК «Альфа-Капитал».

Управление клиентскими рисками состоит в обеспечении соответствия инвестиционных портфелей клиента уровню риска, определенному для каждого клиента согласно его инвестиционного профиля, а также недопущение критично высоких кредитных и рыночных рисков.

Автоматизация риск-менеджмента в Альфа-Капитал состоит в проектировании системы поддержки принятия решений (СППР), которая осуществляет формирование и валидацию поручений (ордеров) на проверку по двум критериям: достаточность денежных средств и рисковые ограничения. Если поручение проходит проверку на данным критериям, оно передается на исполнение. Если поручение не проходит проверку хотя бы по одному из этих критериев, оно возвращается на доработку.

Изначально в компании Альфа-Капитал система поддержки принятия решений была реализована на базе иностранного ПО — SAS Real-Time Decision Manager (SAS RTDM). Архитектура СППР была спроектирована следующим образом:

1. Функционал валидации поручений реализован в SAS RTDM.
2. Все источники данных (базы данных) соединены с SAS через промышленный стандарт взаимодействия Java-приложений JDBC (Java DataBase Connectivity) и вызывались в момент проверки ордера.
3. Расчет параметров для принятия решений происходил в момент проверки ордера.
4. В качестве внешнего провайдера финансовой информации использовался сервис Bloomberg.
5. Взаимодействие между личным кабинетом инвестора и СППР осуществлялось посредством веб-сервиса OSA по протоколу SOAP.

Проблема

Реализованная на базе SAS RTDM система поддержки принятия решений имела ряд существенных минусов:

1. В случае недоступности одного источника данных система выдавала техническую ошибку, ордера приходилось обрабатывать вручную.
2. СППР была недостаточно устойчивой к отказам, что неприемлемо для критически важного сервиса.
3. Логика принятия решений в СППР была сложной, требовала оптимизации.
4. СППР, на основе SAS RTDM, крайне тяжело масштабировалась.
5. СППР была негибкой, ее трудно быстро адаптировать в постоянно меняющихся условиях (например, согласно требованиям ЦБ РФ).
6. Не была внедрена обработка комплексных ордеров (в одном ордере множество договоров).
7. Стоимость ежегодного продления лицензии на SAS RTDM была критично высокой для компании.
8. Стоимость технической поддержки SAS RTDM также была высокой.
9. Присутствовали санкционные риски от использования иностранного ПО.

Недостатки решения стимулировали специалистов Альфа-Капитал искать замену SAS RTDM, а внешние факторы способствовали выбору именно российского ПО в качестве альтернативы.

Решение

В качестве полноценной замены SAS RTDM была выбрана аналитическая low-code платформа Loginom. Среди факторов, которые оказали влияние на решение, специалисты Альфа-Капитал выделяют следующие:

1. Интуитивно понятная low-code архитектура — дает возможность проектировать СППР, минимально используя написание кода.
2. Возможность настроить отказоустойчивость критически важного сервиса.
3. Поддержка интеграции с различными типами баз данных, с программным брокером сообщений Apache Kafka, поддержка протокола Rest API.
4. Наличие функционала создания собственных компонентов.
5. Высокая скорость обработки заявок в режиме реального времени.
6. Возможность настроить приоритетность обработки ордеров.
7. Удобный мониторинг за потоком ордеров и выявление ошибок.

В компании Альфа-Капитал разработка СППР и миграция с SAS RTDM на Loginom проходили в несколько последовательных этапов:

1. Планирование архитектуры системы поддержки принятия решений.
2. Проектирование СППР в Loginom.
3. Создание системы с предрассчитанными данными.
4. Настройка очередей обработки ордеров.
5. Интеграция СППР с внутрикорпоративным сервисом для расчета рисков MarketData по протоколу REST API.
6. Добавление дополнительного контура Loginom для обеспечения отказоустойчивости.
7. Организация взаимодействия СППР и Apache Kafka.
8. Добавление нового функционала обработки поручений из мидл-офиса управляющей компании capQORT и текстового редактора ATOM в СППР.
9. Функциональное и нагрузочное тестирование системы поддержки принятия решений.
10. Мониторинг СППР в системе визуализации данных Grafana.

