ВКР. Горынин ВКР 2022. Исследование и анализ объекта автоматизации 4 1 Описание предприятия 4

• Название: Исследование и анализ объекта автоматизации 4 1 Описание предприятия 4
• Дата: 05.07.2022
• Размер: 6.55 Mb.
• Имя файла: Горынин ВКР 2022.docx
• Тип: Исследование; #624999
• страница: 11 из 11

Выводы к главе 3.

Был проведен анализ и оценка единовременных и постоянных затрат на обслуживание доработок к ИС на основе модели полной стоимости владения (TCO).

Выполнена сравнительная характеристика трудоемкости процессов регистрации и назначения встречи. Показано, что доработки к системе позволят получить экономию в трудоемкости в 76 229 рублей ежемесячно, а также увеличат пропускную способность у партнеров организации.

Проведена оценка времени окупаемости системы. По результатам расчетов инвестиции в разработку окупятся в течение полугода.

ЗАКЛЮЧЕНИЕ

В условиях цифровизации экономики финансовый сектор развивается особенно интенсивно. Банки ищут все более современные способы привлечения новых клиентов, а также механизмы для усовершенствования уже готовых клиентских потоков. Банковская сфера в России отличается высококонкурентным рынком, а также сложными процессами по совершению операций. Для улучшения своего положения на рынке финансовые структуры стремятся использовать информационные технологии в бизнесе.

Целью данной выпускной квалификационной работы были постановка задачи и описание ее реализации по доработке информационной системы GOSOBLAKO по автоматизации процесса Подбора и Скоринга заявки. Задачи, поставленные для выполнения указанной цели, были выполнены в полном объеме.

В первой главе работы автором был проделан анализ предметной области. В ходе выполнения поставленных задач было произведено описание деятельности предприятия и оценено положение предприятия на рынке и в мире. Также в главе были описаны узкие места в процессах, протекающих в компании и выбраны процессы для автоматизации. Кроме перечисленного, для написания требований к доработкам системы был изучен опыт конкурирующих решений на рынке в России и произведен поиск похожих решений в международных финансовых системах.

Во второй главе были описан самые используемые процессы, с которыми взаимодействуют пользователи агрегатора. Популярность процесса объесняется их положением в конверсионной воронке – они находятся в самом начале и обладают наибольшим трафиком. Были описаны требования к автоматизации процесса подбора финансового продукта, описаны в представлении TOBE новые способы взаимодействия с продуктом не только клиентов, но также и администратора системы, а также приведены скриншоты реализованного решения. Далее были описаны требования к автоматизации процесса принятия решения, что включает в себя диаграмму системных вызовов, описание части серверных алгоритмов, а также логики работы интеграции. Интеграционное взаимодействие банка неразрывно связано с вопросом информационной безопасности, поэтому в работе были учтены требования к безопасности, а также описаны способы их выполнения.

В третьей главе выпускной квалификационной работы был оценен экономический эффект от внедрения доработок в систему. Для этого потребовалось рассчитать единовременные и постоянные затраты при внедрении доработок, а также выполнить сравнительную характеристику трудоемкости процессов. Исходя из полученных данных был рассчитан срок окупаемости затрат на доработку информационной системы.

В результате выполнения данной выпускной квалификационной работы поставленная цель достигнута: была поставлена и реализована задача на внедрение доработок в систему GOSOBLAKO. Усовершенствование системы позволило существенно сократить временные затраты на процессе Подбора финансового продукта, а также существенно повысить производительность и качество в процессе Скоринга завки.

Данная работа также имеет перспективное направление развития, которое заключается в разработке полноценной интеграции с банками-партнерами, чтобы поддерживать процесс выпуска финансового продукта не только с позиции принятия решения, но и с точки зрения реализации полного взаимодействия с автоматизированной банковской системой на всех этапах жизненного цикла заявки.

Список использованных источников

1. 
   ГОСТ 34.602-89. Техническое задание на создание Автоматизированной системы. М. Издательство стандартов. - 1991.
   
2. 
   Аббакумов В. Л.,. Лезина Т. А, Бизнес-анализ информации. Статистические методы, М: Экономика, 2019
   
3. 
   Федеральный закон Российской Федерации «О государственном оборонном заказе» от 29.12.2012 № 275-ФЗ // Собрание законодательства РФ. — 2012. — № 53 (ч. 1). — Ст. 7600.
   
4. 
   Федеральный закон Российской Федерации «О закупках товаров, работ, услуг отдельными видами юридических лиц» от 18.07.2011 № 223-ФЗ (ред. от 02.07.2013) // Собрание законодательства РФ. — 2011. — № 30 (ч. 1). — Ст. 4571.
   
