· аутентификация пользователей должна осуществляться по доменным корпоративным учетным записям;

· решение должно предоставлять возможность сквозной аутентификации для пользователей домена Microsoft Active Directory;

· соединение клиентов с веб-компонентом должно осуществляться через защищенный канал связи с поддержкой протокола SSL (Secure Sockets Layer).

В рамках решения не должны храниться, использоваться и обрабатываться персональные данные пользователей или третьих лиц.

Аппаратно-системные требования

К серверу хранения данных

Аппаратные требования:

Физический сервер со следующими характеристиками:

· ЦПУ - 16 ядер с частотой от 2.4 ГГц

· ОЗУ - 128 ГБ

· Диск:

o Система - 100 ГБ SSD

o Данные - 1 ТБ SSD

o Temp - 500 ГБ SSD

o Log - 300 ГБ SSD.

Системные требования:

· Операционная система - Windows Server 2016

· Программное обеспечение - Microsoft SQL Server 2016 Enterprise Edition

· Статический IP-адрес среды развертывания

К серверу аналитики

Аппаратные требования:

Физический сервер со следующими характеристиками:

· ЦПУ - 8 ядер с частотой от 2 ГГц.

· ОЗУ - 64 ГБ.

· Диск - SSD объема от 500 ГБ. Скорость записи от 400 МБ/с, скорость чтения от 1000 МБ/с.

Системные требования:

· Операционная система - Windows Server 2016

· Программное обеспечение - Tableau Server 2019.4.3, Tableau Desktop 2019.4.3

· Статический IP-адрес среды развертывания

· Открытые порты 80, 8850 и 443.



2.4 Проектирование архитектуры решения

Укрупненная целевая архитектура решения проектировалась с учетом разработанных требований. Она представлена на Рисунке 6.

Рисунок 6 Укрупненная целевая архитектура решения

Разработанная архитектура состоит из трех взаимосвязанных уровней: информационного, аналитического и клиентского. На каждом уровне также отдельно выделены функциональные компоненты.

Информационный уровень

Согласно предъявленным требованиям, информационно-аналитическая модель должна функционировать на данных, получаемых из следующих систем:

· Microsoft Dynamics NAV - текущая ERP-система организации, которая содержит основной объем информации по лизинговым сделкам, договорам, контрагентам, лизингополучателям, а также их многочисленным атрибутам;

· 1С конфигурации «Управление Лизинговым Холдингом» - основная система финансового и бухгалтерского учета на предприятии;

· 1С конфигурации «Зарплата и Кадры» - основная система учета в области кадров, содержит информацию о зарплатном фонде, иерархии персонала, а также организационной структуре и демографических атрибутах сотрудников;

· Microsoft Excel - система используется для подготовки и хранения плановых показателей;

Информационный уровень модели является одним из важнейших. Он включает в себя 3 связанных компонента:

Компонент интеграции данных

Компонент интеграции данных состоит из набора процедур по экстракции, трансформации и загрузки данных (ETL - extract, transform, load). Основное назначение ETL-процедур в рамках решения:

· извлечение исходных данных из систем-источников и их загрузка в буферную зону;

· проверка данных на корректность и полноту;

· преобразование форматов и кодировок разрезов и показателей из исходных систем;

· отслеживание ошибок, их корректировка, обогащение данных и осуществление агрегации;

· перенос данных из буферной зоны в компонент итогового хранения данных.

Техническая реализация интеграционного компонента выполняется на базе инструмента Microsoft SQL Server Integration Services (SSIS).

Буферная зона

Буферная зона является компонентом промежуточного хранения данных в процессе их загрузки из операционных систем в компонент итогового хранения. Компонент предназначен для первичной консолидации данных из исходных систем в структуре, аналогичной системам-источникам, подготовки и преобразованию данных на этапе их переноса в компонент итогового хранения, контроля общего качества загрузки данных, а также обеспечения историчности данных.

Компонент хранения данных

Данная подсистема информационного уровня модели представляет собой итоговое предметно-ориентированное хранилище данных, спроектированное для максимально быстрой передачи чистых данных (агрегированных и детальных) для решения аналитических задач. Таким образом, в рамках решения компонент итогового хранения данных выступает связующим звеном с аналитическим уровнем модели.

Техническая базой для реализации компонентов промежуточного и итогового хранения данных выступает инструмент Microsoft SQL Server Management Studio.

Аналитический уровень

Аналитический уровень модели состоит из 2 связанных компонентов. Технической базой для реализации аналитического уровня выступают продукты компании Tableau которая, согласно результатам «магического квадранта» Gartner 2020, уже 8 лет к ряду держит лидерство в области визуализации данных и бизнес-аналитики.

Персональный BI

Компонент представлен инструментом Tableau Desktop, который предназначен для прямого подключения к хранилищу данных, реализации сотрудниками компании оперативного визуального анализа показателей деятельности организации, представления аналитических результатов в графическом или табличном виде, группировки визуализаций на аналитических инструментальных панелях (дашбордах) и последующей публикации результатов на сторону компонента корпоративной аналитики. Продукт позволяет реализовать сложные аналитические методы за короткое время без необходимости использовать языки программирования, обладает эргономичным интерфейсом и высокой производительностью даже на объемах данных более 100 миллионов строк.

Корпоративная аналитика

Компонент корпоративной аналитики представлен инструментом Tableau Server, который является единой точкой входа для получения аналитических результатов большей частью подразделений. Помимо отражения опубликованных результатов из компонента self-service BI портал корпоративной аналитики также отдельно обеспечивает проведение анализа, визуальное представление его результатов в виде аналитических дашбордов и тиражирование контента на использование подразделениям и менеджменту организации с предоставлением необходимых уровней доступа, обеспечением актуальности и защиты данных.