Визуализация работы СППР была реализована с помощью Grafana. ПО визуализировало текущую длину очередей заявок в обработке; строило гистограмму распределения длительности обработки заявок, включая время ожидания в очереди; формировало гистограмму распределения длительности получения финансовой информации по ценным бумагам из MarketData; показывало логи ошибок СППР.

Схема архитектуры системы поддержки принятия решений, реализованная на Loginom, выглядит следующим образом.

Существенные изменения были реализованы в системе с предрассчитанными параметрами. Как упоминалось ранее, Альфа-Капитал столкнулась с проблемой, что если какой-то источник данных был недоступен, предыдущая СППР выдавала ошибку. При внедрении новой СППР на базе Loginom стояла задача избежать этой ситуации.

Для этого к базам данных подключили набор коннекторов для различных СУБД Debezium — это ПО категории CDC (Change Data Capture — захват изменения данных), развернули систему управления базами данных PostgreSQL и отдельную машину с Apache AirFlow — ПО для мониторинга и оркестрации операций по обработке данных.

Затем аналитики начали загружать в промежуточные таблицы в PostgreSQL только те данные, которые необходимы для расчетов. На каждой из промежуточных таблиц стоял триггер, который записывал в лог изменений строки с параметрами, которые поменялись. При этом Apache AirFlow использовался как оркестратор, который определял, какой алгоритм надо запустить для перерасчета той или иной строки. После отработки алгоритма перерасчета полученный результат сохранялся в СУБД PostgreSQL.

В итоге при получении CППР на базе Loginom какого-либо ордера, система через программный интерфейс доступа к базам данных ODBC обращается к PostgreSQL и оперативно получает ответ о состоянии счета и рисковым параметрам инвестиционного портфеля клиента. На основании данного ответа СППР принимает решение передавать ордер на исполнение или нет.

CППР на SAS RTDM поддерживала обработку разных типов одиночных ордеров (один ордер по одному договору): конвертация, покупка/продажа, обмен паев фонда. С внедрением Loginom был существенно расширен функционал системы поддержки принятия решений — добавилась обработка пула ордеров (в одном ордере множество договоров): получения из АТОМ, поручения РЕПО (REPO — Repurchase Agreement — «соглашение выкупа»), заявки из мидл-офиса QORT.

Для компании Альфа-Капитал критически важно было реализовать на базе Loginom отказоустойчивую СППР, которая могла работать в режиме 24/7. Согласно требованиям система должна:

1. Быть устойчивой к отказу отдельных процессов-обработчиков.
2. Автоматически выполнять повторную обработку заявки другим процессом-обработчиком в случае таймаута обработки заявки.
3. Поддерживать возможность повышения коэффициента резервирования компонентов для обеспечения отказоустойчивости.

Для реализации отказоустойчивости было развернуто два контура Loginom, запущена система управления контейнерами Launch Linux Kubernetes, которая через приложение для обнаружение сервисов Consul осуществляла мониторинг серверов. Если оба сервера доступны, Launch Linux Kubernetes распараллеливает поток ордеров и отдает их на обработку на 2 контура. Если какой-то из серверов недоступен Launch Linux Kubernetes перенаправляет поток ордеров на другой контур. Таким образом, была решена не только проблема отказоустойчивости, но и значительно увеличилась скорость обработки ордеров.

Результаты

По итогам миграции системы поддержки принятия решений на Loginom специалисты Альфа-Капитал выделяют следующие преимущества:

1. Значительное увеличение скорости обработки потока заявок — в 6 раз.
2. Создание резерва для 10-и кратного масштабирования СППР.
3. Существенное расширение функционала СППР (обработка ордеров из QORT и ATOM).
4. Быстрый вывод в production при внесении изменений в логику системы.
5. Обработка входящего потока заявок в параллельном режиме.
6. Возможность настройки приоритезации разных типов ордеров.
7. Настройка работы системы в режиме 24/7.
8. Обеспечение отказоустойчивости при недоступности отдельных источников данных.
9. Внедрение инструмента мониторинга за очередью ордеров, нагрузкой на систему, доступностью сервиса.