5. 
   Развитие банковского сектора России в условиях глобальной турбулентности. - М.: Русайнс, 2017. – 188
   
6. 
   Селищев, А. С. Деньги. Кредит. Банки. Учебник / А.С. Селищев. - М.: Проспект, 2017. - 304 c
   
7. 
   Информационные системы и технологии в экономике и управлении: учебник под ред. проф. В.В. Трофимова. – 3-е изд., перераб. и доп. – М.: Издательство Юрайт, 2011. – 521 с. – (Основы наук).
   
8. 
   Проектирование информационных систем: учебное пособие/ В.В. Коваленко.- М.: ФОРУМ, 2012.- 320с.
   

Приложения

Приложение 1.
Тенденции развития скоринговой системы кредитования

Горынин Радамир Александрович

ФГБОУ ВО «РЭУ им. Г.В. Плеханова»

Магистрант

Аннотация: в статье анализируется текущая ситуация на рынке решений для оценки заемщика, делается вывод о целесообразности использования скоринговых систем в нестабильной экономической ситуации.

Ключевые слова: банковский скоринг, скоринговая система

Abstract: the article analyzes the current situation on the market of solutions for assessing the borrower, concludes that it is advisable to use scoring systems in an unstable economic situation.

Keywords: bank scoring, scoring system

В современном мире кредит остается основным источником экономического развития и играет основную роль.

Кредиты. В последнее время это слово приобрело популярность и с развитием методов кредитования (т.е. с появлением онлайн-кредитования) не кажется труднодоступным для клиентов банка. Мы не задумываемся при оформлении кредита, как происходит процесс принятия решения «об одобрении» или «об отказе».

Сегодня коммерческими банками в основном используются два метода принятия решения эти два метода могут использоваться как вместе, так и отдельно:

1. Метод экспертной оценки;

2. Автоматизированные скоринговые системы.

При оформлении кредита в отделениях банка используется метод экспертной оценки клиентов.

Каждый банк использует свои методы оценки рисков, но также придерживается общих принципов, которые установлены для всех банков. Например, процесс оформления кредита и оценку кредитного риска принято делить на три этапа:

1. Предварительная оценка рисков;

2. Количественная оценка кредитного риска;

3. Принятие решения по кредиту. При одобрении - расчет процентной ставки [4].

Мы в свою очередь остановимся и рассмотрим второй метод, так как он становится более распространенным и используется при онлайн-кредитовании.

Кредитный скоринг представляет собой анализ кредитоспособности клиентов. Процесс принятия решений о возможности выдачи кредита заемщику основывается на знаниях и данных клиентов. Современные базы знаний и данных (БЗД) информационных систем поддержки принятия решений содержат ряд определений, сформулированных экспертами по кредитованию, направленных на объяснение значимости информации, имеющихся моделей и возможностей их использования в процессе кредитования. Эта информация описывает не только стандартные (известные) возможности анализа данных и требования к процессу кредитования, но и специальные знания (методы, модели и вычислительные алгоритмы), их интерпретацию, внутреннюю терминологию финансового учреждения, которая касается решения задач, связанных. с кредитованием.

Кредитным скорингом принято считать систему, которая проводит оперативную, точную и устойчивую процедуру оценки кредитного риска, имеющая научное обоснование. Скоринг представляет собой математическую или статистическую модель, которая соотносит уровень кредитного риска с параметрами, характеризующими заемщика (физическое или юридическое лицо). Основной задачей скоринга является оценка существенных рисков кредитования клиента, платежеспособности и определение максимальной суммы кредита [3].

Системы скоринга позволяют эффективно и адекватно оценить кредитоспособность заемщика банка в условиях кризиса и посткризисной рецессии, поскольку учитывают региональную специфику, общемировые глобализационно интеграционные процессы и динамику изменений макроэкономической ситуации. Это обеспечивается тем, что каждый банк может заложить в процесс оценки самые разные показатели: репутация заемщика (переведена в балльную шкалу), изменения рыночной конъюнктуры (по результатам прогнозных показателей) и т.д. Внедрение кредитного скоринга в практическую деятельность отечественных банков позволит: повысить эффективность управления кредитным портфелем банка на основании принятия взвешенных и обоснованных решений; снизить операционные расходы благодаря экономии рабочего времени работников кредитного отдела, поскольку по сравнению с традиционным анализом кредитной заявки снижается количество обрабатываемой документации. использовать качественно новые системы принятия решений по выдаче кредита и усовершенствованию моделей кредитования. Именно этот метод позволяет учесть и особенности развития региона, и бороться с мошенническими действиями заемщиков, что сейчас чрезвычайно актуально. Таким образом, внедрение скоринговых систем в практику российских банков необходимо как для самих банков относительно уверенности в возвращении кредита заемщиком и соответственно снижении кредитных рисков банка, так и для заемщиков, для которых скоринговая система значительно сократит время на принятие банком решения на выдачу кредита.