Клиентский уровень

Клиентский уровень архитектуры состоит из 3 видов сред, с которых пользователи осуществляют доступ к аналитическим результатам, размещенным на портале корпоративной аналитики:

1. персональные компьютеры - подключение к данным, проведение анализа и публикация результатов в виде аналитических дашбордов осуществляется за счет использования инструмента персональной аналитики Tableau Desktop.

2. веб-браузеры - доступ к результатам анализа осуществляется через использование сервера приложений компонента корпоративной аналитики Tableau Server.

3. мобильные устройства - доступ в корпоративный аналитический портал осуществляется через использование приложения Tableau Mobile.



2.5 Выводы по главе 2

Таким образом, глава 2 исследования была посвящена анализу деятельности предмета исследования, определению рамок реализации решения, формированию требований к информационно-аналитической модели поддержки корпоративного управления и проектированию целевой архитектуры.

Исследование предприятия позволило выделить его организационную структуру, основное направление деятельности и сегменты клиентской базы, а также миссию и основные векторы развития для укрепления на рынке.

Рамки реализации решения позволили выделить основную корпоративную цель и предпосылки для реализации информационно-аналитической модели, зафиксировать текущие трудозатраты на основных этапах процесса проведения анализа, а также определить основные задачи, которые необходимо выполнить в рамках реализации решения.

На следующем этапе производилась разработка требований к информационно-аналитической модели. Сформированные виды требований: функциональные, требования к надежности, масштабируемости решения, а также требования по безопасности и защите информации.

На основании разработанных требований производилось проектирование трехуровневой многокомпонентной архитектуры решения с выделением информационного и аналитического уровней в качестве основных, а также определения технической базы для последующей реализации модели.



3. Реализация информационно-аналитической модели для организации лизинговой организации на основе технологий Business Intellgence

3.1 Реализация информационного уровня модели

В рамках реализации исследования на основании сформированных требований была реализована информационно-аналитическая модель поддержки корпоративного управления лизинговой организации (Рисунок 7).

Рисунок 7 Информационно-аналитическая модель поддержки корпоративного управления лизинговой организации

Реализация информационно-аналитической модели предполагает унификацию данных и их консолидацию на едином информационном уровне, обеспечивающем сбор данных из разрозненных источников, их обработку, повышение качества и финальную загрузку в подсистему хранения. В рамках исследования реализация информационного уровня проводилась на базе технологий Microsoft.

Источниками данных в рамках решения выступают 4 системы:

1. Microsoft Dynamics NAV - главная учетная система организации, содержащая основной массив данных по операционной деятельности.

2. Microsoft Excel - в файлах excel по большей части хранятся плановые значения показателей по тем областям, которые не охвачены функционалом NAV.

3. 1C «Зарплата и кадры» - основная система организации в области учета персонала, организационной структуры и оплаты труда.

4. 1С «Управление лизинговым холдингом» - основная система организации в области финансового учета и бухгалтерской отчетности.

Информационный уровень модели представлен 3 компонентами.

Компонент загрузки и трансформации данных

В рамках решения определен следующий порядок загрузки и трансформации данных:

1. Для загрузки данных определено общее временное окно с 22:00 до 04:00 по московскому времени

2. Основной способ загрузки данных - полное обновление. Невозможность реализации инкрементного обновления данных обусловлена частым исправлением ошибок в базах данных учетных систем за исторические периоды.

В случае возникновения ошибок на любом этапе процесса загрузки и трансформации данных предусмотрен механизм остановки и отката процесса, а также уведомления основных ответственных лиц (Рисунок 8).

Рисунок 8 Уведомление об ошибке процесса загрузки данных

Процесс загрузки и трансформации данных реализован в 3 основных этапа:

1. Загрузка данных из систем-источников в компонент промежуточного хранения

На первом этапе данные в сыром виде (AS-IS) извлекаются из учетных систем в буферную зону промежуточного хранения (STG) в исходной структуре. Загрузка данных из систем Navision и Excel производится средствами интеграционных пакетов Microsoft SQL Server Integration Services. Загрузка данных из учетной системы 1С конфигураций «Зарплата и кадры» и «Управление лизинговым холдингом» производится за счет встроенного функционала 1С. В случае возникновения ошибок на данном этапе загрузки процесс обработки данных останавливается и производится автоматическая операция отката до начального состояния информационного уровня на момент старта процесса загрузки. Высылается уведомление об ошибке (Рисунок 9).

Рисунок 9 Уведомление об ошибке на этапе загрузки данных из excel

2. Загрузка данных из буферной зоны в хранилище

На втором этапе осуществляется экстракция данных из буферной зоны, их коррекция и трансформация, а также итоговое наполнение объектов хранилища данных. В рамках решения предусматриваются следующие манипуляции с данными, направленные на их обогащение, согласованность и повышение качества:

· корректировка типов данных и форматов полей

· дедупликация данных

· исправление ошибок (изменение пропущенных значений в строковых и числовых полях на значения «N/A» и 0, устранение лишних символов и т.д.)

· выравнивание наименований справочников

· агрегирование данных.

Порядок загрузки данных на данном этапе заключается в последовательной загрузке таблиц измерений и последующей загрузке таблиц фактов. В случае возникновения ошибок на данном этапе загрузки процесс обработки данных останавливается и производится автоматическая операция отката до начального состояния на момент старта этапа.

