CC BY
0УДК 004.02 ББК 16.33
Янковская А.А.
Научный руководитель: д.э.н., профессор Нестеренко Ю.Н.
МЕТОДИКА ПРОЕКТИРОВАНИЯ ЧАСТИ БАНКОВСКОГО ХРАНИЛИЩА ДЛЯ СИСТЕМЫ ИНТЕРАКТИВНОГО МАРКЕТИНГА НА ОСНОВЕ МОДЕЛИ ДАННЫХ
METHODOLOGY OF DESIGNING A PART OF A BANK VAULT FOR AN INTERACTIVE MARKETING SYSTEM BASED ON A DATA MODEL
ЯНКОВСКАЯ Алена Андреевна — магистр 1 курса института ЭМИТ, ФГБОУ ВО «Российская Академия Народного Хозяйства и Государственной Службы при Президенте Российской Федерации», г. Москва, Россия (e-mail: a.iankovskaia@yandex.ru).
Научный руководитель:
НЕСТЕРЕНКО Юлия Николаевна — доктор экономических наук, профессор кафедры финансов, бухгалтерского учета и налогообложения, ФГБОУИ ВО «Московский государственный гуманитарно-экономический университет», профессор факультета информационных технологий и анализа данных, ФГБОУ ВО «Российская Академия Народного Хозяйства и Государственной Службы при Президенте Российской Федерации», г. Москва, Россия (e-mail: julia-nesterenko@mail.ru).
YANKOVSKAYA Alyona Andreevna — the 1st year Magistracy Student at the Economics Institute, Mathematics and Informational Technology, Russian Academy of National Economy and Public Administration under the President of the Russian Federation, Moscow, Russia (e-mail: a.iankovskaia@yandex.ru).
Research supervisor:
NESTERENKO Julia Nikolaevna — Doctor of Economics, Professor of the Department of Finance, Accounting and Taxation, Moscow State University of Humanities and Economics, Professor of the Faculty of Information Technology and Data Analysis, Russian Academy of National Economy and Public Administration under the President of the Russian Federation, Moscow, Russia (e-mail: julia-nesterenko@mail.ru).
Аннотация. В рамках данной работы изложен метод создания структуры части банковского хранилища для системы интерактивного
маркетинга на основании модели данных. В данном исследовании сделан акцент на роли хранилища данных в банковской сфере, ключевых задачах, решаемых с его помощью, и трудностях, вызванных построением и реализацией хранилища данных. В качестве решения проблем описана методика построения логической модели данных. Как итог в статье представлена спроектированная универсальная модель данных части банковского хранилища для корректной работы системы маркетинга. Такой набор может выступать в роли шаблона и может быть сконфигурирован согласно потребностям конкретного предприятия.
Ключевые слова: хранилище данных, проектирование, банковская автоматизация, моделирование данных.
Abstract. Within the framework of this work, a method for creating the structure of a part of a bank vault for an interactive marketing system based on a data model is described. This study focuses on the role of a data warehouse in the banking sector, the key tasks solved with its help, and the difficulties caused by the construction and implementation of a data warehouse. As a solution to the problems, a technique for constructing a logical data model is described. As a result, the article presents the designed universal data model of the bank storage part for the correct operation of the marketing system. Such a set can act as a template and can be configured according to the needs of a particular enterprise.
Keywords: data warehouse, design, bank automation, data modeling.
Важнейшая задача, стоящая перед каждой организацией, в настоящее время состоит в управлении информационными потоками [2]. Решение данного вопроса является комплексным, затрагивающим масштаб всего предприятия, требующим системного подхода, а сама задача — нетривиальной. Разработка и внедрение корпоративного хранилища как раз и является таким комплексным решением. Благодаря хранилищу вся информация бизнеса хранится воедино, унифицировано и в том виде, в котором может быть использована для достижения определенных аналитических и управленческих задач [5].
Среди задач, решаемых посредством данного подхода управления информационными потоками, можно выделить следующие:
- Формирование отчетности — обязательная (для регулятора в рамках мониторинга и контроля), для инвесторов (МСФО для прозрачности финансовых показателей и привлечения инвесторов) и управленческая (повышение эффективности менеджмента [2])
- Бюджетирование — по каждому структурному отделу на основе статей расхода/дохода планируется бюджет
- Управление ликвидностью — отслеживаются отклонения от нормы посредством ежедневных обновлений данных (контроль денежных потоков) и своевременно принимаются действия, позволяющие снизить издержки
- Скоринг — благодаря скоринговым картам (хранению всей информации по клиентам в одной базе) заметен рост решений о выдаче кредита, принятых без «ручного» вмешательства — автоматически
- Клиентская аналитика — посредством технологий (предсказательная аналитика, Data Mining) производится подробный анализ клиентской базы
- Развитие маркетинга — самое востребованное направление в деятельности кредитных организаций. Источником для маркетинговых приложений (аналитических) выступают витрины данных с требуемым атрибутами и форматами хранимых данных, которые создаются на основе интегрированной со множества источников информации.
Важность хранилища данных (ХД) в кредитных организациях и количество решаемых посредством него задач не исключает недостатки в современных реализованных банковских хранилищах. Как в российской, так и зарубежной практиках основная проблема — децентрализованный подход [1]. «Хранилище данных должно быть единым источником непротиворечивой информации» — основополагающий постулат, который нарушается некорректным подходом к строительству ХД. Продолжающееся текущее направлении деятельности кредитных организации на консолидацию банковской сферы в Российской Федерации ведет к сложности и неоднородности информационной составляющей компаний.
