Дипломная работа: Разработка информационно-аналитической модели поддержки корпоративного управления лизинговой организации на основе технологий Business Intelligence

Разработанный отчет представлен на Рисунке 16.

Рисунок 16 Дашборд «Винтажный анализ просроченной задолженности»

Дашборд предназначен для анализа динамики валового (показатель GL, %) и фактического (показатель NL, %) объема рисков в разрезе поколений заключенных лизинговых договоров. По горизонтальной оси X графиков откладываются месяцы жизни поколения (возраст), по вертикальной оси Y - уровень риска по поколению на соответствующий месяц жизни. Таким образом, каждая линия графиков характеризует поведение определенного поколения на конкретном уровне просрочки в каждом своем возрасте. В итоге, в результате использования отчета пользователь имеет возможность определить самых плохие и самых хорошие поколения лизинговых договоров и впоследствии выявлять причины изменения объемов риска, а также принимать меры относительно сокращения объемов задолженности.

Пользователь может самостоятельно влиять на аналитический контекст за счет определения:

· типа анализа - рассчитывать долю риска на основании количества договоров или объема задолженности

· уровня анализа - производить расчеты на уровне региональных или базовых филиалов

· количества дней просрочки (1+, 5+, …, 90+)

Анализ численности персонала и расходов на оплату труда

Разработанный отчет представлен на Рисунке 17.

Рисунок 17 Дашборд «Анализ численности персонала и расходов на оплату труда»

Дашборд предназначен для контроля выплат по ФОТ и реализует проведение план-факт анализа выполнения среднесписочной численности персонала организации, а также сметы расходов на оплату труда по следующим статьям расходной части бюджета:

· оплата труда

· премии

· страховые взносы ФОТ

· резерв на годовую премию

· резерв на отпуска.

В процессе взаимодействия с дашбордом пользователь самостоятельно определяет способ расчета показателей (за период или накопительным итогом), а также формирует контекст анализа за счет влияния на такие аналитики, как период, департамент и отдел.

3.3 Апробация модели

Поддержка решений в области управления рисками

1. В рамках анализа у специалиста департамента рисков возникает необходимость проведения «винтажного» анализа по ряду поколений лизинговых договоров для выявления типов продуктов с повышенным риском и детального списка рисковых договоров.

2. Использование аналитического дашборда исключает необходимость самостоятельного построения «винтажных» таблиц со стороны специалиста и сразу позволяет оценить результаты.

3. В рамках анализа валового (GL) и чистого (NL) риска по лизинговым договорам с существующей просроченной дебиторской задолженностью в группе 1+ возникли вопросы относительно причин резкого роста доли чистого риска в поколении Х (коричневый цвет на легенде) на возрасте поколения в 25 месяцев. Скачок доли чистого риска заметен на графике NL, % (Рисунок 18).

Рисунок 18 Пример использования модели для принятия решений по управлению рисками

4. Использование функционала drill down позволяет провести более детальный анализ в конкретно выбранной точке повышенного интереса и выявить, что увеличение доли чистого риска вызвано резким ростом количества просроченных договоров по корпоративным продуктам (Рисунок 19).

Рисунок 19 Использование функционала drill-down для детального анализа рисков

5. Использование функционала drill through позволяет в табличном виде представить детальный список проблемных договоров и направить информацию управлению по работе с проблемными активами для принятия дальнейших мер по погашению просроченной задолженности.

3.4 Анализ эффектов от реализации модели

Разработанная модель обеспечивает проведение гибкого многоаспектного анализа деятельности лизингового предприятия на основе BI-технологий как в обобщенном виде, так и по отдельным сферам с возможностью детализации до самого глубокого уровня. Описанное решение в ежедневном режиме обеспечивает организацию актуальной аналитической информацией. Практические результаты от реализации информационно-аналитической модели поддержки корпоративного управления лизинговой организации с использованием технологий business intelligence по итогам использования на функциональных блоках, указанных в требованиях к решению, в сравнении с исходными трудозатратами указаны в Таблице 2.

Таблица 2

Результаты реализации информационно-аналитической модели

По результатам реализации информационно-аналитической модели поддержки корпоративного управления лизинговой организации можно выделить следующий перечень выявленных бизнес-эффектов:

· Значительное сокращение трудозатрат подразделений на подготовку данных, проведение анализа и формирование отчетности.