3. Постзагрузочные операции

Финальным этапом процесса загрузки и обновления данных является выполнения постзагрузочных мероприятий для обеспечения максимального быстродействия хранилища при решении аналитических задач, а именно:

· верификация сверочных сумм по всем показателям

· переиндексация основных полей, используемых для фильтрации и соединения таблиц.

Зона промежуточного хранения (STAGE)

В компоненте буферного хранения (компонент STG) структура таблиц базы данных была реализована по аналогии со структурой в исходных системах-источниках 1С и Dynamics NAV. Это реализовано для уменьшения нагрузки на учетные системы в процессе переноса данных в хранилище, поскольку ввиду представленности лизинговой организации на всей территории РФ в нескольких часовых поясах источники данных всегда находятся под нагрузкой. Особенностью таблиц буферной зоны информационного уровня является добавление поля Loaddate типа datetime, определяющего дату и время загрузки данных в таблицу и предназначенного для контроля качества работы компонента интеграции данных.

Хранилище данных (DWH)

В рамках практической реализации 3 компонент информационного уровня информационно-аналитической модели на физическом уровне был развернут в СУБД Microsoft SQL Server Management Studio 2016 Enterprise Edition. Для обеспечения максимальной скорости отдачи данных аналитическому уровню, ссылочной целостности и оптимальности хранения хранилище данных было спроектировано по схеме «звезда» с выделением таблиц измерений (справочников) и нескольких таблиц фактов (Рисунок 10).

Рисунок 10 Развернутая модель хранилища данных в СУБД

В рамках решения основными таблицами измерений и фактов в хранилище являются:

1. d_Date - содержит справочную информацию о датах (календарь)

2. d_Leasing_Agreement - содержит справочную информацию о договорах лизинга из карточек договора в учетной системе NAV

3. d_Leasing_Agreement_Type_Sale - справочник договоров лизинга компании по объекту продажи. Содержит 3 значения:

a. «Фабрика» - относится к договорам лизинга для микро, малого и среднего бизнеса на приобретение легкового автомобиля, коммерческого, грузового транспорта или спецтехники стоимостью до 24 миллионов рублей;

b. «Конвейер» - относится к договорам лизинга для среднего, крупного и крупнейшего бизнеса на приобретение транспорта, спецтехники или оборудования на сумму до 300 миллионов рублей;

c. «Корпоратив» - относится к договорам лизинга для сделок с объемом финансирования до 15 миллиардов рублей за исключением клиентов, осуществляющих закупки по 44-ФЗ, унитарных предприятий и юридических лиц, применяющих упрощенную систему налогообложения.

4. d_Leasing_Property_Classifier - справочник-классификатор лизингового имущества. Основными атрибутами выступают группа предмета лизинга, вид предмета лизинга и тип предмета лизинга.

5. d_Leaseholder - измерение, содержащее такую основную справочную информацию о лизингополучателе, как наименование, ИНН, КПП, код ОКВЭД, ОГРН и прочее.

6. d_Segment - справочник с информацией об основных целевых клиентских сегментах лизинговой организации.

7. d_Credit_Agreement - содержит справочную информацию о кредитных договорах финансирования лизинговых сделок.

8. d_Staff - содержит справочную информацию о сотрудниках и организационной структуре лизинговой организации.

9. d_DebtType - содержит справочную информацию о видах задолженности по лизинговым договорам. Включает в себя такие значения как пени, пени по суду, просроченная дебиторская задолженность, возмещаемые расходы и штрафы.

10. debt_PZ_On_Date - содержит фактическую информацию о фиксации наличия просроченной задолженности по лизинговому договору на дату с указанием суммы задолженности, даты возникновения задолженности, вида просрочки, количества дней наличия задолженности и прочих атрибутов.

11. f_New_Business - содержит фактическую информацию о заключении новых договоров лизинга

12. Headcount_Report - содержит фактическую информацию о численности сотрудников организации с учетом их статуса и места в организационной структуре.

Для обеспечения безопасности данных в исходных таблицах, а также подготовки данных для решения аналитических задач по сферам, указанных в функциональных требованиях к решению, был выделен отдельный слой витрин-представлений, являющихся основными источниками данных для аналитического уровня модели (Рисунок 11).

Рисунок 11 Аналитический слой витрин-источников данных



3.2 Реализация аналитического уровня модели

Реализация аналитического уровня модели предусматривала выполнение 3 этапов:

1. Установка и активация инструмента self-service оперативной аналитики Tableau Desktop - этап выполнялся пользователями самостоятельно после предоставления лицензий.

2. Установка и конфигурирование портала корпоративной аналитики Tableau Server.

3. Разработка аналитической отчетности.

Развертывание портала корпоративной аналитики

Развертывание Tableau Server предусматривает его установку, конфигурирование и интегрирование с информационным уровнем модели для обеспечения доступа к данным.

Конфигурирование портала корпоративной аналитики проводилась через компонент Tableau Services Manager Web User Interface (TSM Web UI) (Рисунок 12).