Специалисты Альфа-Капитал выделяют увеличение скорости обработки заявок как ключевой эффект от внедрения Loginom. При реализации СППР в SAS RTDM обработку пула ордеров невозможно было настроить. При миграции в Loginom этот функционал был спроектирован. В результате комплексная заявка из 7047 договоров на покупку/продажу была обработана платформой Loginom за 44 секунды.

При реализации СППР в SAS RTDM одиночный ордер на покупку/продажу обрабатывался в среднем за 2 минуты или 120 секунд. При миграции CППР на Loginom такой ордер обрабатывается с среднем за 20 секунд. Вывод: обработка одиночных ордеров стала быстрее в 6 раз.

Подробнее о миграции на Loginom в выступлении Ксении Мальковой, специалиста по автоматизации бизнес-процессов компании Альфа-Капитал:

Если ваша компания заинтересована в миграции на Loginom и внедрении системы поддержки принятия решений (СППР) на основе платформы, свяжитесь с нами.

Другие материалы по теме:

Кредитный конвейер на базе SAP CRM и SAS RTDM внедрен в Росевробанке

Это ускорит рассмотрение заявок и информационную поддержку клиентов. Теперь они будут получать письма и SMS, подтверждение решения и другую информацию на всех этапах рассмотрения заявки и подготовки сделки.

Новый процесс кредитования максимально автоматизирован. В работу «конвейера» включены консультирование клиента, подбор кредитного продукта, расчет его параметров, оформление заявки и принятие решения по ней, формирование электронного кредитного досье, а также выдача кредита. На каждом этапе контролируются необходимые документы и сроки, а затем формируются соответствующие задания сотрудникам. Также появились автоматические предварительные проверки по заявке, позволяющие снизить операционные расходы.

«Кредитный конвейер» позволит банку рассматривать до 100 тыс. заявок на беззалоговые кредиты в год.

«Новая технология базируется на решениях SAP CRM и SAS RTDM и встроена в действующую IT-архитектуру Росевробанка. Теперь процесс кредитования, начиная от консультирования клиента и заканчивая выдачей кредита, стал максимально автоматизирован. Это позволит нам сократить время рассмотрения кредитной заявки, а также повысить качество оценки заемщиков и снизить операционные затраты», – сказала начальник управления развития технологий розничного бизнеса Росевробанка Наталья Лучинец.

Гибкость и скорость на платформе low-code: как мы внедрили новый кредитный конвейер

Не знакомые с внутренней банковской кухней люди могут представить процесс кредитования рутинным: море сотрудников банка — андеррайтеров вручную рассматривают поступающие от клиента заявки и обращаются во всевозможные инстанции, чтобы подтвердить правдивость данных. На деле все выглядит совсем не так. Больше 90% заявок рассматривает машина. Так называемый кредитный конвейер. Технология, конечно, не какое-то ноу-хау Банка «Санкт-Петербург». Она внедрена в большинстве крупных финансовых организаций, но её логика, внутренние фичи и технологический стек разнятся в зависимости от уникальных идей команды, работающей над ней.

Руководитель дирекции поддержки массовых продуктов

Что такое кредитный конвейер?

Кредитный конвейер — это полностью автоматизированный процесс принятия решений по всем видам кредитов с возможностью создавать достаточно сложные логические цепочки, чтобы повышать уровень одобрения кредитов при минимизации рисков. В нашем случае машинного обучения внутри кредитного конвейера нет. В его основе лежит импликация — логика «если…, то…». Машина получает клиентскую заявку, затем обращается за информацией в Бюро кредитных историй и другие внешние сервисы, поставляющие данные о заемщиках, анализирует и, в зависимости от риск-стратегии банка, одобряет или не одобряет кредит.
Кредитный конвейер — это инструмент, благодаря которому можно не только отказаться от ручного труда, повысить доходность кредитных продуктов, но и увеличить скорость принятия решений и улучшить клиентский опыт.

