Создание модели оценки системных решений в банковском секторе на примере ведущего российского банка
Системная архитектура и автоматизированные процессы как неотъемлемая часть деятельности любой компании в современных реалиях. Анализ особенностей создания модели оценки системных решений в банковском секторе на примере ведущего российского банка.
| Рубрика | Банковское, биржевое дело и страхование |
| Вид | дипломная работа |
| Язык | русский |
| Дата добавления | 04.12.2019 |
| Размер файла | 1,5 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
2) Переход на новую модель продуктовых статусов
В процессе онлайн-дистрибуции вышеупомянутая заявка является концептуально контейнером продуктов, которые клиент изъявил желание приобрести. Клиент может оставить заявку сам
- на Альфа-сайте;
- в Альфа-офисе;
- на различных лендингах и через баннеры на партнерских сайтах;
- в Альфа-мобайле;
- через входящую линию.
Также заявку на продукт клиент может оставить партнёр через партнерское приложение. Заявка попадает в один из каналов оформления (телемаркетинг, выездные менеджеры), где менеджер созванивается с клиентом и уточняет набор продуктов, в которых заинтересован клиент (UI заявки менеджера представлен в Приложении 6, блок «Продукты, в которых заинтересован клиент»). Менеджер на звонке может определить, хочет ли клиент какие-то новые продукты, ранее не указанные в заявке или, наоборот, хочет от чего-то отказаться. В зависимости от того, кто из сотрудников «продал» заявку, выплачивается мотивация разным сотрудникам. Например, партнер, создавший заявку на некие продукты клиенту, которые в итоге были успешно ему оформлены, получает мотивационную выплату. Сотрудник телемаркетинга, сумевший продать клиенту некий продукт также получает мотивационную выплату.
В MVP процесса онлайн-дистрибуции была согласована модель статусов заявок, представленная в Таблице 6. В ней статус заявки в основном зависел от отклика, выбранного менеджеров в результате коммуникации с клиентом.
Таблица 6. Нецелевая статусная модель онлайн-заявки
Данная статусная модель имела логические ошибки и, очевидно, могла бы стать причиной некорректных выплат. В частности, в случаях, когда продукты в рамках одной заявки имели разные источники, выплаты распределялись некорректно. Например, в заявке от партнера на расчетно-кассовое обслуживание сотрудник телемаркетинга сумел продать еще и эквайринг, при этом выплату получил только партнер, т.к. в заявке никак не фиксировались источники продуктов. Такие ситуации сильно демотивировали бы менеджеров, и процент холодных продаж мог б упасть.
Однако, внедрение статусной модели в хоть каком-нибудь внятном виде было критично для запуска поскольку в случае с заявками от партнеров критично, чтобы SFA возвращал в партнерское приложение статус по заявке, где партнеры их отслеживают и, в случае успешно закрытых продаж, ожидают вознаграждение. Отключение функции просмотра статуса для партнеров было недопустимо, поскольку для них теряется прозрачность процесса и страдает репутация Банка. При проработке статусной модели заявок команда понимала, что придется переходить на новую концепцию - вводить статусы отдельно каждому продукту - однако, сделать сразу это не представлялось возможным по ряду причин:
- необходимость менять статусные модели в смежных системах;
- менять интеграция с партнерским приложением, которое было способно принимать только статус по заявке целиком (legacy старой CRM-системы);
- менять структуру отчета в DWH, смотреть там продажи в разрезе продуктов, а не заявок;
- менять логику расчета мотивации.
Поэтому было решено внедрять одноуровневую систему статусов заявки с пониманием того, что она будет переделана. Сделав нецелевой вариант стало понятно, что рефакторинг необходим немедленно, потому что новое возникло новое требование бизнеса о дедубликации продуктов в заявках, которое было невозможно с текущей статусной моделью. Требование заключалось в следующем: при поступлении заявок от одного клиента на одинаковые продукты, в оформление должен попасть один, самый приоритетный, чтобы 1) менеджеры не тратили время на дублирующиеся процессы, 2) клиент не было оформлено 2 одинаковых продукта. Оказалось, ситуации с дублированием процессов довольно частые, например, партнер передал заявку от клиента на определенный продукт, клиент сам в этот же день позвонил в Банк и оставил заявку, а потом, не дождавшись ответа, стал оформлять продукт сам через мобильное приложение. В таком случае с базу Банка поступило 3 заявки на одинаковый продукт от одного клиента, но все они ушли в разные каналы оформления: партнерскому менеджеру, менеджеру телемаркетинга и выездному менеджеру соответственно.
Дедубликация таких заявок возможна только при наличии у каждого продукта своего статуса и источника, поэтому был разработан целевой вариант статусной модели заявок. Поэтому статусная модель заявки была заменена статусной моделью продуктов (Таблица 7), статусная модель заявки перестала зависеть от откликов, выбранных менеджером в коммуникации, а статус заявки стал рассчитываться от статусов продуктов из этой заявки. Кроме того, была реализована логика объединения заявок по контактным данным клиента, при которой при взятии менеджером заявки в работу из корзины, происходит поиск других заявок в корзинах по тем же контактным данным, и продукты из всех найденных заявок собираются в заявку, взятую в работу менеджером (берутся продукты, из наиболее ранних заявок, статусы всех продуктов при этом пересчитываются). Объединение продуктов из разных заявок представлено на Рисунке 3.