Рисунок 12 Страница настройки портала корпоративной аналитики

Основные этапы конфигурирования включали:

1. Настройку вида и способа пользовательской аутентификации, обеспечение механизма бесшовного входа (single sign-on) на портал с использование корпоративных учетных записей Active Directory

2. Обеспечение безопасности соединения и данных за счет использования протокола SSL (Secure Sockets Layer)

3. Реализацию механизма динамического изменения топологии серверных компонент для обеспечения максимальной производительности сервера корпоративной аналитики в зависимости от сценария использования (обновление данных или пользовательская активность) (Приложение 1)

4. Обеспечение резервного копирования данных аналитического портала - механизм реализации представлен в Приложении 2

5. Настройку механизма почтовых рассылок и уведомлений пользователям и администраторам

6. Интеграцию с корпоративным каталогом Active Directory и добавление пользователей на портал аналитики

7. Разделение доступа к функциям портала корпоративной аналитики на основании назначения пользовательских ролей. Выделяются следующие 3 роли:

a. зритель (viewer) - имеют доступ к просмотру и взаимодействию с аналитическим контентом без возможности редактирования через веб-часть или инструмент персональной аналитики, а также экспорта контента в офисные приложения;

b. исследователь (explorer) - имеют полноценный доступ к функциям портала корпоративной аналитики без возможности самостоятельной разработки аналитического контента средствами веб-портала или персональным аналитическим инструментом;

c. разработчик (creator) - имеют полный доступ ко всем функциям корпоративного аналитического портала, а также инструмента self-service аналитики.

Разработка аналитической отчетности

В рамках создания информационно-аналитической модели поддержки корпоративного управления лизинговой компании средствами компонентов аналитического уровня был создан ряд дашбордов, осуществляющих проведение анализа показателей деятельности организации по сферам, указанным в пункте 1 функциональных требований к решению, а также обеспечивающих доступ к результатам для аналитиков и управленческого звена организации как в центральном аппарате, так и в региональных филиалах.

Реализованные средствами Tableau аналитические дашборды для обеспечения комфортного и интуитивно-понятного пользовательского взаимодействия, а также оперативного получения аналитических результатов были оснащены дополнительным функционалом drill down, drill up и drill through, а также интерактивными возможностями с использованием пользовательских действий (dashboard actions).

Возможность действий на дашборде (dashboard actions) обеспечивает интерактивную природу реализованных аналитических отчетов и более гибкое взаимодействие с ними за счет персонального расширения или сужения аналитического контекста со стороны пользователя через взаимодействие с визуальными элементами дашборда помимо типичных фильров. На дашбордах предусмотрены следующие типы действий:

1. Интерактивная фильтрация (filter action) - позволяет проводить анализ результатов эффективности в контексте объектов, самостоятельно выбранных пользователем на той или иной визуализации (например, в контексте определенного объекта продажи).

2. Интерактивное выделение (highlight action) - предназначен для акцентирования внимания на частях визуализаций дашборда после выбора пользователя (например, выделение конкретного года на нескольких объектах после выбора данного года на одной визуализации).

3. Интерактивное изменение параметра (parameter action) - действие дашборда позволяет изменять значение того или иного параметра в интерактивном режиме за счет взаимодействия пользователя с визуальными элементами

4. Веб-навигация (URL action) - действие предназначено для интеграции с веб-клиентами посредством URL ссылок. В рамках решения данный тип действий обеспечивает переход на корпоративный портал лизинговой организации посредством клика на логотип, а также интеграцию портала корпоративной отчетности с компонентом SQL Server Reporting Services для реализации функционала обратной выгрузки данных в статичном табличном формате.

Функционал drill down обеспечивает углубление уровня детализации анализа со стороны пользователя. Основным применением функционала в рамках реализованных дашбордов является детализация анализа во времени (начиная годом и заканчивая неделей), а также управление уровнями организационной иерархии за счет применение параметров. Дополнительно, возможности Tableau обеспечивают исполнение сервиса drill down за счет функционала viz in tooltip, реализующего проведение анализа на более глубоком уровне детализации в графиках в всплывающих подсказках при наведении на объект визуализации (например, при наведении на региональный филиал в всплывающей подсказке отображается график с анализом по базовым филиалам в рамках конкретного филиала).

Функционал drill up является обратным drill down и, наоборот, обеспечивает повышение уровня детализации анализа и получение результатов в более агрегированном виде.

Функционал drill through предоставляет пользователю возможность изучить формирование того или иного отражаемого на дашборде показателя на самом детализированном уровне строк в источнике данных. В рамках аналитического уровня модели данный сервис исполнен в 2 видах:

· Детализация данных по конкретным объектам визуализации обеспечивается встроенным функционалом Tableau для использования в рамках аналитической системы.

· Детализация данных по всему дашборду в целом реализован за счет обратной выгрузки данных конкретного источника в табулярном виде средствами SQL Server Reporting Services, поскольку результаты работы сервиса в Tableau не являются пригодными к форматированию, а также не являются доступными всем пользователям, так как зависят от типа лицензирования. При этом функционал в рамках модели необходим всем пользователям для проведения дальнейшего персонального анализа, в случае необходимости.

В итоге, средствами аналитического компонента модели были разработаны 5 интерактивных и многофункциональных BI-отчетов.

Оперативные КПЭ

Разработанный дашборд представлен на Рисунке 13.

Рисунок 13 Дашборд «Оперативные КПЭ»

Отчет предназначен для оперативного контроля основных показателей эффективности организации в 3 сферах:

· финансовые показатели (объем нового бизнеса, факт СДО, прогноз СДО)

· риск-метрики (объем просроченной задолженности 0+, уровень валовой маржи с учетом вознаграждений клиентских менеджеров, доля кредитов, просроченных на 90 и более дней)

· персонал и клиентская база (текущее количество клиентов, фактическая численность персонала и объем лизингового портфеля)

Дашборд позволяет отслеживать и своевременно реагировать на значения KPI в актуальном периоде (месяц, неделя), а также дает представление о текущем выполнении плана по KPI как в общем выражении, так и в разрезе банковских продуктов и клиентских сегментов, приросте значений ключевых показателей относительно предыдущих периодов. Цветовая индикация показателей дает возможность пользователям понять эффективность по конкретному направлению относительно:

· общего выполнения плана;

· выполнения планов в разрезе сегментов, продуктов, а также групп просрочки;

· общих изменений в сравнении с предыдущим периодом;

· изменений относительно предыдущего периода в разрезах, аналогичных выполнению планов.