Выбор технологического стека и ресурсы

Прежний конвейер был построен на базе Microsoft Dynamics CRM. То есть СРМ-система выполняла нетипичную для себя роль. На ПО для управления взаимоотношениями с клиентами нанизывалась логика принятия решения по кредитным заявкам. Если с простыми алгоритмами она справлялась, то, когда у Банка появились идеи, как улучшить процесс кредитования, как сделать новые продукты, оказалось, что мы упираемся в потолок возможностей этой системы. Невозможно было поддержать сложную логику или построить скоринговые модели с большим количеством факторов. Работала прежняя система (по сегодняшним стандартам) довольно медленно: скорость принятия решения исчислялась десятками минут. И кроме того, потихоньку технологически устаревала.
Поэтому было принято решение о переносе кредитного конвейера на новые рельсы. Банку нужна была новая платформа, чтобы иметь возможность реализовывать любые идеи бизнеса, которые могут принести доход, и соответствовать требованиям регулятора, которые с каждым годом усложняются. Новый кредитный конвейер Банка «Санкт-Петербург» построен на базе трех IT-платформ. Движение кредитной заявки полностью реализовано на low-code платформе WF Core, которая является самостоятельной разработкой российской компании CSBI. Решение SAS RTDM (SAS Real-Time Decision Manager) по факту стало мировым стандартом в области принятия решений, поэтому для реализации сложной логики принятия решения по кредитам и построения стратегий (алгоритмов кредитного процесса) была выбрана именно эта система. И, наконец, АБС «ЦФТ-Банк», в которой, собственно, и выдается сам кредит и ведется учет. Для онлайн-кредитования у нас подключается интернет-банк и мобильное приложение. Компоненты системы мы связали между собой шиной IBM.
Для реализации этого сложного проекта, помимо сотрудников Банка, были приглашены компании CSBI и GlowByte. Компания GlowByte давно зарекомендовала себя на рынке как передовой партнер по внедрению программного обеспечения, включая продукты компании SAS. Компания CSBI в этом проекте отвечала за комплексную автоматизацию кредитного процесса и за разработку пользовательских интерфейсов на базе платформы WFCore. Партнером также выступила компания «Неофлекс», отвечавшая за внедрение шины.
Платформа WF Core — яркий представитель low-code. Если no-code — это вообще конструктор (например, для создания сайтов), с которым разберется практически любой человек, то low-code подход заключается в том, что используется набор готовых инструментов, позволяющих реализовать сложную логику, быстро модифицировать, улучшать и расширять работу с бизнес-процессами и аналитикой. Нас это заинтересовало, поскольку с WF Core мы получали возможность гибко настраивать процессы, бизнес-логику и пользовательские интерфейсы с минимальным участием программистов. Кроме того, WF Core в нашем банке уже использовали для замены старого CRM. А любой бизнес старается минимизировать «зоопарк» программного обеспечения, чтобы не раздувать штат обслуживающих его специалистов.
Создание кредитных конвейеров на базе интеллектуальных систем принятия решений SAS, и в частности – SAS RTDM, уже стало на рынке лучшей практикой, причем для самых разных кредитных продуктов. SAS RTDM с использованием методов глубокой аналитики помогает быстро и точно рассчитать любые индивидуальные предложения с учетом целей маркетинга и рисковой политики. С ним мы получали еще большую гибкость в работе с клиентами: возможность предложить альтернативные варианты размера, срока и ставки кредита. С учетом желания Банка повышать технологичность процессов розничного банкинга и оптимизировать процессы управления кредитными рисками этот выбор был самым подходящим.