Рисунок 3. Объединение продуктов из разных заявок
Таблица 7. Статусная модель продуктов
Статусная модель заявки была трансформирована, статусы локализованы (Таблица 8).
Таблица 8. Трансформированная таблица статусов заявки
Кроме предложенной модели статусов заявок и продуктов, рассматривалась реализация только модели продуктовых статусов и отказ от статусов заявки. И хотя то решение было бы архитектурно правильным, от него пришлось отказаться, потому что перевести часть смежных систем (в т.ч. партнерское приложение и отчеты BI) на новую модель полностью было бы очень долго и затратно, поэтому концепция двух статусов была признана целевой.
Перейдя на целевую модель статусов относительно быстро, удалось реализовать новую интеграцию с партнерским приложением, и в партнерском кабинете отображение статусов стало понятным, что, по прогнозам, повысит лояльность партнеров и их желание сотрудничать с Банком. Кроме того, ожидается, что процесс расчета мотивационных выплат будет работать корректно (поскольку доработка была выведена в промышленную эксплуатацию недавно, статистических данных по мотивационным выплатам мало). В отличие от первого примера, в котором реализация нецелевого варианта была обоснована и принесла ощутимую выгоду (которую можно измерить в денежном эквиваленте), в данном примере от нецелевого варианта положительного эффекта не наблюдалось. Также, оценить затраты на переход от нецелевой модели к целевой помощью рефакторинга тоже довольно сложно, потому что потери, понесенные Банком, были отчасти репутационные (неудобство приложения и некорректность данных могли привести к потери лояльности партнеров, которую сложно перевести к затратам), а также сложно оценить архитектурный урон от некорректной модели (часть данных до сих пор осталась в некорректном виде в БД, по старым данным не проводилась миграция). Таким образом, можно предположить, что эффект от рефакторинга во втором случае выше, хотя бы потому, что в отличие от первого кейса нецелевое решение было помехой.
В обоих описанных случаях эффект от доработок можно было бы заранее спрогнозировать, если бы у лиц, принимающих решения, был некий инструмент оценки этих доработок. В следующей главе будут представлены два инструмента, которые в данных случаях можно было бы использовать.
4. Создание модели оценки системных решений
Существует немного методов для оценки эффектов от доработок информационных систем. Чаще всего бизнес-представители не спешат применять модели оценки доработок, полагаясь в основном на свою экспертизу и интуицию. С одной стороны, их можно понять, поскольку любая прогностическая модель несет в себе некоторую неопределенность. Когда результаты оценки с помощь каких-либо моделей отличаются от субъективного мнения эксперта или продуктового менеджера, возникает дилемма: доверять модели и принять решение на основании результатов статистической модели или довериться субъективной оценке. Однако, при желании точность модели можно совершенствовать, также как можно диверсифицировать набор оценочных методик, что поможет сравнить результаты из нескольких источников и принять верное решение. Для оценки можно также применять не статистические методы оценки альтернатив - методы экспертных оценок.
В данной главе будут рассмотрены оба подхода. Оценка будет проведена с помощью двух методов неструктурированного решения проблем (Метод взвешивания экспертных оценок и Поиск наилучшей альтернативы на основе принципа Кондорсе) и одного статистического метода оценки (линейная регрессия). Использование методов экспертных оценок оправдано тем, что решая, стоит ли проводить доработку, продакт-менеджер сталкивается с решением неструктурированной проблемы, которая характеризуются лишь качественным описанием состава некоторых целей и условий их достижения. Количественные характеристики не всегда определены в полной мере (затраты и эффект от дообработки заранее определить сложно). Далее будет применена линейная регрессия, использование которой тоже оправдано, т.к. есть возможность проанализировать выборку случаев рефакторинга и собрать по ней количественную информацию. По этим наблюдениям есть возможность вывести общую зависимость, что поможет предсказать тенденцию развития доработки еще до ее планирования и внедрения (полагая, что все эффекты от рефакторинга линейно зависят от параметров модели, продакт-менеджер может, основываясь на прошлом опыте, предсказать успех или не успех внедрения).
Методы экспертных оценок
Все методы оценок, применяемые при решении неструктурированных задач прогнозирования, разбиваются на 2 класса: методы формирования индивидуальных экспертных оценок и методы формирования коллективных экспертных оценок. Оба класса предполагают предложение решения на основании оценок, данных экспертом или группой экспертов, которые, в свою очередь, могут использовать другие методы для формирования своей оценки - собеседования, интервью, перекрестный допрос и т.п. Полученную от экспертов эвристическую информацию необходимо представить в качественной форме, удобную для обработки и анализа. Для формализации эвристической информации служат следующие типы шкал:
· шкала классификаций: характеризует исследуемые объекты с чисел;
· шкала порядка: ранжирует исследуемые объекты по определенному;
· шкала интервалов: позволяет присвоить исследуемым объектам относительные числовые значения.