Дополнительными функциями дашборда являются возможность анализа КПЭ во временных периодах, а также переход на более детальные аналитические отчеты по каждому из отраженных показателей в случае необходимости их более глубокого изучения.

Анализ доходности нового бизнеса

Разработанный отчет представлен на Рисунке 14.



Рисунок 14 Дашборд «Анализ доходности нового бизнеса»

Отчет предназначен для проведения план/факт анализа показателей нового бизнеса:

· факт нового бизнеса (стоимость лизингового имущества но новым заключенным договорам) в тысячах рублей

· выполнение доходности нового бизнеса в процентных пунктах

· выполнение доходности нового бизнеса в тысячах рублей

Пользовать имеет возможность проводить анализ сферы нового бизнеса на 3 уровнях временной детализации (год, квартал, месяц) с включением или исключением лизинговых продуктов (розница, конвейер, корпоратив), отслеживать результаты с включением или исключением учета налога на добавленную стоимость, самостоятельно влиять на измерения, в разрезе которых отражаются показатели:

· по региональным филиалам

· по базовым филиалам

· по клиентским менеджерам.

Дополнительно, функционал дашборда позволяет изменять аналитический контекст за счет влияния пользователя на следующие аналитики: блок, ЦКС, продукт (продажи), название продукта, индикатор субсидированного договора. В качестве функционала для проведения дальнейшего персонального анализа со стороны пользователя предусмотрена обратная выгрузка данных дашборда (raw data) в табулярном виде.

Классификация клиентов портфеля

Разработанный отчет представлен на Рисунке 15.

Рисунок 15 Дашборд «Классификация клиентов портфеля»

Отчет отражает общий объем и динамику количества клиентов и договоров с просроченной задолженностью, суммарное значение задолженности в рублях, а также производит классификацию клиентов и договоров в зависимости от количества дней просрочки (группы 0-4, 5-30, 31-90, 91+), что позволяет сформировать понимание относительно структуры задолженности. Дашборд также выделяет наиболее рискованных клиентов с точки зрения объемов задолженности в каждой из групп. Клиент относится к той или иной группе просрочки исходя из максимального количества дней просрочки по всем его договорам в условиях, определенных пользователем.

Пользователь может самостоятельно влиять на аналитический контекст за счет определения значений таких фильтров, как вид просрочки (ПДЗ, пени, возмещаемые расходы и прочие), период (квартал, месяц, неделя, день), блок, региональный филиал, базовый филиал, группа задолженности, вид продукта.

Винтажный анализ просроченной задолженности

Разработанный отчет представлен на Рисунке 16.

Рисунок 16 Дашборд «Винтажный анализ просроченной задолженности»

Дашборд предназначен для анализа динамики валового (показатель GL, %) и фактического (показатель NL, %) объема рисков в разрезе поколений заключенных лизинговых договоров. По горизонтальной оси X графиков откладываются месяцы жизни поколения (возраст), по вертикальной оси Y - уровень риска по поколению на соответствующий месяц жизни. Таким образом, каждая линия графиков характеризует поведение определенного поколения на конкретном уровне просрочки в каждом своем возрасте. В итоге, в результате использования отчета пользователь имеет возможность определить самых плохие и самых хорошие поколения лизинговых договоров и впоследствии выявлять причины изменения объемов риска, а также принимать меры относительно сокращения объемов задолженности.

Пользователь может самостоятельно влиять на аналитический контекст за счет определения:

· типа анализа - рассчитывать долю риска на основании количества договоров или объема задолженности

· уровня анализа - производить расчеты на уровне региональных или базовых филиалов

· количества дней просрочки (1+, 5+, …, 90+)

Анализ численности персонала и расходов на оплату труда

Разработанный отчет представлен на Рисунке 17.

Рисунок 17 Дашборд «Анализ численности персонала и расходов на оплату труда»

Дашборд предназначен для контроля выплат по ФОТ и реализует проведение план-факт анализа выполнения среднесписочной численности персонала организации, а также сметы расходов на оплату труда по следующим статьям расходной части бюджета:

· оплата труда

· премии

· страховые взносы ФОТ

· резерв на годовую премию

· резерв на отпуска.

В процессе взаимодействия с дашбордом пользователь самостоятельно определяет способ расчета показателей (за период или накопительным итогом), а также формирует контекст анализа за счет влияния на такие аналитики, как период, департамент и отдел.

3.3 Апробация модели

Поддержка решений в области управления рисками

1. В рамках анализа у специалиста департамента рисков возникает необходимость проведения «винтажного» анализа по ряду поколений лизинговых договоров для выявления типов продуктов с повышенным риском и детального списка рисковых договоров.

2. Использование аналитического дашборда исключает необходимость самостоятельного построения «винтажных» таблиц со стороны специалиста и сразу позволяет оценить результаты.

3. В рамках анализа валового (GL) и чистого (NL) риска по лизинговым договорам с существующей просроченной дебиторской задолженностью в группе 1+ возникли вопросы относительно причин резкого роста доли чистого риска в поколении Х (коричневый цвет на легенде) на возрасте поколения в 25 месяцев. Скачок доли чистого риска заметен на графике NL, % (Рисунок 18).



Рисунок 18 Пример использования модели для принятия решений по управлению рисками

4. Использование функционала drill down позволяет провести более детальный анализ в конкретно выбранной точке повышенного интереса и выявить, что увеличение доли чистого риска вызвано резким ростом количества просроченных договоров по корпоративным продуктам (Рисунок 19).