Шишки и грабли, или как шел проект

Во многом команда проекта в Банке стала первопроходцем. Именно с ее помощью Банк получил бесценный опыт запуска и ведения сложных технологических проектов с одновременным внедрением нескольких платформ и участием нескольких подрядчиков. Когда запускался новый кредитный конвейер, архитекторов в Банке не было в принципе. Архитектурой занимались опытные сотрудники и руководители IT-подразделений, которые обладали компетенцией в этом вопросе. Они и составляли Архитектурный совет. Глобально архитектуру мы проработали и утвердили на Архитектурном совете, а конкретные точечные вопросы решали с теми людьми, которые могли дать свои рекомендации. И это был первый вызов. Потому что смотреть на задачу глобально и разбираться в деталях – это, как говорится, две большие разницы. Истина рождалась в жарких межплатформенных спорах. Зато теперь, во многом благодаря проекту, в Банке есть выделенные архитекторы платформ, что заметно облегчает жизнь нашим последователям. Но первый урок, который мы вынесли, если решение многоплатформенное, должен быть архитектурный надзор на всем ходе проекта. А у команды должен быть в доступе ресурс архитекторов для решения сложных вопросов из серии: «а эту функциональность лучше запилить на этой платформе или на той?». Далеко не всегда это очевидно.

Проект мы вели по всем правилам. До старта был проведен предпроект с выработкой требований к будущей системе, оценена целесообразность и экономический эффект. Одна беда – мы наивно полагали, что вся основная нагрузка ляжет на систему принятия решений, то есть на SAS RTDM. Поэтому и предпроект был ориентирован в основном на нее. Как показала практика, в межплатформенных проектах недальновидно надеяться на то, что изменения одной системы не затронут другую. А уж тем более внедрение новой системы. Урок номер два – в предпроект или аналитическую фазу проекта вовлекай активно все участвующие стороны. На эти грабли мы, кстати, умудрились наступить дважды. Второй раз — когда не смогли подключить действующее решение в онлайн-каналах (интернет-банк и мобильный банк) к новому кредитному конвейеру без доработок. К аналитике мы коллег не привлекали, а потом оказалось, что процессы подачи заявки в онлайне и оффлайне кардинально отличаются. Причем не только по клиентским сценариям, но и по атрибутному составу тоже. Отсюда еще одно правило: если проектируемая система затрагивает разные каналы входа: онлайн (интернет-банк, мобильное приложение, сайт) и оффлайн (офисы), то даже если они реализуются поэтапно, в аналитике надо прорабатывать сразу все. Иначе какую-то работу придется проделать дважды, а что-то даже кардинально переделать.
Урок номер три. Если решение многоплатформенное, то возникает интеграция. Интеграция = всегда что-то пойдет не так. Требуется закладываться на риски по деньгам и срокам. Финансисты – люди прижимистые, бюджеты верстаются с ювелирной точностью. А когда опыта в подобного рода сложных технологических проектах немного, то точность получается не совсем ювелирная. В общем, конечно же, много что пошло не так (на первых этапах — примерно всё). И вроде бы это аксиома управления проектами – учитывать риски, но пока сам не ошибешься и не набьешь шишки, вся эта теория в практику переходить не спешит.
Интересных и поучительных моментов в проекте было еще очень много. Но мы со всеми вызовами достойно справились. Во многом потому, что, как минимум, самого главного принципа реализации крупных проектов и модного нынче Agile-подхода мы придерживались: главное – люди. Команда сложилась сильная, сплоченная, прорывная, готовая к изменениям. И это помогло довести все идеи до реализации, создать отличный работающий продукт.
Сейчас над кредитным конвейером тоже трудится большая кросс-функциональная команда: это банковские аналитики, разработчики, тестировщики, администраторы платформ, риск-менеджеры и продуктовики. Кто-то из них участвовал во внедрении, другие подключились уже позже. Поскольку жизненный цикл проекта достаточно длинный, команда меняется по составу, но основной костяк сохраняется, включая и ряд подрядчиков. Например, GlowByte реализует необходимые для сервиса доработки по SAS RTDM. CSBI продолжает помогать Банку развивать WF Core. Тогда как, компетенция «Неофлекс», которая помогала нам запустить интеграционную шину, в полном объеме нам больше не требуется. Сейчас её специалисты занимаются сложными вопросами поддержки.