В методах экспертных оценок наиболее часто используется шкала Е. Харрингтона - вербально-числовая шкала, представленная в Таблице 9. Числовые интервалы в таблице получены на основе статистического анализа большого массива данных, поэтому шкала Харрингтона имеет универсальное применение и может использоваться для оценки различных показателей качественного характера [21].
Таблица 9. Шкала Харрингтона
|
Лингвистические оценки |
Бальные оценки |
Шкала Е.Харрингтона |
|
|
Отлично |
5 |
0,8-1 |
|
|
Хорошо |
4 |
0,63-0,8 |
|
|
Удовлетворительно |
3 |
0,37-0,63 |
|
|
Плохо |
2 |
0,2-0,37 |
|
|
Очень плохо |
1 |
0-0,2 |
К двух кейсом рефакторинга, описанных в Главе 3, будут применены методы взвешивания экспертных оценок и поиск наилучшей альтернативы на основе принципа Кондорсе. В каждом кейсе есть 3 варианта: вариант, принятый до рефакторинга, целевой вариант после рефакторинга и непринятая альтернатива (Таблица 10).
Таблица 10. Описание вариантов для экспертного оценивания
|
Кейс 1: Интеграция с СУЗом |
Кейс 2: Статусная модель заявки |
||
|
Вариант до рефакторинга |
Механизм для ручного создания заявок LeadOrder () |
Статусная модель заявки () |
|
|
Целевой вариант |
Интеграция с СУЗом REST- сервисом () |
Модель двойных статусов - заявки и продукта () |
|
|
Непринятая альтернатива |
Разработка SOAP-сервиса для создания заявки () |
Модель только продуктовых статусов () |
Метод взвешивания экспертных оценок
В данной оценке принимали участие 4 эксперта. Поскольку компетентность экспертов зависит от таких факторов, как занимаемая должность, ученая степень, опыт практической деятельности, понимания проблем и перспектив развития и др., будет использована общепринятая матрица оценок компетентности экспертов (Приложение 7).
Эксперт 1: Тимлид команды разработки, техническая специальность. Оценка компетентности: 1,8.
Эксперт 2: Продакт-менеджер системы, специализация в отчетности. Оценка компетентности: 3.
Эксперт 3: Главный системный аналитик, специальность Бизнес-информатика. Оценка компетентности: = 1,5
Эксперт 4: Ведущий разработчик, специальность Программная инженерия. Оценка компетентности: = 1,2
Таблица 11. Относительный коэффициент профессионализма:
Эксперты в двух кейсах распределяют вариантам веса согласно матрицам (исходный вес цели вычислен):
Таблица 12.Интеграция с СУЗом
Сумма исходных весов = 1, расчет верный. По данным расчета можно предположить, что наиболее предпочтительным является вариант Z2 (Интеграция с СУЗом REST- сервисом), что является целевым вариантом.
Далее производится расчет коэффициента конкордации (Таблица 11) для определения степени согласованности экспертов по формуле: , где
S - квадрат отклонения суммы рангов,
m - количество экспертов,
n - количество альтернатив.
При расчете коэффициента альтернативы для каждого эксперта ранжируются в порядке убывания от наиболее предпочтительного к наименее предпочтительному.
Таблица 11. Расчет коэффициента конкордации для кейса 1
Коэффициент согласованности экспертов получился равен 0,75, что говорит о довольно высокой согласованности экспертов, поэтому можно говорить о том, что вариант целевой интеграции был бы наиболее предпочтительным.
Таблица 12. Статусная модель заявки
|
Эi/Zi |
Сумма |
||||
|
0,1 |
0,6 |
0,3 |
1 |
||
|
0,2 |
0,6 |
0,2 |
1 |
||
|
0 |
0,7 |
0,3 |
1 |
||
|
0,1 |
0,4 |
0,5 |
1 |
||
|
Исходный вес цели = ? Вес (Zi)*Ri |
0,12 |
0,588 |
0,292 |
1 |
Сумма исходных весов = 1, расчет верный. По данным расчета можно предположить, что наиболее предпочтительным является вариант Z2 (Модель двойных статусов), что также является целевым вариантом. Расчет коэффициента корнкордации представлен в Таблице 12.