Рисунок 19 Использование функционала drill-down для детального анализа рисков

5. Использование функционала drill through позволяет в табличном виде представить детальный список проблемных договоров и направить информацию управлению по работе с проблемными активами для принятия дальнейших мер по погашению просроченной задолженности.

3.4 Анализ эффектов от реализации модели

Разработанная модель обеспечивает проведение гибкого многоаспектного анализа деятельности лизингового предприятия на основе BI-технологий как в обобщенном виде, так и по отдельным сферам с возможностью детализации до самого глубокого уровня. Описанное решение в ежедневном режиме обеспечивает организацию актуальной аналитической информацией. Практические результаты от реализации информационно-аналитической модели поддержки корпоративного управления лизинговой организации с использованием технологий business intelligence по итогам использования на функциональных блоках, указанных в требованиях к решению, в сравнении с исходными трудозатратами указаны в Таблице 2.

Таблица 2

Результаты реализации информационно-аналитической модели

Этап	Трудозатраты, чел./час.
	Было	Стало
Подготовка данных	52	0
Сбор данных	36	0
Интеграция и очистка данных	16	0
Анализ	44	8
Аналитическая обработка данных, проведение расчетов	24	4
Разработка аналитического отчета / интерпретация результатов	20	4
Тестирование и выверка результатов	8	0
ИТОГО	104	8

По результатам реализации информационно-аналитической модели поддержки корпоративного управления лизинговой организации можно выделить следующий перечень выявленных бизнес-эффектов:

· Значительное сокращение трудозатрат подразделений на подготовку данных, проведение анализа и формирование отчетности.

· Представление актуальной аналитической отчетности в наглядном визуальном формате по ряду функциональных блоков. Результаты пункта 3.3. показывают, что реализованная отчетность позволяет принимать взвешенные управленческие решения на основе данных (подход data-driven decision making).

· Предоставление единого многофункционального аналитического пространства для исследования и создания аналитического контента как на корпоративном уровне через веб-портал аналитики, так и индивидуальном пользовательском уровне через инструмент класса self-service BI.

· Обеспечение гибкости в проведении анализа за счет влияния со стороны пользователя на разрезы и параметры отчетов, изменения детализации за счет применения интерактивных действий дашбордов, а также сервисов drill down, drill up и drill through, интеграции с распространенным офисным программным обеспечением для экспорта отчетности или детальных данных для дальнейшего персонального исследования.

· Круглосуточный доступ к данным и аналитической информации, регламентированный пользовательскими ролями на информационном и аналитическом уровнях.

· Повышение оперативности в принятии управленческих решений за счет актуализации аналитических результатов и обеспечения доступа к ним со стационарных и мобильных типов устройств (планшетов, смартфонов).

Помимо бизнес-эффектов реализация информационно-аналитической модели также выражается в ряде технологических эффектов:

· Синхронизация методологий реализации расчетных показателей и обеспечение пользователей «единой версией правды».

· Исключение информационной разрозненности за счет консолидации данных из нескольких источников в едином информационном пространстве на ежедневной основе вне пользовательской активности с исключением дублирования и проведения мероприятий по повышению их качества.

· Повышение уровня информационной безопасности компании за счет реализации ролевой модели разделения доступа к корпоративной аналитической информации.

3.4 Выводы по главе 3

Глава 3 заключалась в реализации информационно-аналитической модели поддержки корпоративного управления лизинговой организации в соответствии с спроектированной архитектурой и определенным техническим инструментарием.

Была проведена разработка информационного уровня модели, обеспечивающего загрузку данных из разрозненных систем и их консолидацию в едином хранилище.

Создание аналитического уровня модели предоставило единую точку входа для получения аналитических результатов большей частью подразделений из портала корпоративной аналитики и дало пользователям возможность проведения самостоятельного анализа за счет self-service BI инструмента.

Апробация модели позволила продемонстрировать её эффективность при поддержке принятия управленческих решений. Также реализация информационно-аналитической модели поддержки корпоративного управления лизинговой организации позволила выделить ряд бизнес-эффектов.

Заключение

Подводя итог, можно заключить, что основная цель исследования достигнута: разработана информационно-аналитическая модель поддержки управленческой деятельности лизинговой организации с использованием технологий Business Intelligence, которая обеспечит проведение анализа корпоративной результативности в различных областях деятельности.

В рамках исследования были выполнены следующие задачи:

1. Исследован механизм лизинга, его элементы и особенности;

2. Рассмотрены методы, а также технологии, используемые компаниями рынка лизинга для анализа эффективности собственной деятельности;

3. Сформированы требования к разработанной информационно-аналитической модели;

4. Спроектирована целевая архитектуры модели и сформирована техническая база решения;

5. Проведена разработка информационно-аналитической модели в соответствии с спроектированной архитектурой и использованием сформированного перечня технологических средств;

6. Проведена апробация решения и проведена оценка бизнес-эффектов от реализации модели.

Реализация информационного уровня модели, с одной стороны, позволило повысить качество анализируемых данных и консолидировать их в едином пространстве. С другой стороны, создание аналитического уровня модели предоставило единую точку входа для получения аналитических результатов большей частью подразделений из портала корпоративной аналитики и дало пользователям возможность проведения самостоятельного анализа за счет self-service BI инструмента.

Разработанная в ходе исследования информационно-аналитическая модель показывает, что инструменты дескриптивной аналитики действительно обладают высокой эффективностью для обеспечения реализации data-driven подхода к принятию управленческих решений, а также качественного улучшения уровня аналитической поддержки на предприятии.



