CC BY
11DOI 10.47576/2712-7559_2022_5_5_445 УДК 336.66
Гостев Данил Вячеславович,
ассистент кафедры цифровой экономики, Поволжский государственный университет телекоммуникаций и информатики, г. Самара, Россия
Гайдук Александр Евгеньевич,
старший преподаватель кафедры цифровой экономики, Поволжский государственный университет телекоммуникаций и информатики, г. Самара, Россия
СОВЕРШЕНСТВОВАНИЕ СИСТЕМЫ ИНФОРМАЦИОННО-АНАЛИТИЧЕСКОГО УЧЕТА ОБЪЕКТОВ НЕДВИЖИМОСТИ ДЛЯ РЕШЕНИЯ ВОПРОСА BIG DATA В БАНКОВСКОМ СЕКТОРЕ
В статье рассмотрены основные понятия «Big Data», проблемы, технологии работы и основные потребители больших данных. Особое внимание уделено понятиям «объекты недвижимости» и «реестр объектов недвижимости». Также уделено внимание разработке системы информационно-аналитического учета информации об объектах недвижимости в банковский сектор, сформированы предпосылки внедрения системы в банковский сектор. Цель статьи состояла в формировании основных рекомендаций по разработке системы и аналитической отчетности для решения проблемы Больших данных в банке.
Ключевые слова: большие данные; Big Data; банковский сектор; банк; разработка системы; реестр недвижимости; объекты недвижимости; профильные объекты недвижимости; цифровая экономика; аналитическая отчетность банка.
UDC 336.66
Gostev Danil Vyacheslavovich,
Assistant of the Department of Digital Economy, Volga State University of Telecommunications and Informatics, Samara, Russia
Gaiduk Alexander Evgenievich,
Senior Lecturer, Department of Digital Economy, Volga State University of Telecommunications and Informatics, Samara, Russia
IMPROVING THE SYSTEM OF INFORMATION AND ANALYTICAL ACCOUNTING OF REAL ESTATE OBJECTS TO SOLVE THE ISSUE OF BIG DATA IN THE BANKING SECTOR
The article discusses the basic concepts of "Big Data", problems, work technologies and the main consumers of big data. Particular attention is paid to the concepts of "real estate objects" and "registry of real estate objects". Also, attention is paid to the development of a system of information and analytical accounting of information about real estate in the banking sector, the prerequisites for introducing the system into the banking sector are formed. The purpose of the article was to form the main recommendations for the development of a system and analytical reporting to solve the problem of Big Data in a bank.
Keywords: big data; big data; banking sector; bank; system development; real estate register; real estate objects; specialized real estate objects; digital economy; bank analytical reports.
Понятие «большие данные», или «Big Data», является основным трендом развития предприятий, который охватил почти все сектора экономики.
Возможности, предоставляемые бизнесу и органам государственного управления современными автоматизированными системами обработки информации, весьма обширны. В базе данных постоянно накапливаются огромные массивы информации о производстве, торговле, системах связи, транспорте и т. п.
Анализируя подобную информацию, можно получать новые сведения и выявлять закономерности, важные при принятии управленческих решений и разработке маркетинговых стратегий [3].
Под Big Data понимаются очень большие массивы информационных данных с большим разнообразием, которые могут иметь или не иметь оформленную структуру и могут обрабатываться программными средствами с горизонтальным масштабированием, возникшими примерно десять лет назад как альтернатива стандартным системам работы с базами данных.
Сейчас Big Data официально является частью основных сквозных цифровых технологий, развитие которых финансируется Правительством РФ в рамках национальной программы «Цифровая экономика Российской Федерации» [4].
Технологии работы с большими данными достигли высокого уровня зрелости, их применение приносит ощутимые эффекты в разных отраслях экономики и областях социальной сферы [1].
Стандартизация процессов разработки и использования технологий хранения и анализа больших данных позволяет обмениваться лучшими практиками, использовать подходы и решения, подтвердившие свою результативность как в России, так и во всем мире [2].