Таблица 12. Расчет коэффициента конкордации для кейса 2
|
Эj/Zi |
Z1 |
Z2 |
Z3 |
Сумма |
||
|
Э1 |
3 |
1 |
2 |
|
||
|
Э2 |
2 |
1 |
3 |
|
||
|
Э3 |
3 |
1 |
2 |
|
|
|
|
Э4 |
3 |
2 |
1 |
|
Среднее значение |
|
|
Сумма рангов |
11 |
5 |
8 |
24 |
8 |
|
|
Отклонение от средней суммы рангов |
3 |
-3 |
0 |
|
|
|
|
Квадрат суммы |
9 |
9 |
0 |
18 |
|
|
|
m= |
4 |
|
|
|
|
|
|
n= |
3 |
|
|
|
|
|
|
S= |
18 |
|
|
|
|
|
|
W= |
0,5625 |
|
|
|
|
Согласованность экспертов в данном случае получилась ниже, чем в предыдущем, поэтому утверждать, что вариант стоит выбирать безоговорочно нельзя. В данном случае для принятия решения стоит либо применить еще какой-нибудь инструмент оценки (например, поиск наилучшей альтернативы на основе принципа Кондорсе), либо принимать риски того, что решение будет не самым оптимальным (либо в группе экспертов кто-то мог ошибиться в своей оценке, либо неопределенность в данных альтернативах достаточно велика).
Поиск наилучшей альтернативы на основе принципа Кондорсе
Интеграция с СУЗом:
Ранжирование альтернатив для данного кейса представлено в Таблице 11.
Матрица ниже показывает, сколько раз одна альтернатива выбирается по отношению к другой:
Таблица 13
|
Z1 |
Z2 |
Z3 |
||
|
Z1 |
- |
2 |
4 |
|
|
Z2 |
2 |
- |
4 |
|
|
Z3 |
0 |
0 |
- |
Выполняем проверки согласно принципу Кондорсе: наилучшей является альтернатива , если ik ? для всех i ? j.
: = 2, = 2; = 4, = 0. Для всех k a ik ? a ki, принцип Кондорсе выполняется.
: = 2, = 2; : = 4, = 0. Для всех k a ik ? a ki, принцип Кондорсе выполняется.
: = 0, = 4 => принцип Кондорсе не выполняется.
Принцип Кондорсе выполняется сразу для двух альтернатив, поэтому можно говорить, что они обе имеют место быть. Согласно первому методу взвешенных экспертных оценок эти две альтернативы получили почти одинаковые веса (0,408 и 0,456 соответственно), однако, второй вариант оказался все-таки чуть более предпочтительным. Таким образом, данные методы не противоречит друг другу и могут быть использованы совместно для подтверждения оценки.
Статусная модель заявки
Ранжирование альтернатив для данного кейса представлено в Таблице 12. Матрица ниже показывает, сколько раз одна альтернатива выбирается по отношению к другой:
Таблица 14
|
Z1 |
Z2 |
Z3 |
||
|
Z1 |
- |
0 |
1 |
|
|
Z2 |
4 |
- |
3 |
|
|
Z3 |
3 |
1 |
- |
Проверки согласно принципу Кондорсе:
: = 0, = 4 => принцип Кондорсе не выполняется.
: = 4, = 0; : = 3, = 1. Для всех k a ik ? a ki, принцип Кондорсе выполняется.
: = 3, = 1, = 1, = 3 => принцип Кондорсе не выполняется.
Принцип Кондоросе выполняется только для второго варианта - модели двойных статусов. Данный результат ожидаем, т.к. трое экспертов присвоили этому варианту наивысший вес (по методу взвешенных экспертных оценок). Таким образом, оба метода снова не противоречат друг другу и показывают одинаковые результаты.
Линейная регрессия
Линейная регрессия - это метод аппроксимации линейной зависимости между входными и выходными переменными. Имея некоторую выборку наблюдений, можно подобрать функцию, которая будет сближать эти точки, в данном случае аппроксимация будет выражена линейной зависимостью.
Если линейная регрессия имеет один параметр, она называется простой, а если более одного - множественной. В общем виде регрессия имеет вид Y=b0+b1x1+b2x2+?+bnxn, где n -число параметров. Коэффициенты bi, называются параметрами модели и выбираются так, чтобы минимизировать сумму квадратов отклонений точек, соответствующих реальным наблюдениям данных, от линии регрессии. Для подбора коэффициентов будет использован метод наименьших квадратов.
Метод наименьших квадратов позволяет подобрать коэффициенты регрессии так, чтобы отклонение наблюдения от значения в этой точке регрессионной функции было наименьшим. Поскольку отклонение наблюдения от функции может быть отрицательным (оно может быть больше или меньше целевого), оценивается квадрат отклонения [22].
Конечно, для однозначного построения функции, объединяющей все наблюдения, можно подобрать многочлен высокой степени, график которого проходит через все точки. Однако, этот вариант сложен и часто просто некорректен (т.к. график будет «петлять» и плохо отражать главную тенденцию). По этой причине для оценки кейсов выбрана именно линейная регрессия. Выбор применения линейной регрессии для оценки обусловлен также тем, что подавляющее большинство реальных процессов в экономике и бизнесе можно с достаточной точностью описать линейными моделями. Также, линейная регрессия широко используется для решения задач прогнозирования и численного предсказания, поэтому в данном исследовании она наиболее уместна.
Рассмотрим некий показатель - эффективность рефакторинга () - который определим, как отношение затрат на рефакторинг ( к выгоде от него (. Далее определим факторы, от которых зависят и .