· Представление актуальной аналитической отчетности в наглядном визуальном формате по ряду функциональных блоков. Результаты пункта 3.3. показывают, что реализованная отчетность позволяет принимать взвешенные управленческие решения на основе данных (подход data-driven decision making).

· Предоставление единого многофункционального аналитического пространства для исследования и создания аналитического контента как на корпоративном уровне через веб-портал аналитики, так и индивидуальном пользовательском уровне через инструмент класса self-service BI.

· Обеспечение гибкости в проведении анализа за счет влияния со стороны пользователя на разрезы и параметры отчетов, изменения детализации за счет применения интерактивных действий дашбордов, а также сервисов drill down, drill up и drill through, интеграции с распространенным офисным программным обеспечением для экспорта отчетности или детальных данных для дальнейшего персонального исследования.

· Круглосуточный доступ к данным и аналитической информации, регламентированный пользовательскими ролями на информационном и аналитическом уровнях.

· Повышение оперативности в принятии управленческих решений за счет актуализации аналитических результатов и обеспечения доступа к ним со стационарных и мобильных типов устройств (планшетов, смартфонов).

Помимо бизнес-эффектов реализация информационно-аналитической модели также выражается в ряде технологических эффектов:

· Синхронизация методологий реализации расчетных показателей и обеспечение пользователей «единой версией правды».

· Исключение информационной разрозненности за счет консолидации данных из нескольких источников в едином информационном пространстве на ежедневной основе вне пользовательской активности с исключением дублирования и проведения мероприятий по повышению их качества.

· Повышение уровня информационной безопасности компании за счет реализации ролевой модели разделения доступа к корпоративной аналитической информации.

3.4 Выводы по главе 3

Глава 3 заключалась в реализации информационно-аналитической модели поддержки корпоративного управления лизинговой организации в соответствии с спроектированной архитектурой и определенным техническим инструментарием.

Была проведена разработка информационного уровня модели, обеспечивающего загрузку данных из разрозненных систем и их консолидацию в едином хранилище.

Создание аналитического уровня модели предоставило единую точку входа для получения аналитических результатов большей частью подразделений из портала корпоративной аналитики и дало пользователям возможность проведения самостоятельного анализа за счет self-service BI инструмента.

Апробация модели позволила продемонстрировать её эффективность при поддержке принятия управленческих решений. Также реализация информационно-аналитической модели поддержки корпоративного управления лизинговой организации позволила выделить ряд бизнес-эффектов.

Заключение

Подводя итог, можно заключить, что основная цель исследования достигнута: разработана информационно-аналитическая модель поддержки управленческой деятельности лизинговой организации с использованием технологий Business Intelligence, которая обеспечит проведение анализа корпоративной результативности в различных областях деятельности.

В рамках исследования были выполнены следующие задачи:

1. Исследован механизм лизинга, его элементы и особенности;

2. Рассмотрены методы, а также технологии, используемые компаниями рынка лизинга для анализа эффективности собственной деятельности;

3. Сформированы требования к разработанной информационно-аналитической модели;

4. Спроектирована целевая архитектуры модели и сформирована техническая база решения;

5. Проведена разработка информационно-аналитической модели в соответствии с спроектированной архитектурой и использованием сформированного перечня технологических средств;

6. Проведена апробация решения и проведена оценка бизнес-эффектов от реализации модели.

Реализация информационного уровня модели, с одной стороны, позволило повысить качество анализируемых данных и консолидировать их в едином пространстве. С другой стороны, создание аналитического уровня модели предоставило единую точку входа для получения аналитических результатов большей частью подразделений из портала корпоративной аналитики и дало пользователям возможность проведения самостоятельного анализа за счет self-service BI инструмента.

Разработанная в ходе исследования информационно-аналитическая модель показывает, что инструменты дескриптивной аналитики действительно обладают высокой эффективностью для обеспечения реализации data-driven подхода к принятию управленческих решений, а также качественного улучшения уровня аналитической поддержки на предприятии.