При оценке риска и использовании кредитного скоринга опираются на множество параметров, обычно их подразделяют примерно на 12 частей. Например, для физических лиц в основном это возраст, наличие детей, финансовое состояние (доход, наличие недвижимости и транспортного средства), семейное положение, место работы и т.д. Так же нельзя не заметить, что при кредитовании, например, жилищных кредитов используется совсем другая скоринговая система, т.е. для различных видов кредитов и для различных групп клиентов даже в одном банке используют различные модели оценки кредитного риска. Это обусловлено тем, что чем более однородна популяция клиентов, на которой разрабатывается модель, тем точнее прогноз.

После обработки введенной информации по кредитной заявке, скоринговая система определяет, к какой категории относится заемщик. Для того, чтобы понять работу скоринговой системы представим заполнение анкеты на определенную должность в определенную компанию. После того как анкета заполнена, работодатель изучает анкету и принимает решение брать вас на работу или нет. Прежде чем принять решение он смотрит и выделяет качества, которые ему необходимы. Так и в скоринговой системе, но она устроена так, что каждому ответу присваивает балл и в зависимости от набранных баллов, насколько близко находится к пороговой оценке делит заемщиков на «плохих» и «хороших».

Основной смысл данной системы в том, что у каждого заемщика индивидуальный набор баллов в зависимости от истории, благонадежности и платежеспособности. Набранное количество баллов в зависимости от пороговой оценки помогает системе ускорить процесс принятия решения по кредитной заявке.

Вся эта статистическая информация сохраняется и используется в дальнейшем при повторных введенных заявках. Если данная информация используется повторно, то кредитоспособность клиента рассчитывается по определенной формуле.

Слово «скоринг» в России воспринимается по-разному и единого мнения нет. Кто-то понимает как автоматизацию бизнес-процесса по принятию решения по кредитным заявкам.

Подразумевается, что скоринговая система обеспечивает маршрутизацию кредитных заявок и автоматизацию рабочих мест сотрудников банка, занимающихся выдачей кредита.

В другом случае «скоринг» — это математический расчет кредитных рисков по бальной системе, как уже отмечалось ранее.

В упрощенном виде скоринговая модель представляет собой взвешенную сумму определенных характеристик. В результате, полученный интегральный показатель сравнивается с неким пороговым значением, который, по сути, представляет собой линию раздела или линию безубыточности, рассчитанную исходя из того, сколько в среднем нужно клиентов, которые платят в срок, для того чтобы компенсировать убытки от одного должника. Все выглядит просто, однако сложность заключается в выборе самих характеристик, а также присвоения им весовых коэффициентов [2].

У скоринговой системы есть как положительные, так и отрицательные стороны. К положительным можно отнести:

1. Уменьшение издержек и операционного риска за счет автоматизации процесса оформления и принятия решения по кредитным заявкам;

2. Оперативная обработка кредитных заявок и оптимизация времени в принятии решения о выдаче или об отказе по кредиту;

3. Уменьшение влияния человеческого фактора в принятии решения;

4. Своевременное выявление мошеннических действий.

К минусам данной системы можно отнести:

1. Оценка кредитоспособности, по упрощенной схеме основываясь на ранее введенных данных, т.е если был отказ ранее, то и в последующем может быть не обоснованный отказ по кредитной заявке;

2. Скоринг настроен на типовые ситуации по оценке клиентов;

3. Оценка системы не реального клиента, а введенной информации по клиенту, т.е если клиент знает работу скоринговой системы, то может спокойно провести вокруг пальца. Таким образом, он может не только пропустить «плохого» клиента, но и упустить «хорошего».

Учитывая, что страна развивается, меняется условия кредитования и социально-демографические условия, скоринговые системы требуют постоянной доработки и обновления.

Во многих странах скоринговые системы обновляются раз в 2 года максимум и периодичность доработок зависит от экономического состояния страны на данный период.

В России развитие скоринга ограничивается все еще низкими по западным меркам объемами кредитования, а также быстроменяющимися социально-экономическими условиями. [2]

Данную систему нельзя считать эффективной и безопасной в России, если она применяется на сравнительно малых объемах анкетных заявок, так как банки не имеют достаточной информации о клиентах. Поэтому математическая модель, обеспечивающий спрос на розничный кредит и отвечающий за минимизацию банковских рисков, так и остается применимой только в крупных финансовых организациях.
Список используемой литературы
1. Банки.ру: информационный портал: – [Электронный ресурс]: Режим доступа: http://www.banki.ru/banks/ratings/agency;

2. Курманова Л.Р. Организация деятельности коммерческого банка [Электронный ресурс]: Режим доступа. - С.119;

3. Курманова Д.А. Финансовые технологии на розничном рынке банковских услуг // Вестник УГНТУ. Наука, образование, экономика. Серия экономика - 2019. - № 1 (27) – С.60-67;

4. Официальный сайт Центрального Банка России - [Электронный ресурс] – Режим доступа. URL: http:// www.cbr.ru