Список литературы

1 Федеральный закон "О финансовой аренде (лизинге)" от 29.10.1998 N 164-ФЗ [Электронный ресурс] / КонсультантПлюс - справочная правовая система. URL: http://www.consultant.ru/document/cons_doc_LAW_20780/. (Дата обращения: 10.03.20).

2 Чигрова Н. В., Кузьмин В. А., Овчинникова И. П. Особенности развития рынка лизинговых услуг в Российской Федерации / Вестник ОГУ. 2014. №14 (175). - URL: https://cyberleninka.ru/article/n/osobennosti-razvitiya-rynka-lizingovyh-uslug-v-rossiyskoy-federatsii. (Дата обращения: 10.03.20).

3 Семеко Г. В. Совместное предпринимательство: Учебное пособие [Электронный ресурс] / bwbooks.net. URL: http://bwbooks.net/books/biznes/semeko-gv/2004/files/sovmestnoyepredprinimatelstvo2004.pdf. (Дата обращения: 10.03.20).

4 Лизинг [Электронный ресурс] / banki.ru - крупнейший независимый финансовый портал Рунета. URL: https://www.banki.ru/products/leasing/about/. (Дата обращения: 10.03.20).

5 Дрыков А. В. Преимущества лизинга как финансового инструмента эффективного инвестирования предприятий [Электронный ресурс] / Вестник БГУ. 2010. №3. - URL: https://cyberleninka.ru/article/n/preimuschestva-lizinga-kak-finansovogo-instrumenta-effektivnogo-investirovaniya-predpriyatiy. (Дата обращения: 10.03.20).

6 Descriptive Analytics [Электронный ресурс] / Gartner Inc. IT Glossary. URL: https://www.gartner.com/en/information-technology/glossary/descriptive-analytics. (Дата обращения: 25.03.20).

7 Wu M. Big Data Reduction 1: Descriptive Analytics [Электронный ресурс] / Lithium Community. URL: https://community.lithium.com/t5/Science-of-Social-Blog/Big-Data-Reduction-1-Descriptive-Analytics/ba-p/77766. (Дата обращения: 25.03.20).

8 Брускин С.Н. Методы и инструменты продвинутои? бизнес-аналитики для корпоративных информационно-аналитических систем в эпоху цифровои? трансформации [Электронный ресурс] / CEUR Workshop Proceedings - a free open-access publication service. URL: http://ceur-ws.org/Vol-1761/paper56.pdf (Дата обращения: 30.03.20).

9 Wu M. Big Data Reduction 2: Understanding Predictive Analytics [Электронный ресурс] / Lithium Community. URL: https://community.lithium.com/t5/Science-of-Social-Blog/Big-Data-Reduction-2-Understanding-Predictive-Analytics/ba-p/79616 (Дата обращения: 30.03.20).

10 Advanced Analytics [Электронный ресурс] / Gartner Inc. IT Glossary. URL: https://www.gartner.com/en/information-technology/glossary/advanced-analytics. (Дата обращения: 30.03.20).

11 Westerman G., Bonnet D., McAfee A. The Nine Elements of Digital Transformation [Электронный ресурс] / MIT Sloan Management Review. URL: http://sloanreview.mit.edu/article/the-nine-elements-of-digital-transformation/?social_token=d65abc6db70ba459408562abb8de32bc&utm_source=facebook&utm_medium=social&utm_campaign=sm-direct. (Дата обращения: 02.04.20).

12 Прохоров А. Цифровая трансформация в цифрах [Электронный ресурс] / OSP.ru - сайт издательства «Открытые системы». URL: https://www.osp.ru/os/2016/02/13049319/. (Дата обращения: 02.04.20).

13 Бизнес-аналитика и большие данные в России в 2018 [Электронный ресурс] / CNews - Интернет-издание о высоких технологиях. URL: http://www.cnews.ru/reviews/bi_bigdata_2018/. (Дата обращения: 02.04.20).

14 Richardson J., Sallam R., Schlegel K. Kronz A., Sun J. Magic Quadrant for Analytics and Business Intelligence Platforms 2020 [Электронный ресурс] / Gartner Inc. URL: https://www.gartner.com/doc/reprints?id=1-1YAE9AY1&ct=200206&st=sb&signin=0a7bd5238fb134cf36406360da624feb. (Дата обращения: 07.04.2020).

15 Sallam Rita L., Howson C., Idoine C. J., Richardson J. L., Tapadinhas J., Woodward A. Magic Quadrant for Business Intelligence and Analytics Platforms 2018 [Электронный ресурс] / Gartner Inc. URL: https://www.gartner.com/doc/reprints?id=1-4JT7ECY&ct=171102. (Дата обращения: 07.04.2020).

16 CPM (Corporate Performance Management) [Электронный ресурс] / Gartner Inc. IT Glossary. URL: http://www.gartner.com/it-glossary/cpm-corporate-performance-management/. (Дата обращения: 12.04.20).

17 CPM - Corporate Performance Management [Электронный ресурс] / TAdviser - портал выбора технологий и поставщиков. URL: http://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0%D1%82%D1%8C%D0%B8:CPM_-_Corporate_Performance_Management#.D0.9A.D0.B0.D0.BA.D0.B8.D0.B5_.D0.B7.D0.B0.D0.B4.D0.B0.D1.87.D0.B8_.D1.80.D0.B5.D1.88.D0.B0.D0.B5.D1.82_CPM. (Дата обращения: 12.04.20).

18 Iervolino C., Van Decker J. E. Magic Quadrant for Corporate Performance Management Suites [Электронный ресурс] / Gartner Inc. URL: https://www.gartner.com/doc/3021220/magic-quadrant-corporate-performance-management. (Дата обращения: 12.04.20).