Какие задачи мы успешно решили

Внедрение основной части конвейера заняло один год. В мае прошлого года в нашем Банке началась промышленная эксплуатация нового кредитного конвейера, а уже к сентябрю старый конвейер был полностью отключен.
На сегодняшний день вся проделанная работа в промышленной эксплуатации показывает себя успешно. Автоматизация рассмотрения кредитных заявок внедрена по основным направлениям кредитования Банка: потребительские кредиты, кредитные карты, кредиты на покупку автомобиля. Завершаем внедрение ипотеки. Самое важное — у нас сейчас нет предела полета фантазии. Теперь мы можем реализовать практически любую идею, которая зарождается в головах владельцев продуктов. Если мы в нее верим, и экономически она тоже интересна, нововведение будет реализовано благодаря гибкости новой платформы.
На новых технологиях мы смогли реализовать сложную логику, когда машина подбирает для клиента максимально релевантное предложение, которое формируется в зависимости от его профиля, долговой нагрузки и желаний. Мы также реализовали стратегии изменения и пролонгации кредитных лимитов. Это позволяет эффективно управлять портфелем кредитных карт. Стратегий несколько для разных вариантов клиентского опыта, они работают на постоянной основе в полностью автоматическом режиме.
Новая логика и технологический стек значительно увеличили скорость принятия решения. Если в старом конвейере скорость принятия решения исчислялась десятками минут, то в новом — около одной минуты. При этом в принятии решения теперь задействованы дополнительные информационные источники для более точного расчета кредитного риска и оценки платежеспособности потенциальных заемщиков.
Использование глубокого анализа риск-профилей потенциальных заемщиков дает возможность сократить количество «плохих» кредитов.Скорость принятия решений позволяет клиенту в онлайне получить кредит в рамках одной сессии. Автоматизация практически исключила необходимость вовлечения андеррайтеров. По потребительским кредитам зарплатным клиентам более 90% решений сегодня принимается полностью автоматически. Всё это положительно влияет на конверсию, на уровень одобрения и, с другой стороны, — на качество принимаемых решений.
Кредитный конвейер работает в разы быстрее человека и может обработать гораздо большее количество заявок, чем штат персонала, который может позволить себе Банк. Рассмотрение одной заявки становится гораздо дешевле. В нашем автоматизированном процессе в типовых случаях человек не привносит в процесс принятия решения по кредиту дополнительной ценности. Только в случае нестандартных заявок, очень крупных сумм или при сработавших в процессе триггерах мы подключаем андеррайтера. Он составляет более полное представление о клиенте, тщательно изучает документы клиента, проводит дополнительные проверки. Тем самым мы лучше понимаем профиль клиента и принимаем более взвешенное решение. Но доля таких заявок невелика, и она с каждым годом уменьшается, потому что всё больше вещей, которые делает человек, мы можем заложить в логику машины.
Из Roadmap по внедрению нового кредитного конвейера командой Банка «Санкт-Петербург» в этом году решено больше 100 задач. Полученный эффект полностью оправдал внедрение нового кредитного конвейера и окупил его с лихвой. Завершаем 2021-й переносом на новый конвейер направления ипотечного кредитования.