Forrester определяет понятие Big Data как технологию в области аппаратного и программного обеспечения, которая объединяет, организует, управляет и анализирует данные, характеризующиеся «четырьмя V»: объемом (Volume), разнообразием (Variety), изменчивостью (Variability), скоростью (Velocity), то есть большими объемами, скоростью их возникновения, разнообразием и внутренним ценным смыслом.
Сложно назвать отрасль, в которой технологии анализа больших данных не будут востребованы в ближайшем будущем. В то же время направление больших данных более активно развивается в компаниях, которые собрали большие слои структурированной и неструктурированной информации: финансовой, телекоммуникационной, онлайн-ком-мерции, розничной торговли.
Сейчас основными потребителями Big Data является банковский сектор. Стоит отметить, что у банков уже давно реализован программный механизм заведения клиента в свою базу, отслеживания использования того или иного продукта. Данные программы предоставляют большой набор функций по обработке и использованию полученной информации.
В большую часть банковского сектора уже внедрены технологии Big Data. Денежный эффект от работы сравнивается с затратами на содержание подразделения, и они окупаются многократно.
Существуют также неохваченные стороны банковского сектора, которые потенциально могут принести прибыль за счет сокращения затрат.
Одной из таких сторон является учет данных об объектах профильной недвижимости банка.
Банк представляет собой структуру, которая имеет на бухгалтерском балансе десятки тысяч позиций основных средств.
Несмотря на то, что в связи с централизованной системой управления банковского сектора, согласно данным за 2020 год, существует общая тенденция снижения дополнительных офисов и филиалов, количество основных средств на балансе компании увеличиваются (рис. 1).
Существующие решения учета объектов профильной недвижимости недостаточны для формирования управленческой отчетности.
В зависимости от масштаба банка существуют два вида ведения учета данных об объектах профильной недвижимости:
1. Ведение учета данных об объектах профильной недвижимости, путем формирования отчета бухгалтерского баланса.
Данный вид подразумевает, что при необходимости узнать состояние объектов недвижимости нужно сформировать бух-
С-У ^ ф ^ ^ ^
-Дополнительные офисы КО (Филлилон) ас его за 2020 год Рисунок 1 - График общего количества дополнительных офисов и филиалов за 2020 год, шт.
галтерскую отчетность по основным средствам.
Бухгалтерская отчетность не отражает всю информацию об объектах профильной недвижимости, также существует проблема устаревания данных и существенного расхождения с реальностью, что не отражает полную картину в реальном времени.
2. Ведение учета данных об объектах профильной недвижимости через систему MS Excel.
Сейчас все данные об объектах недвижимости, которые в данный момент используются в таких крупных банках, как ВТБ и «Открытие», аккумулируются в реестре объектов недвижимости.
В банках реестр объектов недвижимости представляет собой таблицу, созданную на базе MS Excel, в которую внесены данные из более чем 5 тыс. документов, относящихся к объектам недвижимости банка.
Консолидируя в себе данные правоустанавливающих, а также правоподтверждаю-щих и технических документов, договоров аренды или субаренды, реестр в текущем виде, не отражает достаточную для принятия управленческих решений информацию (например, о количестве размещенных сотрудников на территории объектов недвижимости, о текущих выплатах арендной платы, обеспечительных платежей и т.д.), не позволяет определить стоимость владения объектом недвижимости, спрогнозировать ожидаемые расходы, управлять бюджетом объектов недвижимости, осуществлять мо-
ниторинг и оптимально использовать имеющиеся площади.
Кроме того, имеют место высокие трудозатраты сотрудников банка на выверку и поддержание данных реестра объектов недвижимости в актуальном состоянии, а также на сбор и обработку информации при подготовке отчетности о состоянии объектов недвижимости банка в ручном режиме, поскольку система MS Excel изначально не предназначена для хранения, извлечения и управления данными, интеграции с другими информационными системами банка.
