В Департаменте интегрированных рисков (ДИР) Банка Открытие помимо оценки интегрированных рисков, рыночных рисков, проведения портфельного анализа также занимаются разработкой статистических моделей оценки кредитных рисков корпоративного сегмента. Также ДИР занимается реализацией стратегической инициативы развития DS&A, в рамках которой развернута общебанковская платформа моделирования. За год работы Центра DS&A он выполнял работы по решению задач всех подразделений банка, работающих с модельным риском.
Модельные риски
Все участники рынка, которые используют модели в своих процессах, так или иначе сталкиваются с несколькими источниками модельного риска.
В частности, риски существенны, если отсутствует независимая валидация, отсутствуют требования к мониторингу моделей, не автоматизирован жизненный цикл моделей. Также риски возрастают, когда процессы разработки оторваны от процессов внедрения: DS-специалисты что-то написали, а дальше это все нужно переписывать на язык системы принятия решения, в которую модель внедряется.
Отдельные риски возникают, когда отсутствуют регламенты четкой и понятной процедуры тестирования и мониторинга моделей (оперативный, технологический, статистический мониторинг), когда нет кода review, версионирования скриптов, отчета о разработке модели, отсутствует верификация корректности процесса разработки модели и проверки, что данные, используемые при разработке, соответствуют данным, которые поступают на вход в модель при ее применении.
Стратегическая инициатива data science & advanced analytics
В рамках стратегической инициативы по развитию data science мы сфокусировались на четырех основных направлениях.
Первое – это ИТ-инфраструктура. За короткий срок провели пилот и развернули общебанковскую платформу моделирования IRIS на принципах MLops. В числе ее пользователей – 9 подразделений банка. На текущий момент платформа интегрирована с пятью системами принятия решений, с корпоративными хранилищами (ЕХД, Hadoop), на платформе уже функционирует более 50 ключевых моделей банка.
Мы запускали пилот меньше чем за полгода, внедрили систему и дальше по сути развивали то, что было сделано в рамках этого пилота. В развитии платформы участвуют все подразделения пользователей, что дает положительный синергетический эффект. Настройки для одной команды могут быть переиспользованы другой. Такая совместная работа и единая точка обновления ПО позволяют сильно экономить на поддержке.
Важно, что развернутая платформа – это промышленное решение, соответственно, действуют три линии поддержки, настроено версионирование, распределение вычислительных ресурсов – это тоже сейчас немаловажный фактор, особенно с учетом ограничений возможности докупки вычислительных ресурсов. Общая платформа позволяет гибко перераспределять нагрузку между командами так, чтобы одна команда не занимала большой ресурс и его эффективность тем самым не снижалась.
Таким образом, в числе преимуществ новой платформы ML OPS можно отметить экономию на поддержке, единую точку обновления ПО, единый центр компетенций в IT, отсутствие зависимости от конкретного вендора, снижение операционного и модельного рисков, гибкость и масштабируемость, легкость добавления новых вычислительных мощностей и сокращение TTM-моделей за счет автоматического внедрения моделей. А также синергетический эффект: возможность переиспользовать данные, алгоритмы и модели различных команд.
Второе – развитие data science-сообщества. Это больше про культуру. Потому что помимо выполнения формальных требований по снижению модельного риска важно прививать культуру разработки моделей, понимание, как выглядит жизненный цикл от разработки до внедрения. Сообщество решает много других важных задач.
Около года существует DS-сообщество, в котором состоят все DS-специалисты банка из 9 подразделений.
За это время мы провели девятнадцать мероприятий: это внутренние и внешние вебинары по обмену опытом. Проводим внешние хакатоны для привлечения DS-специалистов с рынка. В рамках последнего приняло участие 5000 специалистов, в финал вышли 500 человек. Совместно с Высшей школой экономики мы проводили студенческую олимпиаду по Data Science (IDAO).
Специалисты DS-community преподают в банковской онлайн-школе Корпоративного университета, а также на Кафедре открытия в ВШЭ. То есть мы активно делимся компетенциями по Data Science.
Специалисты Центра DS&A помогают в найме сотрудников для data-science и других подразделений, проводят DS-экспертизу.
Кроме того, поддерживаем участие членов сообщества в конференциях, записи подкастов и публикации тематических статей – это тоже дополнительный бонус для команды.
Третье — это методология управления модельным риском. Успешно функционирует независимый центр валидации и управляющий комитет по стандартам моделирования и монетизации данных.
Четвертое – это непосредственно разработка моделей для подразделений, у которых нет своей data science-экспертизы в банке. Около года назад был создан Центр DS&A (data science & analytics), который разрабатывает модели для различных подразделений банка: для подразделения по работе с проблемными активами, для информационной безопасности, digital и других. Всего уже завершено пять задач, еще 19 находятся в бэклоге. Это направление в том числе продвигает культуру data science в банке.
Очень важно, что у центра DS&A установлены в том числе KPI на монетизацию: мы не разрабатываем модели без четкого понимания зоны применения и финансового эффекта. Все это прорабатывается совместно с заказчиком. Потенциальный эффект, по текущей воронке, составляет порядка 1 млрд рублей, уже разработаны и внедрены модели с финансовым эффектом порядка 330 млн.
В числе заказчиков Центра DS&A – различные подразделения банка, которые ставят разные задачи. Например, для розничного блока Центр DS&A занимается решением задачи сегментации клиентов, оптимизации рекламных площадок и marketing mix. Для Блока безопасности – выявлением компаний участников мошеннических операций и выявлением нежелательного и подозрительного поведения пользователей систем банка. Для Блока автобизнеса – формированием лидов по всей линейке продуктов в различных каналах коммуникаций. Для «Открытие Брокер» – задачи увеличения активных клиентов и максимизации прибыли. Также среди наших текущих заказчиков: Блок продаж и обслуживания клиентов (создание инструмента для 100% контроля чатов и алгоритма распознавания речи speech-to-text), Департамент проблемных активов (обновление шести моделей процесса взыскания Next Best Action).
Есть разовые задачи, а есть задачи, после выполнения которых возникают новые.
Благодаря общебанковской платформе моделирования IRIS, централизованным хранилищем данных, жестким требованиям к монетизации (KPI на фин. эффект + shadow P&L), вовлеченности топ-менеджмента (сквозные KPI на членов правления) создаются предпосылки для функции общебанковского хаба DS&A.
Немаловажным фактором является то, что мы развиваем хаб DS&A с учетом опыта разработки рисковых моделей, а там достаточно жесткие требования к разработке и валидации, так как это в том числе влияет на резервы. У нас выстроенные «классические» процессы моделирования и управления жизненным циклом моделей, а у команды есть опыт внедрения сложных моделей в процесс.
Мы достигаем своих целей без жесткой централизации моделирования, благодаря централизации отдельных компонентов: инфраструктура, данные, сообщество DS-специалистов, единая HR-площадка поиска DS-специалистов.
Анастасия ДЕМСКАЯ, вице-президент, директор департамента интегрированных рисков Банка «Открытие»
