Investovali jste do datov�ho skladu?

Vyu�ijte naplno jeho potenciál

• �asopis: Bankovnictví 4/2007
• Autor: David Slánský, Adastra Corporation 
• Klí�ová slova: banky, podvody, vzorce chování, scoring, kontrolní systémy

V dnešním hyperkonkuren�ním prost�edí retailového bankovnictví se neobejdete bez detailní znalosti klient�. A jak jinak ji získat, ne� s pomocí datového skladu? Toto nebo velmi obdobné tvrzení jsme v posledních letech slýchali �asto. Jak vypadá realita? Implementace datového skladu nepochybn� p�inesla své výhody.

Banké�i, marketingová i další zákaznicky orientovaná odd�lení vyu�ívající p�ístup� CRM (Customer Relationship Management) mají k dispozici p�ehledné informace o zákaznících získané nejen z hlavního systému banky, ale také z ostatních relevantních aplikací. Nap�íklad ze systém� pro správu platebních karet, úv�rových systém�, systém� podpory p�epá�kových pracovník� a ostatních.
Nará�í však na n�kolik problém�, z nich� jeden se táhne jako �ervená nit pár posledními lety, a nyní dosp�l do stadia, kdy je pot�eba ho akutn� �ešit. Tím problémem je kvalita informací.

JAK KOREKTNÍ JSOU DATA, S NIMI� PRACUJETE
Nebudeme se zde zabývat detailním rozborem toho, co kvalita informací, resp. dat, znamená. Pod kvalitou informací budeme rozum�t jejich soulad s realitou. Pokud tedy klient vlastní b�ný ú�et, kreditní kartu a hypotéku, uvidíme všechny produkty u jednoho záznamu klienta. Navíc budou správn� a úpln� vypln�ny všechny údaje, které nám dal (nap�íklad dv� r�zné poštovní adresy - jedna, kterou jsme získali p�i zakládání b�ného ú�tu, a druhá, kterou nám klient poskytl p�i vy�izování �ádosti o kreditní kartu).
Jaký je tedy problém s kvalitou informací? V podstat� nedostatek výše uvedených údaj�. Ur�it� jste se setkali s p�ípady, kdy je jeden fyzický klient v datovém skladu (zákaznické databázi) ulo�en n�kolikrát, nebo� na základ� neúplných nebo nekorektních údaj� nebylo mo�né ur�it, �e se jedná o stejného klienta. Anebo údaje chybí �i neodpovídají ur�ité informace (typicky adresa - bu� není úplná, nebo se v ní vyskytují p�eklepy), p�ípadn� není úplná vazba klient-produkt �i klient-banké�.

P��INY NEKVALITY DAT
P�í�iny nekvality dat ulo�ených v systémech banky a z nich plynoucí nekvalita informací jsou mnohé. Mezi hlavní pat�í lidské chování - pracovníci, kte�í zadávají data, nejsou dostate�n� motivováni k tomu, aby zadávali údaje korektní a úplné. Nepochybn� svoji roli hrají i samotné informa�ní systémy, které umo��ují nekorektní data ulo�it, postrádají logické kontroly údaj� na vstupu (I�O, PS� a podobn�) �i postrádají vzájemnou (referen�ní) kontrolu a synchronizaci dat v reálném �ase.
Bylo by ale chybou vinit pouze systémy nebo jejich implementátory. Nedostatky, které se nám dnes zdají jako klí�ové, nebyly takto vnímány v dob� implementace.
Mnohé kontroly a vzájemné provázanosti systém� nebyly v dob� vzniku mo�né, zejména z d�vodu tehdejšího stavu informa�ních technologií nebo z d�vod� procesních �i finan�ních. �adu kontrol kvality dat prost� zadavatel nepo�adoval, nebo� prodlu�ovaly proces vkládání dat, znamenaly menší komfort pro koncového u�ivatele a v�tšinou také zat�ovaly rozpo�et projektu. Sou�asná situace nekvality dat/informací je tak hlavn� procesním a business problémem. A práv� �ešením tohoto problému se zabývá nový trend v oblasti data warehousingu a širším pojetí zpracování dat - Master Data Management (MDM).

