金融服务正处于假设革命之中。在全球疫情的加速下,许多关于什么是可能的、什么是不可能的的强烈观点不仅受到了挑战,而且被打破了。在“前台”中,这些被广泛报道,仅举一例,英国《金融时报》报道称,在2020年第三季度,桑坦德银行在英国完成了80%的数字交易,而NatWest已经看到与客户的视频通话的使用从每月100次跃升至9000次。但是,所有这些数字应用程序都给支持它们所需的后台功能带来了巨大的压力。自动化不仅提供这些服务,而且自动化满足监管要求所需的报告和治理已成为一项紧迫的要求。与此同时,金融服务日益实时的性质和风险的转变,导致许多监管机构更频繁地要求更多的数据。但银行应将此视为实现昂贵劳动密集型流程现代化和自动化的机会。
需要新思维
在9/11和2008年银行危机之后,经过二十多年的监管层级,许多机构谨慎乐观地认为,他们已经管理了监管报告负担,可以将注意力和投资转移到其他领域。然而,英国脱欧和随后的COVID再次改变了游戏规则,需要更细粒度、更频繁的风险和绩效数据。这种新环境需要的不仅仅是一套新的报告和数据集,还需要从根本上重新思考如何与监管机构合作。
老办法是为每一项新的要求创建新的报告。这在实施和执行准备时间很长的法规的“旧世界”中是有道理的 ——但它仍然是劳动密集型的,并且遵行起来成本高昂。对于当今世界几乎不断的增量变化,这根本没有意义。每次都要使用会计师大军来处理Excel工作表并基于自定义数据集构建新报告,对于已经在低利率全球经济中面临极端利润率压力的银行来说,这是一场不可持续的噩梦。
自动化机遇
报告自动化提供了一个解决方案和机会来提高报告的质量、粒度和速度。为了成功实现报告自动化,银行必须采取三个基本步骤:创建单一、可信的企业数据平台,支持所有监管报告要求;建立灵活的分析模型,以取代低效的手动流程;将这些模型作为“数据产品”进行编目和共享,这些产品可以重复使用、重新组合和重新部署,以满足不断变化的需求。
在许多情况下,银行已经具备了共享数据单一来源的基础。位于许多银行核心位置的Teradata系统是报告所需的所有数据的单一可信视图的完美平台。无需提取和创建用于报告的数据孤岛,可以编写包括机器学习和AI模型在内的高级分析以在这些数据仓中运行。这不仅使模型能够利用Teradata的速度和规模来处理针对数十亿条记录的数百万个查询,而且还提供了最精细、最新和完整的数据集来驱动报告。
我们的分析123策略允许数据科学家使用他们选择的建模语言来构建和测试模型,并简单地部署它们来对实时数据进行评分。至关重要的是,该方法强调重新利用展示实用性的数据功能,大大减少了数据整理的繁重工作,并使数据科学家的工作效率大大提高。团队无需从头开始构建每个报表,而是可以使用以前尝试和测试的元素快速组装或增强模型以满足新要求。在企业功能存储中存储和编目这些功能可使它们易于发现和重用,以支持新模型以满足新的报告要求。
挑战假设
这给我们带来了另一个早就应该面临的假设挑战。监管报告不一定是时间和资源密集型成本。报告自动化消除了仅仅为了查找、准备和生成报告而将大型会计师团队捆绑在一起的需要。相反,这些人可以更好地部署在价值驱动角色中。此外,从通用、全面的实时数据视图开展工作,还将提高监管报告的准确性和质量。这不仅可以在不增加成本的情况下满足监管机构对更及时信息的需求,而且还将帮助跨司法管辖区的银行更有效地处理各个监管机构需求的细微差别。可以简单地定制满足大多数要求的核心数据产品,以提供所需的确切数据。最后,自动化减少了数据转录和人为错误造成的错误,从而节省了时间,并提高了监管机构的声誉,避免了修订、更正和更新的报告。长期以来,变革一直受到抵制,其假设是改变现有流程太难、成本太高、风险太大。今天的环境使这些过程站不住脚,同时表明变革是必需的和可能的。实现价值自动化是银行必须接受的要求和机遇。
需要新思维
在9/11和2008年银行危机之后,经过二十多年的监管层级,许多机构谨慎乐观地认为,他们已经管理了监管报告负担,可以将注意力和投资转移到其他领域。然而,英国脱欧和随后的COVID再次改变了游戏规则,需要更细粒度、更频繁的风险和绩效数据。这种新环境需要的不仅仅是一套新的报告和数据集,还需要从根本上重新思考如何与监管机构合作。
老办法是为每一项新的要求创建新的报告。这在实施和执行准备时间很长的法规的“旧世界”中是有道理的 ——但它仍然是劳动密集型的,并且遵行起来成本高昂。对于当今世界几乎不断的增量变化,这根本没有意义。每次都要使用会计师大军来处理Excel工作表并基于自定义数据集构建新报告,对于已经在低利率全球经济中面临极端利润率压力的银行来说,这是一场不可持续的噩梦。
自动化机遇
报告自动化提供了一个解决方案和机会来提高报告的质量、粒度和速度。为了成功实现报告自动化,银行必须采取三个基本步骤:创建单一、可信的企业数据平台,支持所有监管报告要求;建立灵活的分析模型,以取代低效的手动流程;将这些模型作为“数据产品”进行编目和共享,这些产品可以重复使用、重新组合和重新部署,以满足不断变化的需求。
在许多情况下,银行已经具备了共享数据单一来源的基础。位于许多银行核心位置的Teradata系统是报告所需的所有数据的单一可信视图的完美平台。无需提取和创建用于报告的数据孤岛,可以编写包括机器学习和AI模型在内的高级分析以在这些数据仓中运行。这不仅使模型能够利用Teradata的速度和规模来处理针对数十亿条记录的数百万个查询,而且还提供了最精细、最新和完整的数据集来驱动报告。
我们的分析123策略允许数据科学家使用他们选择的建模语言来构建和测试模型,并简单地部署它们来对实时数据进行评分。至关重要的是,该方法强调重新利用展示实用性的数据功能,大大减少了数据整理的繁重工作,并使数据科学家的工作效率大大提高。团队无需从头开始构建每个报表,而是可以使用以前尝试和测试的元素快速组装或增强模型以满足新要求。在企业功能存储中存储和编目这些功能可使它们易于发现和重用,以支持新模型以满足新的报告要求。
挑战假设
这给我们带来了另一个早就应该面临的假设挑战。监管报告不一定是时间和资源密集型成本。报告自动化消除了仅仅为了查找、准备和生成报告而将大型会计师团队捆绑在一起的需要。相反,这些人可以更好地部署在价值驱动角色中。此外,从通用、全面的实时数据视图开展工作,还将提高监管报告的准确性和质量。这不仅可以在不增加成本的情况下满足监管机构对更及时信息的需求,而且还将帮助跨司法管辖区的银行更有效地处理各个监管机构需求的细微差别。可以简单地定制满足大多数要求的核心数据产品,以提供所需的确切数据。最后,自动化减少了数据转录和人为错误造成的错误,从而节省了时间,并提高了监管机构的声誉,避免了修订、更正和更新的报告。长期以来,变革一直受到抵制,其假设是改变现有流程太难、成本太高、风险太大。今天的环境使这些过程站不住脚,同时表明变革是必需的和可能的。实现价值自动化是银行必须接受的要求和机遇。
连续 20 年:被公认为数据分析领域的领导者
随时了解情况
订阅 Teradata 的博客,获取每周向您提供的见解