= количество часов на разработку * средняя ставка () + потенциальные затраты на доработки в смежных системах () + альтернативные затраты на простой из-за рефакторинга () + потенциально упущенная прибыль ().
= прибыль, полученная непосредственно благодаря внедрению целевого функционала () + прибыль на счет выигранного времени ().
Факторы (… ) могут быть равны 0 (например, = 0, если рефакторинг не привел к ускорению разработки).
Таким образом, = F (), где факторы … предположительно независимы.
Линейная регрессия для оценки регрессоров: = + * + * * + * + * + * , где где -- математическое ожидание зависимой переменной , когда все переменные равны нулю, а -- ожидаемое изменение зависимой переменной , при изменении на единицу.
Для применения предложенной модели были собраны статистически данные (Приложение 8) по 19 доработкам (рефакторингу) на проекте SFA.
Ниже представлена сводка для модели и описательные статистики для каждой переменной.
R-квадрат равен 0,69, т.е. в 69% случаев изменения х приводят к изменению y. Другими словами, точность подбора уравнения регрессии выше среднего.
Таблица 15
|
Описательные статистики |
||||
|
Среднее значение |
Стандартная отклонения |
N |
||
|
(Экспертная оценка эффективности рефакторинга,% + 100)/100 |
1,0917 |
,17598 |
19 |
|
|
Кол-во часов разработки*ставка, руб. |
68263,16 |
52897,009 |
19 |
|
|
Потенциальные затраты на доработки в смежных системах, руб. |
33684,21 |
54590,448 |
19 |
|
|
Альтернативные затраты на простой из-за рефакторинга, руб. |
14210,53 |
27951,504 |
19 |
|
|
Потенциально упущенная прибыль, руб. |
20526,32 |
69159,533 |
19 |
|
|
Прибыль, полученная непосредственно благодаря внедрению целевого функционала, руб. (оценка продакт-менеджера) |
23157,89 |
31807,168 |
19 |
|
|
Прибыль за счет выигранного времени, руб (кол-во выигранных часов/день*ставка менеджера) |
9,09 |
15,076 |
19 |
При построении линейной регрессии проверяется нулевая гипотеза о том, что генеральный угловой коэффициент линии регрессии равен нулю. Если угловой коэффициент линии равен нулю, то не влияет на . Далее представлена оценка коэффициентов для уровня значимости б = 0,05:
Таблица 16
Из статистики имеем коэффициенты: в0 = -6377,224; в1 = 0,111; в2 =
- 0,067; в3 = -0,110, в4 = 0,039; в5 = 0,003; в6 = 239,183. Знак коэффициента показывает направление изменение зависимой величины при изменении соответствующей независимой. Таким образом, Потенциальные затраты на доработки и Альтернативные затраты на простой из-за рефакторинга отрицательно влияют на его эффективность, что не противоречит здравому смыслу. Также для каждого коэффициента рассчитаны доверительные интервалы для уровня значимости б = 0,05; это означает, что с вероятностью 95% коэффициент не выйдет за границы интервала.
Для константы и коэффициентов имеем гипотезы:
H0: коэффициент не значим.
H1: коэффициент значим.
Проверка выполняется для уровня значимости б = 0,05.
В0: 0,046 < 0,05 => площадь под графиком <, t-расчётное правее t-критического => Н0 отвергается => коэффициент значим.
В1: 0,049 < 0,05 => площадь под графиком <, t-расчётное правее t-критического => Н0 отвергается => коэффициент значим.
В2: 0,001 < 0,05 => площадь под графиком <, t-расчётное правее t-критического => Н0 отвергается => коэффициент значим.
В3: 0,098 < 0,05 => площадь под графиком <, t-расчётное правее t-критического => Н0 отвергается => коэффициент значим.
В4: 0,499 > 0,05 => площадь под графиком > , t-расчётное левее t-критического => Н0 не отвергается => коэффициент не значим.
В5: 0,008 < 0,05 => площадь под графиком <, t-расчётное правее t-критического => Н0 отвергается => коэффициент значим.
В6: 0,120 > 0,05 => площадь под графиком > , t-расчётное левее t-критического => Н0 не отвергается => коэффициент не значим.
Из проведенного статистического анализа c учетом значимости коэффициентов следует, что эффективность рефакторинга можно описать формулой:
Е = -6372,224+ 0,111* Х1 - 0,067* Х2 - 0,003 * Х3 +0,003* Х5.
Для оценки двух описанных выше кейсов необходимы значения для значимых параметров регрессии. Параметры для этих кейсов были запрошены у продакт-менеджера проекта и представлены в Таблице 17.
Таблица 17. Расчет эффективности по регрессионной модели
Значения рассчитанной эффективности для рассмотренных ранее кейсов получились 2,776 и 1,776 соответственно. Это означает, что в первом случае функционал после внедрения доработки рефакторинга стал эффективнее почти в 2,8 раз (т.е. затраты на рефакторинг не превышали выигранной прибыли), а во втором случае - в 1,8 раз. Прирост эффективности меньше, чем в первом кейсе, но повышение почти на 80% все равно говорит о целесообразности и значимости доработки.