Объект недвижимости (ОН) - это объект права, имеющий уникальный кадастровый номер, находящийся в собственности, аренде, либо субаренде у банка согласно право-подтверждающим документам, или заключенным договорам аренды или субаренды.
Под профильными объектами недвижимости понимаются объекты недвижимости -жилые или нежилые здания и помещения (полностью или их части), земельные участки и машинные места, которые используются банком для обеспечения основной деятельности (оказания услуг или в административных целях).
Реестр объектов недвижимости - это систематизированная форма учета прав на профильные объекты недвижимости Банка, которые используются в основной деятельности или являются избыточными площадями.
В Реестр могут быть включены дополнительные сведения об использовании объ-
ектов недвижимости и финансовая информация, связанная с эксплуатацией объектов недвижимости.
Основными предпосылками разработки системы информационно-аналитического учета информации об объектах недвижимости являются:
- отсутствие единого информационно-аналитического ресурса учета данных об объектах недвижимости банка;
- отсутствие единого и доступного для всех подразделений-пользователей банка источника информации об объектах недвижимости;
- рост числа объектов недвижимости, в том числе в связи с реорганизацией в форме присоединения других банков;
- высокие трудозатраты на сбор, обработку и поддержание в актуальном состоянии данных об объектах недвижимости банка и их использовании.
В настоящий момент основными держателями информации о профильных объектах недвижимости банка являются:
- подразделения административно-технического блока банка (приобретают в собственность, аренду или субаренду, а также осуществляют эксплуатационную поддержку объектов недвижимости, которые используются банком в основной деятельности, адми -нистративных целях или в качестве объектов вспомогательной инфраструктуры);
- департамент учета и отчетности (ведет бухгалтерский учет объектов недвижимости банка, расходов на их содержание, доходов от сдачи их в аренду или субаренду), доходов от сдачи их в аренду или субаренду);
- департамент администрирования и развития сети (определяет, в соответствии с направлениями стратегического развития, необходимое количество, месторасположение и формат офисов, в которых располагаются территориальные подразделения, регистрирует их в банке России).
Для решения проблемы Big Data банка необходимо решить следующие задачи:
1. Создать единый информационно-аналитический ресурс, объединяющий данные об объектах недвижимости, которыми располагают различные подразделения (филиалы) банка, и поддержка их в актуальном состоянии;
2. Организовать единую для всех заинтересованных пользователей банка базу данных объектов недвижимости для формирования управленческой отчетности и аналитических материалов, связанных с объектами профильной недвижимости банка, в разрезе банка, отдельных его подразделений;
3. Достигнуть экономии трудовых ресурсов и минимизировать влияние человеческого фактора на сбор, обработку и поддержание в актуальном состоянии информации об объектах недвижимости;
4. Получить инструмент мониторинга, контроля, эффективного использования и управления объектами недвижимости банка.
При разработке системы информационно-аналитического учета информации об объектах недвижимости следует учитывать, что количество объектов недвижимости в банке необходимо считать по количеству кадастровых номеров.
Таким образом, одному объекту недвижимости всегда соответствует только один кадастровый номер.
В течение жизненного цикла объекта недвижимости кадастровый номер может меняться - объект недвижимости может быть разделен на несколько (например, при делении земельного участка, тогда каждой части будет присвоен собственный кадастровый номер, и объектов недвижимости станет несколько) или, наоборот, несколько объектов недвижимости могут быть объединены в один, и тогда кадастровый номер будет один.
Основное представление для работы пользователя с реестром объекта недвижимости в разрабатываемой системе - это Кар -точка объекта недвижимости. Она должна быть двух видов:
1. Собственные объекты недвижимости.
2. Арендованные объекты недвижимости.
В соответствии с рис. 2, при суммировании
колонок 10 и 11, полученный результат может быть больше данных, указанных в колонке 9, из-за наличия объектов недвижимости, которые частично находятся в собственности и аренде или субаренде у Банка.
