Проблемы формирования и развития национального государства, национальной экономики и банковской системы тесно взаимосвязаны между собой. Причем они актуальны как для развивающихся, так и для промышленно развитых стран. За последние годы организационная и денежно-кредитные сферы мировой экономики получили значительное развитие. Глубокие изменения затронули как структуру национальных банковских систем, так и валютные рынки. Было создано множество новых финансовых инструментов, произошли изменения и в финансовой деятельности предприятий. Рост процентных ставок и увеличение финансовых расходов заставили по-иному взглянуть на функцию управления денежными потоками. Безусловно, управление международными денежными средствами во многом схоже с управлением национальной наличностью: прогнозирование движения денежных потоков, создание системы информации, переговоры с банками.
3.3 Ожидаемый социально-экономический эффект внедрения инноваций в банковскую систему
В начале 90-х годов прошлого века в России появилась система коммерческих банков. Болезни, существовавшие в тот момент в экономике, передались по наследству и ее детям. Банки в общей массе представляли собой либо кассу крупного предприятия, концентрируя в себе все его риски, которые всегда крайне высоки; либо находились в тесной связи с представителем чиновничества, обслуживая бюджетные средства, имея, тем не менее, шанс потерять бизнес при очередных выборах. Ведение банковского бизнеса в тот момент подразумевало в основном наличие хороших связей.
Идея создать новый банк, не имея покровителя, который бы обеспечил достаточный финансовый поток, казалась трудноосуществимой. При создании многих банков была сделана ставка на лидерство в передовых банковских технологиях. Только так можно было выделиться маленькому банку из обширной массы кредитных организаций. Крупные инновации следовали одна за другой, почти ежегодно:
1994 год - “Быстрые расчеты”: банки создают развитой на Урале сети корреспондентских счетов и одним из лидеров в скорости проведения платежей;
1995 год - разработка системы удаленного управления расчетным счетом “Клиент-банк”;
1996 год - внедрение микропроцессорных карт;
1999 год - внедрение системы удаленного управления счетом через Интернет;
2000 год - разработка банками собственных сайтов;
2002 год - создание банковских сертификационных центров ЭЦП;
2003 год - внедрение банками микропроцессорных карт VISA Electron/Classic, и их эмиссия.
Со временем список инноваций позволил банковской системе развиваться далее. Кроме того, новые технологии позволяли качественно обслуживать большее число клиентов. Но, как известно, рост и увеличение в размерах неизбежно ведет к ухудшению управляемости бизнеса, а традиционный подход по ужесточению контроля - к росту бюрократического аппарата. Акционеры банков не воспользовались этим решением, а напротив, начали бороться с ростом численности персонала. Но задача оказалась не простой. К тому же она была существенно усугублена новыми мощными тенденциями, захватившими банковский мир - приходом массового клиента, поворотом к розничному бизнесу, неизбежно влекущим за собой рост числа сотрудников. Решение этой проблемы было найдено опять же в области технологических инноваций - на этот раз ставка была сделана на передовые технологии управления бизнес-процессами, документопотоками и на интеллектуальные автоматизированные системы принятия решений.
В условиях повышения прибыли и доходности банковской деятельности одним из ключей к успеху становится способность автоматизировать процесс обработки кредитных заявок, включая этапы анализа и принятия решения. Исторически, эти задачи решалась исключительно человеком, так как на первый взгляд практически невозможно предусмотреть все моменты и отразить их в программном обеспечении. Тем не менее, идея подключить к этой задаче математический аппарат неоднократно возникала, и в свое время была решена. На Западе методологии, позволяющие автоматизировать процедуру классификации клиентов, получили название скоринг-систем - от английского глагола score - дословно “зарабатывать очки”. В своем простейшем варианте скоринг-система оценивает заемщика по набору характеристик (перечень имущества, должность, образование и т.д.), каждой из которых соответствует свой уровень значимости, выражаемый в баллах. Итоговая оценка системы, получаемая суммированием баллов, отражает предельный размер кредита, который можно предоставить заемщику без обеспечения (залога).
Скоринг принадлежит к классу систем анализа данных и управления знаниями, для названия которых в настоящее время используется целая группа терминов, неполный перечень которых включает data mining (“добыча данных”), knowledge management (“управление знаниями”), knowledge discovery (“открытие новых знаний”). Значение их в бизнесе, в том числе банковском, в последнее время возрастает. Согласно определению, эти системы, базируясь на математическом анализе, моделировании и технологиях баз данных, находят в массивах данных скрытые связи и закономерности, позволяющие выводить новые правила и предсказывать будущие результаты. Другое определение data mining: “процесс извлечения информации из данных с целью получения новых знаний”. Типичные приложения этих систем включают в себя сегментацию рынков, классификацию клиентов, выявление мошеннических действий, оценку различных направлений продвижения розничных продуктов, анализ кредитных рисков.
Автоматизированный анализ кредитных заявок как задача распознавания образов, требует накопленной статистики по распознаваемым объектам для построения моделей и решающих правил. Сложность ситуации для большинства российских банков заключается в том, что статистика по выдаче кредитов недостаточна для адекватной работы системы.
Под адекватной работой математической модели понимается ее способность обеспечить некий минимальный процент невозвратов по кредитам. По мировому опыту, этот процент должен варьироваться от 0,5 до 3%. Нулевой процент - величина абсолютно недостижимая, так как помимо недобросовестности заемщика, в силу вступают повседневные риски - смерть, потеря работы, несчастные случаи. Самые низкие проценты невозвратов достигаются в мусульманских странах - 0,5 - 1%. Это значение вплотную приближается к минимально возможному, так как национальные традиции предусматривают практику коллективной ответственности за каждого члена общины. Напротив, индивидуалистическая культура Христианского мира подводит это значение к уровню 3%.
Однако в России эти показатели значительно хуже. Причина в недостатке статистических данных (кредитование населения дело пока новое и анализировать еще нечего, а построение экспертных систем дело сложное и требует уникальной научной квалификации). По оценкам компании McKinsey, которая занималась разработкой ритейловых проектов для ряда банков России, невозврат кредитов в этой сфере составляет около 7%. Однако в период скорого выхода на этот рынок многих банков-участников эти цифры могут оказаться заметно хуже. Ввиду отсутствия накопленного опыта, присутствующие здесь риски, в частности, по возможным мошенническим действиям, в данный момент оценить очень сложно. Кроме того, многие выходящие на рынок банки фактически не используют интеллектуальные системы автоматизированного анализа и зачастую не отказывают в кредитах почти никому. Но применение скоринг - системы гарантии не дает, так как очень многое здесь зависит от ее качества. Это тот случай, когда некачественная система хуже, чем отсутствие такой системы вообще.