В последние годы финансовые организации активно инвестируют в работу с данными, создавая централизованные хранилища и аналитические платформы. Ожидания очевидны: получить единую, согласованную картину бизнеса для управленческих решений, отчётности и развития цифровых сервисов. Однако запуск централизованных хранилищ слишком часто становится не финалом, а началом новых проблем. Консолидация упрощает доступ к данным, но не гарантирует их качества. О том, что на самом деле стоит за доверием к данным, в материале специально для Национального банковского журнала (NBJ) рассказал Василий КУЦЬ, директор по отраслевым решениям в коммерческих банках компании К2Тех.

Иллюзия единой картины

Масштабная технологическая консолидация не избавляет банки от расхождений в цифрах, дублирования клиентских данных и сложностей при подготовке отчётности. Современные платформы предлагают инструменты реконсиляции, позволяющие сверять информацию и унифицировать её. Однако они не решают проблему отсутствия единых правил формирования данных. По мере роста числа подразделений и цифровых инструментов количество и цена ошибок только увеличиваются.

Консолидация решает инфраструктурную задачу. Она упрощает доступ к информации, но не отвечает на ключевые управленческие вопросы: как формируются данные, какие из них критически важны, кто отвечает за их качество и каким цифрам можно доверять при принятии решений.

Современный банк существует в гибридном ИТ-ландшафте, где новые цифровые платформы соседствуют со старыми системами. Каждая из них обновляет и интерпретирует информацию по своим правилам. Это усложняет согласование данных: одни и те же данные могут обновляться с разной скоростью и по разным правилам, из-за чего показатели в отчётах и аналитике расходятся. Чтобы понять, каким цифрам можно доверять, банкам приходится регулярно сверять данные между системами – и это становится постоянной управленческой задачей.

Другая заметная проблема – дублирование, прежде всего клиентских данных. Один и тот же клиент может существовать в системе в нескольких версиях с разными атрибутами, что искажает общую картину и со временем влияет на аналитику, оценку рисков, персонализацию сервисов и качество управленческих решений. Дополнительные искажения возникают на этапе обработки: информация может интерпретироваться по-разному или со временем терять исходный смысл.

Ещё одна типовая ситуация – расхождения в цифрах между отчётами сотрудников и аналитикой. Как правило, причина не в месте хранения информации, а в отсутствии чётких правил доверия: на какие данные можно опираться, и кто за них отвечает. И тогда встаёт вопрос: кому же верить?

Качество данных – вопрос управленческих решений, а не только выбора платформы

Для банка принципиально важно понимать, какие данные критичны для принятия решений, какая система отвечает за их формирование, и кто несёт ответственность за их качество. Пока эти вопросы не проработаны, самые современные аналитические решения не смогут обеспечить качественный результат.

Работа с качеством данных начинается с управленческих договорённостей. Начать стоит с ограниченного набора действительно критичных для бизнеса данных, закреплении ответственности за их качеством на уровне бизнес-руководителей, а также выстраивании понятных правил доверия и использования информации. Без этого любые технологические инициативы редко дают устойчивый результат.

Одним из подходов, позволяющих навести порядок в ключевых данных, прежде всего клиентских, является управление мастер-данными. Его задача – определить эталонную запись, на которую ориентируются все системы, и тем самым сократить количество расхождений. При этом важно не воспринимать этот подход как универсальное решение. Любые изменения в данных, запуск новых продуктов или интеграции могут снова приводить к дублированию и ошибкам. Без встроенных правил и регулярного контроля такие механизмы со временем теряют эффективность.

Многие финансовые организации выстраивают работу с информацией на фоне масштабных изменений ИТ-ландшафта. Программы импортозамещения и переход на новые платформы – это длительные проекты, которые, как правило, идут поэтапно, и в течение каждого этапа в банке сосуществуют разные решения и подходы к работе с информацией. Это усложняет согласование данных и повышает риск расхождений, несмотря на более упорядоченную целевую архитектуру. Дополнительную нагрузку создаёт и рост числа систем и пользователей, опирающихся на централизованные данные: любая ошибка быстрее отражается на управленческих решениях и отчётности. В этих условиях контроль качества данных и понятные правила доверия становятся фактором устойчивости банка в период изменений.