Один договор аренды или субаренды может быть заключен на один объект недвижимости с одним арендодателем или сразу с несколькими арендодателями.
Рисунок 2 - Отчет «Объекты профильной недвижимости»
При разработке системы необходимо обеспечить, как минимум, следующие возможности разграничения прав доступа:
- возможность предоставлять доступ к данным по объектам недвижимости, либо связанным договорам, либо документам в разрезе федеральных округов, субъектов РФ, др.;
- возможность предоставлять доступ к отдельным отчетам;
- возможность разграничивать доступы к данным разных функциональных блоков только на просмотр или с возможностью редактирования.
В системе необходимо обеспечить возможность формирования в системе минимального набора необходимых форм регулярной отчетности по Банку.
В настоящее время вся отчетность формируется вручную.
Отчеты должны формироваться по состоянию на дату, указанную пользователем. Дата может быть как текущая, так и относящаяся к прошлому. Пример отчета в табл. 1. Для прогнозных планов (отчетов) некоторые даты могут быть в будущем. Поэтому Система должна обеспечить хранение исторических данных.
Формы отчетов должны быть оптимизированы на стороне Банка с учетом возможностей Системы. Точное описание процесса построения отчетности и требований к пользовательским сценариям построения отчетности должно быть дано на этапе формирования Технического задания к Системе.
Таблица 1 - Пример экранной формы отчета «О наличии свободных рабочих мест»
ССП Объекты (адреса) Штатное расписание
Всего Занято Свободно
ССП БФКО
РЕЗЕРВ БФКО
ВСЕГО
Таким образом, разработка системы информационно-аналитического учета информации об объектах недвижимости является актуальным направлением. Система ускорит консолидацию и сверку данных, решит проблемы с временным разрывом между фактическим и системным действием, а также более точно составит аналитическую отчетность за счет полных данных в системе, сократит издержки и повысит финансовую устойчивость банка на рынке.
Несмотря на ограниченные возможности использования информации, содержащейся в настоящее время в Реестре в программе MS Excel, сегодня в своей работе его используют в среднем 200 зарегистрированных пользователей из различных подразделений банка и филиалов. Круг их значительно расширится при автоматизации работы с Реестром и достижении целей проекта.
Список литературы
1. Большие данные (Big Data) в России // Tadviser URL: www.tadviser.ru/index.php/Статья:Большие_ данные_(Big_Data)_в_России (дата обращения: 09.11.2022).
2. В России разработан основополагающий национальный стандарт по большим данным // Cnews URL: www.cnews.ru/news/line/2020-05-08_v_rossii_ razrabotan_osnovopolagayushchij (дата обращения: 09.11.2022).
3. Гришанов Е.Н., Опритова М.А. Использование технологии анализа больших данных в бизнес-приложениях // XLVIII Огарёвские чтения: тезисы докладов науч.-практ. конф. 6-13 декабря 2019 г. Саранск: Нац. исслед. Мордов. гос. ун-т им. Н.П. Огарёва, 2020, с. 652-657.
4. Стефанова Н.А., Седова А.П. Модель цифровой экономики // Карельский научный журнал. 2017. Т. 6. № 1(18). С. 91-93.
References
1. Big Data in Russia. Tadviser URL: www.tadviser. ru/index.php/Статья:Big_data(Big_Data)_b_Russia (accessed: 09.11.2022).
2. Russia has developed a fundamental national standard for big data. Cnews URL: www.cnews.ru/news/line/2020-05-08_v_rossii_razrabotan_osnovopolagayushchij (accessed: 09.11.2022).
3. Grishanov E.N., Aristova M.A. The use of big data analysis technology in business applications. XLVIII Ogarev readings: abstracts of scientific and practical conference. December 6-13, 2019 Saransk: Nats. research. Moscow State University named after N.P. Ogarev, 2020, pp. 652-657.
4. Stefanova N.A., Sedova A.P. Model of digital economy. Karelian Scientific Journal. 2017. Vol. 6. No. 1(18). pp. 91-93.