Заключение
Подводя итоги проведённого исследования, можно сказать, что значимость CRM-системы для банка, как и в целом для любого бизнеса, неоспорима. О преимуществах владения инструментом управления взаимоотношениями с клиентами написано много статей как экспертами, так и простыми ИТ-специалистами, и положительный эффект от использования такой системы в организации рассмотрен под разными углами и исследован всевозможными научными методами. С другой стороны, явление рефакторинга, а также зависимости между ним и качеством системы, раскрыты в современных публикациях в недостаточной степени.
Влияние доработок на процессы и оценка их стоимости также не освещены в достаточной мере у зарубежных экспертов, и совсем не встречаются в работах российских специалистов. С одной стороны, это обусловлено тем, что для анализа эффективности доработки можно судить, имея реальные статистические данные, а для большинства бизнес-процессов в реальном мире задаются только поверхностные метрики для их мониторинга, и таких данных недостаточно, чтобы говорить о влиянии на них системного кода. С другой стороны, рефакторинг - это относительно новое явление, поэтому степень проработки данной проблемы невысока, что подтверждает актуальность и новизну данной магистерской диссертации. Таким образом, в теоретической части исследования были выполнены поставленные задачи: рассмотрены публикации на тему роли CRM в деятельности банка и необходимости системного рефакторинга, и определена степень проработанности проблемы и новизны тематики.
В основной части исследования были выполнены следующие поставленные задачи:
- были изучены основные направления предназначения платформы Pega;
- была предоставлена описательная характеристику SFA CRM-системы Альфа-Банка - SFA;
- были описаны 2 кейса рефакторинга системы SFA;
- была предложена модель оценки системного решения, состоящую из качественного и статистического методов;
- предложенная модель была применена к реальным кейсам рефакторинга.
Выполнение перечисленных задач привело к достижению основной цели магистерской диссертации - созданию модели оценки целесообразности внедрения функционала. Предложенная модель, состоящая из двух качественных методов решения неструктурированных задач (Метод взвешивания экспертных оценок и Поиск наилучшей альтернативы на основе принципа Кондорсе) и одного метода статистического анализа (линейная регрессия) является ценным инструментом и имеет практическую значимость для продакт-менеджера. Прежде всего, она позволяет оценить рефакторную доработку как в случае неопределенности, связанной с отсутствием недостатка или неточности информации о возможных последствиях и выгодах, так и в случае наличия статистики по другим рефакторным доработкам на проекте. Так, в первом рассмотренном кейсе интеграции системы SFA c СУЗом вариант, выбранный продакт-менеджером - эмуляция интеграции - был интуитивно обоснован: команда могла продолжать разработку и не ждать доработок смежной системы, что позволило уложиться в сроки ролл-аута системы. И хотя согласно предложенной модели данный вариант находился на втором месте (по результатам методов решения неструктурированных проблем), он все-таки имел довольно высокий вес по сравнению с наилучшей альтернативой (по результатам оценки модели - реализация сразу целевой интеграции по мере готовности системы СУЗ), 0,408 и 0,456 соответственно.
В данном случае можно было бы ошибиться и выбрать второй вариант, однако применение линейной регрессии дало результат эффективности рефакторинга - 2,776, что подтвердило высокую эффективность варианта с реализацией activity LeadOrder. Применив эту модель, у продакт-менеджера не осталось бы сомнений насчет этого варианта. В данном случае модель полностью оправдывает принятое решение.
Во втором кейсе, наоборот, принятое изначально решение - модель только статусов заявки - оказалось тупиковым, и его пришлось впоследствии переделывать. Применив предложенную модель оценки, можно было бы сразу оценить целесообразность второго варианта и приступить к его реализации не теряя время на неэффективную разработку.
Таким образом, можно говорить, что выдвинутая ранее гипотеза о том, что наличие модели для принятия решений о целесообразности внедрения функционала помогает банку избежать неэффективных доработок, подтверждена.
Применение всех методов из модели допустимо и желательно, поскольку тогда принятое решение будет наиболее удачным по результатам нескольких методов. Однако, даже при наличии всей необходимой информации для всех методов, стоит придерживаться следующих рекомендаций:
- в случае уникальности проблемы для лица, принимающего решение стоит внимательно отнестись к выборке экспертов: эффективнее всего выбрать экспертов с разными ролями и точками зрения;
- стоит исключить из выборки экспертов, потенциально заинтересованных в том или ином решении (напр., от внедрения доработки зависит их KPI);
- обратить внимание на коэффициент конкордации: согласованность экспертов должна быть выше средней;
- в случае наличия статистических данных по прошлым рефакторным доработкам на проекте, использовать линейную регрессию. Стоит отметить, что предложенная в данном исследовании регрессионная модель уникальна и применима только к данному проекту (системе), поскольку для другого набора данных коэффициенты модели могут отличаться;
- при составлении регрессии стоит использовать наблюдения только за той системой, рефакторинг которой предполагается проводить, поскольку в разных проектах, например, стоимость, затрат на разработку может отличаться за счет другого уровня экспертизы разработчиков, либо какие-то параметры могут быть признаны не значимыми.
