В современном банкинге скорость принятия решений напрямую зависит от доступности данных. Однако классическая схема, где бизнес-подразделения каждый раз запрашивают отчеты у IT-отдела, неизбежно создает «бутылочное горлышко». Решением этой проблемы становится демократизация данных — подход, при котором сотрудники на местах получают инструменты для самостоятельного анализа, а управление данными централизуется.
В данном кейсе рассмотрен опыт внедрения self-service аналитики и построения Центра компетенций бизнес-аналитики на базе платформы Qlik Sense.
В данном кейсе рассмотрен опыт внедрения self-service аналитики и построения Центра компетенций бизнес-аналитики на базе платформы Qlik Sense.
Исходная ситуация и вызовы
До старта масштабного проекта аналитические инструменты внедрялись в банке децентрализованно с 2011 года. Основными потребителями данных выступали четыре ключевых блока: финансовый, корпоративный, розничный и блок оценки рисков.
Со временем банк столкнулся со следующими вызовами:
Со временем банк столкнулся со следующими вызовами:
- Технологические ограничения: существовавшие системы перестали удовлетворять потребности бизнеса в качественной визуализации и гибкости.
- Высокая стоимость: разработка новых приложений и кастомных отчетов обходилась компании слишком дорого.
- Сложность масштабирования: инструменты было трудно передать конечным сотрудникам в формате self-service (самообслуживания), несмотря на наличие базовых аналитических компетенций внутри бизнес-блоков.
- Проблема «Excel-хаоса»: из-за отсутствия единого пространства часть департаментов вела внутреннее планирование в изолированных таблицах, что затрудняло сквозной анализ и повышало риск ошибок.
Реализация и архитектурные решения
Проект стартовал с перестройки инфраструктуры и изменения подходов к управлению командами (включая внедрение методологии Kanban для data- и BI-команд).
Ключевые этапы проекта:
Ключевые этапы проекта:
- Интеграция с единым источником: была развернута архитектура и настроены интеграционные процессы Qlik Sense с корпоративным хранилищем данных на базе Oracle (общий объем хранилища — 3−4 Тбайт, объем ежедневной загрузки — около 180 Гбайт). Дополнительно была настроена выгрузка данных из локальных таблиц Excel для синхронизации планирования.
- Пилотный запуск: для проверки стабильности архитектуры эксперты отобрали и перенесли в BI-систему 20 наиболее сложных отчетов, востребованных ключевыми заказчиками. Организационные процессы и закупка лицензий заняли около 8 месяцев.
- Развитие культуры Data-Driven: изначально BI-инструментами пользовался только топ-менеджмент. Чтобы вовлечь линейных сотрудников, банк запустил внутренние воркшопы, презентации готовых кейсов на совещаниях, а также системное обучение в онлайн-школе Datanomix Academy. Точечная работа с руководителями помогла наглядно показать пользу фильтров и сценариев BI для конкретных бизнес-процессов.
Результаты проекта
Переход к концепции демократизации данных и создание Центра компетенций позволили банку выйти на качественно новый уровень операционной эффективности:
- Ускорение отчетности в 2−3 раза: благодаря технологии in-memory, которая преобразует данные «на лету» в разных форматах и с применением любых фильтров, скорость подготовки тяжелых отчетов выросла в разы.
- Взрывной рост базы пользователей: за первые 6 месяцев активной фазы число пользователей Qlik выросло в среднем на 92%, а число постоянных (активных) пользователей — на 112%. В течение года общая глубина проникновения инструмента среди сотрудников увеличилась в 10 раз.
- Развитие Self-Service: доля отчетов, создаваемых сотрудниками самостоятельно (без привлечения IT/BI-разработчиков), достигла 25% от общего объема аналитики в банке.
- Повышение качества данных: банк зафиксировал резкое сокращение числа расхождений в данных и ошибок. Единый источник правды вернул доверие бизнеса к аналитическим отчетам.
- Расширение контура: аналитика вышла далеко за пределы первоначальных 4 блоков — теперь BI-системой пользуются абсолютно все подразделения банка.
Как измерить успех Центра компетенций?
Помимо классических метрик вовлеченности (DAU/MAU, частота логинов), эффективный Центр компетенций должен опираться на продуктовые показатели:
Регулярный анализ клиентского пути (User Journey) разных категорий сотрудников и борьба с оттоком неактивных пользователей позволяют банку поддерживать высокое качество аналитической культуры внутри организации.
Оригинал материала и подробные видеоматериалы круглого стола доступны на сайте правообладателя: Неделя банковской аналитики: День 05 на Datanomix.pro
- Time-to-data: сокращение времени, необходимого сотруднику для получения сырых данных.
- Time-to-report: скорость сборки готового BI-приложения под новую бизнес-задачу.
- Time-to-insight: минимизация времени от момента открытия отчета до принятия управленческого решения.
Регулярный анализ клиентского пути (User Journey) разных категорий сотрудников и борьба с оттоком неактивных пользователей позволяют банку поддерживать высокое качество аналитической культуры внутри организации.
Оригинал материала и подробные видеоматериалы круглого стола доступны на сайте правообладателя: Неделя банковской аналитики: День 05 на Datanomix.pro