На основании вышеизложенных причин подход к проектированию и построению хранилища является важным. В данном исследовании предложена методика проектирования части банковского хранилища, необходимая для развития маркетинга, на основании модели данных. Данная часть хранилища может быть гармонично интегрирована к остальной части, но необходима для корректной работы маркетинговых систем.
Goal-oriented approach to requirement analysis in data warehouse или GRAnD — это ориентированный на достижений целей бизнеса подход к анализу требований к хранилищу данных. Именно этот подход был использован в данной работе и заключается в том, что хранилище должно
быть бизнес-ориентированной системой, которая строится на основании бизнес-потребностей [3].
Первоначальным этапом построения логической модели данных является разбиение предметной области по базовым компонентам (которые состоят из семантически связанных, схожих по структуре бизнес-компонентов). Такая универсальная модель представляет своего рода шаблон, который может быть как дополнен, так и сокращен в зависимости от требований бизнеса.
После разбиения на компоненты, данный шаблон требуется декомпозировать до уровня бизнес-объектов, которые будут определять конкретный элемент, участника.
Последним этапом может быть разделение бизнес-объекта на более глубокий уровень — по отдельным сущностям. Каждый уровень детализации характеризуется снижением абстракции, заметен переход от общей модели к реализации хранилища данных. Каждый уровень дает возможность скорректировать состав для адаптации под конкретные требования любой организации.
Следующий этап работы состоит в определении перечня бизнес-объектов каждого компонента ХД. Выделяют следующие типы компонентов хранилища кредитной организации:
- Измерение — это объекты или участники бизнес-процессов (сделки, клиенты);
- Транзакция — это события, которые уже были фактически совершены (операции по сделкам, например);
- Интервальный факт — это значения показателя, которые могут быть определены одной или парой транзакций;
- Внешний бридж — объект для связи двух бизнес-объектов друг с другом.
Как упоминалось выше при разборе детализации модели данных, бизнес-объект состоит из сущностей (одной или нескольких).
В данной работе были выделены следующие типы сущностей:
Основная таблица — ключевая сущность, содержащая основные атрибуты, необходимые для описания бизнес-объекта (сделка, клиент, счет).
Типовая таблица — сущность, содержащая дополняющую бизнес-объект информацию с таким же типом данных (кредитная и депозитная сделки дополняют сделки).
Таблица-бридж — необходима для связей вида «многие-ко-многим» между другими сущностями. Такие таблицы используются для связи двух
бизнес-объектов, или для связи двух сущностей внутри бизнес-объекта, или для связи экземпляров одной сущности.
Версионная таблица — содержит объекты, меняющиеся во времени, например, статус сделки. При отсутствии версионной таблицы временные интервалы действия тех или иных записей выгружаются в основные/типовые таблицы, а это в итоге приведет к большому количеству «лишних» данных в основных таблицах и как следствие денормализации информации [4].
У определенного вида сущности есть конкретные обязательные атрибуты, а согласно типу бизнес-объекта такой набор атрибутов может отличаться.
В рамках статьи была спроектирована модель данных витрины для работы системы интерактивного маркетинга, детализированная до сущностей. Данная модель представлена на рисунке 2.
Рисунок 2 — Детализированная до сущностей модель данных витрины Источник: составлено автором.
В центре (клиент) расположена основная сущность — клиентами банка в основном являются физические лица.
В верхней правой части — сущности для клиенто-ориентированной системы управления маркетингом (кредиты, депозиты — не только депозиты, но и лицевые счета, кредитные карты, анкета — данные из заявок, дебетовые карты, остатки по соглашениям и просрочки — основной долг и задолженность соглашений, прочие контакты — здесь перечислены различные каналы связи с клиентами, а именно почта, номер телефона и так далее).
В нижней левой части (связь клиентов, адреса — соответсвенно клиентов, ПИФы — паи клиентов, прочие соглашения — это обеспечения или заявления на пенсии) — это сущности для продукто-ориентирован-ной части системы маркетинга.
В совокупности именно данные из тих сущностей выгружаются в витрину, откуда уже грузятся в систему интерактивного маркетинга.
В результате данной работы был предложен метод перехода от описания предметной области до подробной логической модели данных, посредством которой возможно построение хранилища данных, следуя принципам бизнес ориентированного подхода. Разработанная система последовательной детализации является ясной и доступной всем её пользователям, что будет иметь положительное влияние на конечный результат.
Список литературы:
1. Амириди Ю. Почему банки переплачивают за хранилища данных? — М: Intersoftlab, 2015. — 315 с.
2. Литвиненко И.Л. Менеджмент: учебное пособие. — М.: МГГЭУ, 2016. — 168 с.
3. Giorgini P. GRAnD: A goal-oriented approach to requirement analysis in data warehouses // Decision Support System. 2008. С. 344-350.
4. Herreman S.D. Data Modeling Techniques for Data Warehousing // Valencic. 1998. С. 54-57.
5. Surag R.S. Oracle Financial Services Data Warehouse User Guide. // An Oracke White Paper. 2012. С. 32-36.