Наши ноу-хау

Многие финансовые организации используют SAS RTDM для автоматизации принятия решения, но дальше все зависит от идей, которые команда заложит в систему.
Одна из реализованных идей, которыми мы гордимся, это подбор предложения при отказе клиенту в запрошенном продукте. В нашем кредитном конвейере реализована сложная логика с предложением рефинансирования при высокой закредитованности клиента.
Например, вы хотите взять миллион рублей, но проанализировав вашу историю, машина понимает, что не может одобрить вам эту сумму из-за большого объема кредитов, открытых вами в других банках. Дохода на обслуживание обязательств недостаточно. Но дополнительный анализ показывает, что вам можно предложить снизить долговую нагрузку путем консолидации всех имеющихся долгов в один по выгодной ставке. Тогда мы можем сказать клиенту: «к сожалению, мы вынуждены отказать в запрошенном кредите, но вот вам одобренное решение на рефинансирование ваших кредитов». Это одна из тех идей, которые невозможно было реализовать на старом кредитном конвейере. Мы дали ей жизнь на новом, и она пользуется большим успехом у клиентов.

Что дальше?

Мы создали работающую инфраструктуру, которую можно развивать. На следующий год у кросс-функциональной команды запланирована непрерывная работа по улучшению. Мы готовимся выполнять новые требования ЦБ, а также больше времени посвятить клиентскому опыту, сценариям поведения клиента в интернет-банке, упрощению взаимодействия с интернет-банком, чтобы клиент прилагал минимальное количество усилий для получения кредита. Также в 2022 году мы хотим реализовать систему предодобренных кредитов, которая в банке существует, но живет по старой логике, на стеке технологий, который уже не позволяет показать высокую эффективность.
Задач — предостаточно. И на будущий год, и на годы вперёд.

Сбербанк внедрил Real-Time Decision Manager в корпоративном сегменте

Сбербанк внедрил RTDM (Real-Time Decision Manager) в корпоративном сегменте. RTDM позволяет обрабатывать большие массивы данных, анализировать их и вырабатывать решения, наиболее значимые для конкретного клиента в конкретный момент времени с последующей маршрутизацией в приоритетный клиенту канал обслуживания.

Возможности RTDM уже используются банком в сервисных коммуникациях с корпоративными клиентами. При обращении в банк клиент не только решает свой вопрос, но также получает дополнительную информацию: RTDM информирует оператора контактного центра, например, о заканчивающихся у клиента полномочиях в интернет-банке или о появлении новых сервисов, упрощающих работу клиента. Также технология оповещает клиентов о начислении им денежных средств в случаях, когда они являются взыскателями, и информирует о положенных им компенсациях.

Михаил Макеев, «Пиклема»: Срок окупаемости ИТ-системы в нашем сегменте составляет порядка года
Цифровизация

При проведении платежей RTDM дает клиенту «подсказки», предлагая более выгодные способы совершения переводов. Также технология может отслеживать ковенанты в кредитных договорах о целевом использовании кредитных денежных средств, что позволяет оперативно реагировать на их нарушение, и, как следствие, избегать ситуации с необходимостью увеличения резервов.

Станислав Карташов, вице-президент, директор дивизиона «Корпоративные клиенты 360» Сбербанка, сказал: «В условиях высокой конкуренции уже недостаточно знать о клиенте все — важно предвосхищать его ожидания. С помощью таких инструментов как RTDM мы можем лучше понимать клиентов и предлагать то, что релевантно для них в данную минуту, при возникновении конкретной ситуации — еще до того, как они об этом подумали».

Развитие технологии Сбербанк осуществляет своими силами и опираясь на собственные ИТ. Архитектура RTDM Сбербанка для корпоративного сегмента представляет собой платформу, включающую в себя большое количество компонентов не только коммерческих SAS и Oracle, но и Open Source (таких как Kafka), а также компонентов собственных Java-разработок, что является отличительной особенностью RTDM Сбербанка. Данная платформа способна поддерживать 3 тыс. TPS (транзакций за секунду) со средней скоростью обработки одного события за 100 мс. Сейчас механика системы поддерживает пропускную способность Throughput свыше 10 млн событий из системы источника данных в день. В дальнейшем платформу планируется интегрировать со смежными системами и подключить дополнительные каналы (такие как IVR, мобильное приложение), что позволит учитывать новые данные при анализе и выборе предпочтительного канала взаимодействия с клиентом.