Почему нейросети не работают без гигиены информации

На этом фоне особое значение приобретают проекты, связанные с искусственным интеллектом и продвинутой аналитикой. От них часто ожидают быстрого эффекта – повышения точности решений, снижения рисков, роста эффективности. Однако именно такие инициативы первыми показывают, насколько банк готов к работе с данными. Интеллектуальные модели используют большие массивы информации сразу из нескольких источников. Если в этих данных есть расхождения, дубли или искажения, алгоритмы не исправляют ситуацию, а начинают воспроизводить и усиливать ошибки. Внешне результаты могут выглядеть корректно, но в основе решений оказывается недостоверная информация. Ошибки в данных быстрее проявляются в чувствительных зонах – от оценки рисков до персонализации клиентских предложений.

По мере того, как банки переходят от разрозненных проектов к более упорядоченной работе с данными, потенциал ИИ будет раскрываться. При этом наиболее эффективным подходом станет комбинация строгих алгоритмов для критических транзакционных данных и гибкость ИИ-решений при реагировании на аномалии.

Доверие к информации как результат системной работы

Наш опыт работы с данными показывает, что их устойчивое качество достигается не отдельными ИТ-проектами и не внедрением «правильных» платформ. Ключевым становится понимание того, какие данные действительно критичны для бизнеса и принятия решений. Не всем им нужен одинаковый уровень внимания – многое зависит от того, где и для чего они используются.

Не менее важен вопрос ответственности. Пока не определено, кто отвечает за формирование и качество конкретных данных, проблема неизбежно остаётся размытой между подразделениями. Закрепление ответственности за ключевые данные – это управленческое решение, сопоставимое по значимости с управлением продуктами или процессами.

На практике создать идеальную систему принятия решений мешает отсутствие единого владельца, отвечающего за «цифрового двойника» компании. В идеале такие владельцы должны быть на каждом этапе, а данные – проходить автоматическую реконсиляцию на стыках систем. Но выстроить такую иерархию крайне сложно. Существуют специализированные решения для реконсиляции, которые следят за непротиворечивостью данных в разных системах. Однако и они не снимают всех вопросов: почему запись изменилась, кто на это повлиял, и нужно ли выровнять её в других системах? Ответы требуют чёткой логической цепочки правил. Пока не выстроена система, учитывающая все форс-мажоры, идеальное хранилище данных остаётся утопией. Технически реконсиляцию могут обеспечивать даже нейросети, но здесь мы упираемся в точность: нейросети не гарантируют стопроцентной достоверности, это под силу только строгим алгоритмам, заранее настроенным человеком. Но для этого человек должен предусмотреть все сценарии – и мы возвращаемся к замкнутому кругу. Поэтому на практике разумна комбинированная модель: строгие алгоритмы для критических данных, нейросети для поиска аномалий и докрутки этих алгоритмов, а для менее важных данных – системный аудит на постоянной основе.

Ещё один принципиальный момент – правила доверия. Банку необходимо заранее договориться, на какие данные можно опираться при принятии решений, какие источники считаются эталонными, и в каких случаях допустимы расхождения. Это снижает количество спорных ситуаций и позволяет быстрее действовать в условиях неопределённости.

При этом работа с качеством данных не может быть разовой инициативой. Клиентские профили меняются, появляются новые продукты и каналы, трансформируется ИТ-ландшафт. Высокий уровень автоматизации не отменяет необходимости регулярного контроля и пересмотра правил.

В периоды масштабных изменений – будь то миграции платформ, импортозамещение или запуск ИИ-инициатив – качество данных становится отдельным фактором устойчивости. Без его учёта на этапе планирования не удастся снизить риски и избежать ситуаций, когда технологические изменения начинают напрямую влиять на управляемость бизнеса.

В качестве итогов можно сформулировать несколько общих выводов. Консолидация данных остаётся важным шагом, но сама по себе не решает проблему их качества. Она упрощает доступ к информации и ускоряет аналитику, однако без управленческих правил и закреплённой ответственности расхождения и дубли продолжают накапливаться.

Доверие к данным формируется не выбором платформы, а решениями на уровне управления. Единая версия информации появляется тогда, когда в банке понятно, каким данным можно доверять, и кто отвечает за их корректность. Наведение порядка – это постоянная функция, а не разовый проект. Она требует регулярного внимания по мере изменения продуктов, процессов и цифровых инструментов.

И, наконец, чем активнее банк использует данные в автоматизации, аналитике и интеллектуальных решениях, тем выше становится цена ошибок. В этих условиях качество и согласованность информации превращаются из технического вопроса в одни из факторов устойчивости и управляемости банка в целом.

Текст: Василий Куць