При соблюдении предложенных рекомендаций спрогнозировать эффективность рефакторной доработки будет намного проще, чем в условиях отсутствия этой оценочной модели, когда решение принимается, основываясь только на интуиции и опыте лица, принимающего решение. Так или иначе, в области исследования влияния рефакторинга на качество системы и прибыль организации может быть сделано еще много открытий, которые убедят управляющих лиц прибегать к различным моделям оценки эффективности системного кода.
Источники
банковский системный автоматизированный
1. BloomChain. [Электронный ресурс]. - URL: https://bloomchain.ru/fintech/znaj-svoego-klienta-kakoe-budushhee-zhdet-rynok-kyc-reshenij / Статья: Знай своего клиента: какое будущее ждет рынок KYC-решений. (Дата обращения: 14.02.2019).
2. Bilali G. BePress. [Электронный ресурс]. - URL: https://works.bepress.com/genci_bilali/1 / Know Your Customer - Or Not. 2011. (Дата обращения: 17.02.2019).
3. Dalir M., Zarch M. E., Aghajanzadeh R., Eshghi S. The Role of e-CRM in the Quality of Customer-Bank Relationship // International Academic Journal of Organizational Behavior and Human Resource Management. Вып. 2. 2017. С 12-22. - ISSN 2454-2210.
4. Abbas T., Hafeez, S. Impact of CRM practices on service quality in the
banking industry // Pakistan Administrative Review. 2017.
5. Ho J., Mallick S. The Impact of Information Technology on the Banking Industry: Theory and Empirics // The Journal of the Operational Research Society. 2010. С 211-221.
6. Студопедия. [Электронный ресурс]. - URL: https://studopedia.ru/16_99399_model-lineynogo-goroda-model-hotellinga.html/ Статья: Модель линейного города (модель Хотеллинга). (Дата обращения: 22.01.2019).
7. Серебренникова А. CRM-система как инструмент повышения конкурентоспособности банка // Управленец. №4. 2016.
8. Bavota G., De Lucia A., Di Pento M., Oliveto P. An experimental investigation on the innate relationship between quality and refactoring // Journal Of Systems And Software. 2017. С 1-6.
9. Fowler M., Beck K., Brant J. Refactoring: Improving the Design of Existing Code. 2018. C 311-325.
10. Kannangar S., Wijayanayake W. An Empirical Evaluation Of Impact Of Refactoring On Internal And External Measures Of Code Quality // International Journal of Software Engineering & Applications (IJSEA). №1. 2015.
11. Szoke G., Nagy C., Ferenc R. A Case Study of Refactoring Large-Scale Industrial Systems to Efficiently Improve Source Code Quality // Department of Software Engineering, University. 2014.
12. Nagy C., Ferenc R., Bakota T. Conference paper. A True Story of Refactoring a Large Oracle PL/SQLBanking System // European Software Engineering Conference and the ACM SIGSOFT Symposium on the Foundations of Software Engineering (ESEC/FSE). 2011.
13. Википедия. [Электронный ресурс]. - URL: https://en.wikipedia.org/wiki/Pegasystems / Статья: Pegasystems. (Дата обращения: 15.04.2019).
14. FinExtra. [Электронный ресурс]. - URL: https://www.finextra.com/pressarticle/7771/pegasystems-launches-wholesale-banking-frameworks / Статья: Pegasystems launches wholesale banking frameworks. (Дата обращения: 15.04.2019).
15. Pega. [Электронный ресурс]. - URL: https://www.pega.com/industries/financial-services / Статья: Pega for Financial Services. (Дата обращения: 20.04.2019).
16. Global Banking & Finance Review. [Электронный ресурс]. - URL: https://www.globalbankingandfinance.com/pegasystems-enables-banks-to-implement-more-intelligent-customer-centric-sales-practices-with-pega-sales-automation-for-financial-services / Статья: Pegasystems Enables Banks To Implement More Intelligent, Customer-centric Sales Practices With Pega Sales Automation For Financial Services. (Дата обращения: 20.04.2019).
Размещено на Allbest.ru
...Подобные документы
Сущность процессов слияния и поглощения в банковском секторе, правовое поле данного вида сделок. Анализ финансового состояния и оценки рыночной стоимости ВТБ Групп и Банка Москвы до поглощения. Пути совершенствования этих процессов в современных условиях.
дипломная работа [2,1 M], добавлен 18.06.2013Понятие иностранного капитала в банковском секторе. Негативные последствия влияния иностранного капитала на банковский сектор России. Инструмент квотирования присутствия иностранных банков в России. Риск сравнительной потери деловой репутации банка.
курсовая работа [41,5 K], добавлен 15.05.2013Общая классификация банковских рисков, модели кредитного и рыночного риска. Оценка моделей определения рисков. Влияние макроэкономических переменных на показатели устойчивости банка. Перспективы применения эконометрических методов в банковском секторе.