MASTER DATA MANAGEMENT
Na MDM lze pohlí�et jako na technický a organiza�ní systém, zajiš�ující jednotná a kvalitní klí�ová data v rámci organizace a všech jejích informa�ních systém�. D�le�itými p�ínosy jsou:
- sjednocení klí�ových dat v rámci banky (nap�íklad kompletní data o klientech, jejich produktech a vazbách na banké�e),
- zajišt�ní kvality dat a následn� informací, nejen ve všech zmín�ných aspektech (konsolidace, úplnost, korektnost), ale i v aspektech dalších (aktuálnost, konzistence),
- nastavení business i IT proces� tak, aby sjednocení dat a jejich kvalita nejen neklesaly, ale aby naopak rostly.

SPOLUPRÁCE JE NEZBYTNÁ
Na rozdíl od p�edchozích �ešení informa�ních systém�, která zapojení business odd�lení banky vy�adovala pouze v rámci definice obsahu a funk�nosti, zachází oblast MDM mnohem dále. Zapojení business odd�lení a proces� je p�ímou a nedílnou sou�ástí celého �ešení a jedním z klí�ových faktor� úsp�chu!
První setkání s MDM vás �eká v rámci procesu Data Governance (DG) - správy dat (viz obrázek 1). Tento proces je provozován primárn� na úrovni business odd�lení a je platný v nejen rámci samotné banky, ale i všech ostatních spole�ností ve finan�ní skupin�. Mimo jiné zajiš�uje pomocí rolí datových správc� (Data Stewards), �e všechna data v bance jsou korektn� definována a existuje jejich shodné porozum�ní ve všech odd�leních banky, p�ípadn� dalších spole�nostech finan�ní skupiny.
Dalším podstatným výstupem procesu DG je zajišt�ní kvality dat. Data Stewards primárn� zodpovídají za definici a provoz business i technických proces� a �ešení tak, aby jim sv��ená data byla maximáln� kvalitní. Z toho vyplývá, �e proces DG zajiš�uje kvalitu dat na vstupu do organizace díky dv�ma faktor�m - celopodnikovému porozum�ní dat�m a zam��ením proces� po�izování dat na kvalitu.

CENTRALIZACE DAT JE KLÍ�EM K ÚPLNOSTI
Datová a informa�ní nekvalita však není zp�sobena pouze nekvalitním vstupem, resp. uchováním dat. Druhou d�le�itou p�í�inou nekvality je rozt�íšt�nost dat/informací v bance a všech ostatních spole�nostech ve skupin�. MDM �eší tento problém centralizací klí�ových dat nejen na úrovni jejich ulo�ení (databáze), ale i na úrovni u�ivatelského rozhraní.
Vytvá�í tzv. Master Data Hubs, co� jsou IT �ešení skládající se z centrální databáze klí�ových dat, nástroj� pro sémantické zajišt�ní jejich kvality (viz ráme�ek), integra�ní platformy umo��ující p�enos spravovaných dat mezi centrální databází a všemi ostatními relevantními systémy banky a v neposlední �ad� u�ivatelským rozhraním pro práci s klí�ovými daty. Samoz�ejmostí jsou business procesy zapojené do celého �ešení.
Pro dokreslení vyu�ití takového �ešení vyu�ijme op�t p�íklad s daty klient�. Klientská data ze všech systém� organizace se v reálném �ase sdru�ují v centrální databázi. Zadává-li pracovník „nový“ záznam klienta (nap�íklad p�i po�izování nového úv�ru), tyto údaje se nejprve zkontrolují (viz ráme�ek) a následn� porovnají s ji� existujícím obsahem centrální databáze klient�. Pokud systém - podle p�edem definovaných pravidel - najde ji� existující záznam o klientovi, pracovník pouze odsouhlasí/potvrdí, �e se jedná o shodného zákazníka. V p�ípad� kladné odpov�di pak systém neukládá nový záznam do databáze, ale vyu�ije existující. Sou�asn� se do systému dostávají údaje o novém produktu (v tomto p�íkladu o úv�ru) klienta a ty se navá�ou na existující klientský záznam. To umo�ní komplexní pohled na klienta.
Pro práci s klientem se zpravidla buduje zvláštní u�ivatelské rozhraní, které pracuje p�ímo s centrální databází a z pohledu koncového u�ivatele je integrováno p�ímo s produktovým systémem banky. Celkovou architekturu znázor�uje obrázek 2.