Список литературы

1 Федеральный закон "О финансовой аренде (лизинге)" от 29.10.1998 N 164-ФЗ [Электронный ресурс] / КонсультантПлюс - справочная правовая система. URL: http://www.consultant.ru/document/cons_doc_LAW_20780/. (Дата обращения: 10.03.20).

2 Чигрова Н. В., Кузьмин В. А., Овчинникова И. П. Особенности развития рынка лизинговых услуг в Российской Федерации / Вестник ОГУ. 2014. №14 (175). - URL: https://cyberleninka.ru/article/n/osobennosti-razvitiya-rynka-lizingovyh-uslug-v-rossiyskoy-federatsii. (Дата обращения: 10.03.20).

3 Семеко Г. В. Совместное предпринимательство: Учебное пособие [Электронный ресурс] / bwbooks.net. URL: http://bwbooks.net/books/biznes/semeko-gv/2004/files/sovmestnoyepredprinimatelstvo2004.pdf. (Дата обращения: 10.03.20).

4 Лизинг [Электронный ресурс] / banki.ru - крупнейший независимый финансовый портал Рунета. URL: https://www.banki.ru/products/leasing/about/. (Дата обращения: 10.03.20).

5 Дрыков А. В. Преимущества лизинга как финансового инструмента эффективного инвестирования предприятий [Электронный ресурс] / Вестник БГУ. 2010. №3. - URL: https://cyberleninka.ru/article/n/preimuschestva-lizinga-kak-finansovogo-instrumenta-effektivnogo-investirovaniya-predpriyatiy. (Дата обращения: 10.03.20).

6 Descriptive Analytics [Электронный ресурс] / Gartner Inc. IT Glossary. URL: https://www.gartner.com/en/information-technology/glossary/descriptive-analytics. (Дата обращения: 25.03.20).

7 Wu M. Big Data Reduction 1: Descriptive Analytics [Электронный ресурс] / Lithium Community. URL: https://community.lithium.com/t5/Science-of-Social-Blog/Big-Data-Reduction-1-Descriptive-Analytics/ba-p/77766. (Дата обращения: 25.03.20).

8 Брускин С.Н. Методы и инструменты продвинутои? бизнес-аналитики для корпоративных информационно-аналитических систем в эпоху цифровои? трансформации [Электронный ресурс] / CEUR Workshop Proceedings - a free open-access publication service. URL: http://ceur-ws.org/Vol-1761/paper56.pdf (Дата обращения: 30.03.20).

9 Wu M. Big Data Reduction 2: Understanding Predictive Analytics [Электронный ресурс] / Lithium Community. URL: https://community.lithium.com/t5/Science-of-Social-Blog/Big-Data-Reduction-2-Understanding-Predictive-Analytics/ba-p/79616 (Дата обращения: 30.03.20).

10 Advanced Analytics [Электронный ресурс] / Gartner Inc. IT Glossary. URL: https://www.gartner.com/en/information-technology/glossary/advanced-analytics. (Дата обращения: 30.03.20).

11 Westerman G., Bonnet D., McAfee A. The Nine Elements of Digital Transformation [Электронный ресурс] / MIT Sloan Management Review. URL: http://sloanreview.mit.edu/article/the-nine-elements-of-digital-transformation/?social_token=d65abc6db70ba459408562abb8de32bc&utm_source=facebook&utm_medium=social&utm_campaign=sm-direct. (Дата обращения: 02.04.20).

12 Прохоров А. Цифровая трансформация в цифрах [Электронный ресурс] / OSP.ru - сайт издательства «Открытые системы». URL: https://www.osp.ru/os/2016/02/13049319/. (Дата обращения: 02.04.20).

13 Бизнес-аналитика и большие данные в России в 2018 [Электронный ресурс] / CNews - Интернет-издание о высоких технологиях. URL: http://www.cnews.ru/reviews/bi_bigdata_2018/. (Дата обращения: 02.04.20).

14 Richardson J., Sallam R., Schlegel K. Kronz A., Sun J. Magic Quadrant for Analytics and Business Intelligence Platforms 2020 [Электронный ресурс] / Gartner Inc. URL: https://www.gartner.com/doc/reprints?id=1-1YAE9AY1&ct=200206&st=sb&signin=0a7bd5238fb134cf36406360da624feb. (Дата обращения: 07.04.2020).