дипломная работа [774,7 K], добавлен 19.11.2017Основная миссия АО "Банка развития Казахстана" на рынке банковских услуг, законодательные основы его деятельности. Анализ деятельности банка по финансированию инвестиционных проектов. Исследование влияния реализованных проектов на национальную экономику.
курсовая работа [1,5 M], добавлен 01.02.2013Современное состояние банковской системы России, направления ее развития. Особенности электронного дистанционного сервиса в российских банках. Инновационное применение системы виртуальных платежей, пластиковых и магнитных карточек в банковском секторе.
курсовая работа [83,2 K], добавлен 08.10.2010Формирование резервов на возможные потери по ссудам. Апробирование испанской модели динамического резервирования на российском банковском секторе. Авторская модель повышения стабильности банковской системы в условиях макроэкономической дестабилизации.
дипломная работа [1,2 M], добавлен 08.11.2015Основные подходы к определению понятия финансовой стабильности, анализ главных показателей ее оценки в банковском секторе. Анализ мер Банка России по преодолению финансовой нестабильности во время и после кризиса, мероприятия по повышению устойчивости.
дипломная работа [1,5 M], добавлен 27.04.2016Понятие, сущность и виды конкуренции в банковском секторе, факторы и показатели. Структура российского рынка розничных банковских продуктов, его компоненты: ипотечное и автокредитование, кредитных карт. Динамика количества банковских учреждений.
курсовая работа [1,4 M], добавлен 18.06.2015Тенденции на рынке M and A-сделок. Мотивы слияний и поглощений в банковском секторе. Основные факторы активизации банковских слияний и поглощений. Специфика российских слияний и поглощений в банковском секторе. Экспансия иностранных банков.
реферат [22,0 K], добавлен 09.12.2006Кризисные явления в банковском секторе, их сущность, типы, формы. Влияние кризисных явлений в экономике на состояние и развитие банковских систем. Воздействие мировых финансовых кризисов на банковскую систему РФ. Последствия банковского кризиса в России.
курсовая работа [201,3 K], добавлен 02.09.2014Понятие рыночной дисциплины в банковском секторе. Рыночная дисциплина условиях экономического кризиса. Чувствительность вкладчиков к рискам банка на примере японского рынка вкладов физических лиц. Основные причины и последствиях долларизации вкладов.
дипломная работа [2,5 M], добавлен 02.10.2016Сущность, формы и функции кредита. Участники, инструменты и основные схемы рынка потребительского кредитования. Перспективы его развития. Объемы кредитования физических лиц в банковском секторе РФ. Оценка операционных рисков и кредитного портфеля банка.
дипломная работа [618,4 K], добавлен 08.12.2014Характеристика АО "БЦК" на банковском рынке Казахстана. Изучение операций с ценными бумагами, как вида инвестиционной деятельности банка. Методы оценки пруденциальных нормативов и финансовых показателей банка, анализ моделей портфельного инвестирования.
курсовая работа [783,7 K], добавлен 09.03.2010Экономические основы осуществления финансовой оценки устойчивости коммерческого банка. Показатели надежности банка. Оценка балансовых показателей деятельности, пассивов и активов. Направления совершенствования оценки устойчивости коммерческого банка.
дипломная работа [152,1 K], добавлен 25.12.2012Анализ современного состояния банковской системы и путей ее совершенствования. Политика валютных интервенций Банка России, особенности, отличающие его от многих других стран. Меры по усовершенствованию эффективности проведения банковского надзора.
курсовая работа [509,6 K], добавлен 30.01.2014Понятие активных операций и их экономическое содержание. Измерение активов банка по рыночной стоимости. Факторы роста активов в банковском секторе и в отдельных кредитных организациях. Современное состояние активов российских коммерческих банков.
курсовая работа [215,5 K], добавлен 02.01.2018Понятие ликвидности кредитных организаций. Моделирование эффективной формы регулирования риска путем внедрения в политику кредитора последней инстанции механизма ценообразования помощи со стороны Центрального Банка. Риск ликвидности в банковском секторе.
реферат [208,1 K], добавлен 31.12.2016Прикладное значение бизнес-аналитики, как инструмента обработки информационных массивов, в функционировании банка, уменьшении материальных затрат на работу с данными. Выполнение расчетов ликвидности, дебиторской задолженности, рентабельности активов.
статья [34,2 K], добавлен 19.12.2016Проблемы оценки и снижения рисков в деятельности коммерческих банков. Внедрение скоринг-модели оценки кредитоспособности клиентов банка. Увеличение ресурсов за счет создания нового депозита "Успех". Выдача кредитов под обеспечение ценными бумагами.
дипломная работа [1,2 M], добавлен 21.01.2015Исследования влияния сделок по слияниям и поглощениям на доходность банков через анализ финансовой отчётности. Ожидаемые изменения показателя прибыли банка на основе исторического анализа изменения среднего уровня прибыли для рынка и других переменных.
контрольная работа [30,6 K], добавлен 27.12.2016