S POMOCÍ MDM BUDETE SVÉHO KLIENTA SKUTE�N� ZNÁT
Centralizace, konsolidace a hlavn� zvyšování datové kvality vede k významnému posunu ve vyu�ití dosavadních informa�ních systém�, zejména datového skladu, jeho� konsolidace ho posouvá na kvalitativn� vyšší úrove�. Banka m��e tyto nástroje pou�ít ke zvyšování své znalosti klienta (samoz�ejm� v rámci mantinel� definovaných legislativou, zejména zákonem o ochran� osobních údaj�), vyšší efektivit� klientsky orientovaných proces� (marketingu, cross-sell/up-sell), ale také t�eba pro zvýšení motivovanosti banké�� díky korektn� identifikované vazb� banké�-klient a korektn� kalkulované hodnot� klienta.

Kouzla nových nástroj� pro zajišt�ní datové kvality
Sou�asné nástroje zajišt�ní datové kvality kombinují sémantickou kontrolu záznamu s jeho unifikací a deduplikací v rámci všech záznam� centrální databáze. Ve svém oboru tak p�edstavují novou generaci, spo�ívající v kombinaci mnoha p�ístup� a postup� do jednoho procesu s jasným výsledkem. Jak vypadá takový proces? P�edstavme si zadání nového klientského záznamu v ší�i údaj� rodné �íslo, jméno, p�íjmení, titul a adresa. Nástroj pro datovou kvalitu p�evezme záznam a ka�dou polo�ku zkontroluje bu� pomocí ur�itých pravidel definujících vlastnosti atributu (rodné �íslo po roce 1954 má být d�litelné 11 beze zbytku a podobn�), pomocí kontroly hodnoty atributu v referen�ním seznamu (existuje seznam platných k�estních jmen, p�íjmení, registr adres a podobn�), nebo pomocí specifických algoritm� (hledání p�eklep� ve jmén� pomocí metody blízkosti písmen na klávesnici, metody podobn� zn�jících slov). P�ípadn� kombinací uvedených postup�. D�le�ité je, �e nástroj neaplikuje kontrolu podle definice struktury záznamu, ale v podstat� nejprve doká�e sám ur�it, jaké hodnoty atribut obsahuje. Obsahuje-li více atribut� v jednom, rozd�lí hodnotu podle ur�ité logiky a teprve následn� aplikuje specifické kontroly. Pokud tak do sloupe�ku „P�íjmení“ napíšete celé jméno v�etn� titulu, nástroj to pozná, rozd�lí �et�zec na k�estní jméno, p�íjmení a titul a poté aplikuje jednotlivé kontroly na všechny t�i polo�ky. Podle záva�nosti chyb, pravd�podobnosti správnosti opravy a business nastavení lze chyby v záznamech automaticky opravit, nebo se záznam odešle zp�t u�ivateli na opravu. Opravený záznam následn� prochází procesem unifikace, kdy se prohledá celá referen�ní databáze klient� a identifikují se záznamy, které (s ur�itou pravd�podobností) p�edstavují stejného klienta. Nový záznam se pak op�t na základ� u�ivatelsky nadefinovaných pravidel bu� automaticky slou�í s nejvhodn�jším existujícím záznamem, nebo se �ízení tohoto slou�ení p�edá koncovému u�ivateli. Tento proces m��e probíhat reaktivn�, nebo proaktivn�. To znamená, �e se bu� kontrolují a slu�ují ji� existující záznamy v databázích systém� banky, nebo se kontrolují a slu�ují se záznamy v okam�iku jejich po�ízení do systému.

Obr. 1 Proces Data Governance v organizaci

Obr. 2 Architektura MDM �ešení