19 Iervolino C., Van Decker J. E. Magic Quadrant for Strategic Corporate Performance Management Solutions [Электронный ресурс] / Gartner Inc. URL: https://www.gartner.com/doc/reprints?id=1-38G440B&ct=160601&st=sb. (Дата обращения: 12.04.20).

20 Iervolino C., Van Decker J. E. Magic Quadrant for Financial Corporate Performance Management Solutions [Электронный ресурс] / Gartner Inc. URL: https://www.gartner.com/doc/reprints?id=1-38G440E&ct=160601&st=sb. (Дата обращения: 12.04.20).

21 Iervolino C., Van Decker J. E. Gartner Magic Quadrant for Cloud Financial Planning and Analysis Solutions 2018 [Электронный ресурс] / Gartner Inc. URL: https://b2bsalescafe.files.wordpress.com/2018/08/2018-gartner-magic-quadrant-for-cloud-financial-planning-and-analysis-solutions-july-2018.pdf. (Дата обращения: 15.04.20).

22 Van Decker J., Anderson R., Leiter G. Gartner Magic Quadrant for Cloud Financial Planning and Analysis Solutions 2019 [Электронный ресурс] / Gartner Inc. URL: https://www.gartner.com/en/documents/3956098. (Дата обращения: 15.04.20).

23 Рейтинговое агентство «Эксперт РА»: за счет крупных сделок в IV квартале рынок лизинга показал двузначные темпы прироста по итогам 2019 года [Электронный ресурс] / Эксперт РА - рейтинговое агентство. URL: https://raexpert.ru/releases/2020/feb12. (Дата обращения: 25.04.20).

24 Рейтинг лизинговых компаний [Электронный ресурс] / banki.ru - крупнейший независимый финансовый портал Рунета. URL: https://www.banki.ru/products/leasing/. (Дата обращения: 25.04.20).

25 Лизингодатели РФ назвали тренды рынка в 2020 году [Электронный ресурс] / Прайм - агентство экономической информации. URL: https://1prime.ru/finance/20200217/830953497.html. (Дата обращения: 12.03.20).

26 Тимофеев Н. А. Математическая модель винтажного анализа кредитного портфеля банка [Электронный ресурс] / ELibrary - научная электронная библиотека. URL: https://elibrary.ru/item.asp?id=16214913. (Дата обращения: 27.03.20).

27 Козлов В. Винтажный анализ портфеля: методика применения для кредитов МСБ [Электронный ресурс] / Reglament.net. URL: http://www.reglament.net/bank/credit/2018_6/get_article.htm?id=5897. (Дата обращения: 27.03.20).

28 Сергиенко Д., Шишкин В. Винтажный анализ кредитного портфеля: возможные методики [Электронный ресурс] / Reglament.net. URL: http://www.reglament.net/bank/r/2019_4/get_article.htm?id=6412. (Дата обращения: 27.03.20).

29 Николаева Т. П., Николаева Т. Е. Особенности лизинга на современном этапе развития экономики России [Электронный ресурс] / КиберЛенинка - научная электронная библиотека. URL: https://cyberleninka.ru/article/n/osobennosti-lizinga-na-sovremennom-etape-razvitiya-ekonomiki-rossii/viewer. (Дата обращения: 15.03.20).

30 Макущенко В. А., Кирова И. В. Анализ текущего состояния мирового рынка лизинговых услуг [Электронный ресурс] / КиберЛенинка - научная электронная библиотека. URL: https://cyberleninka.ru/article/n/analiz-tekuschego-sostoyaniya-mirovogo-rynka-lizingovyh-uslug. (Дата обращения: 14.03.20).

31 Дьяконова В.А., Ершова Н. Б Роль лизинговых компаний в экономике российской Федерации [Электронный ресурс] / КиберЛенинка - научная электронная библиотека. URL: https://cyberleninka.ru/article/n/rol-lizingovyh-kompaniy-v-ekonomike-rossiyskoy-federatsii. (Дата обращения: 17.05.2020).

32 Чигрова Н. В., Кузьмин В. А., Овчинникова И. П. Особенности развития рынка лизинговых услуг в Российской Федерации [Электронный ресурс] / КиберЛенинка - научная электронная библиотека. URL: https://cyberleninka.ru/article/n/osobennosti-razvitiya-rynka-lizingovyh-uslug-v-rossiyskoy-federatsii. (Дата обращения: 02.03.20).

33 Советкина З., Коршунов Р., Тетерин В., Сараев А. Прогноз лизингового рынка на 2020 год: обнуление роста [Электронный ресурс] / Эксперт РА - рейтинговое агентство. URL: https://www.raexpert.ru/researches/leasing/2019. (Дата обращения: 10.03.20).

34 Пичугин А. Сравнение топ-4 популярных BI платформ. Какую выбрать? [Электронный ресурс] / Хабр. Сообщество IT-специалистов. URL: https://habr.com/ru/company/newprolab/blog/349186/. (Дата обращения: 30.03.20).

35 Куда движется рынок BI-аналитики в 2019 году [Электронный ресурс] / Хабр. Сообщество IT-специалистов. URL: https://habr.com/ru/post/475470/. (Дата обращения: 03.04.20).

36 Сысойкина М. Аналитика 3.0: новые технологии меняют рынок [Электронный ресурс] / CNews - Интернет-издание о высоких технологиях. URL: https://www.cnews.ru/reviews/BI_Bigdata_2018/articles/analitika_30_novye_tehnologii_menyayut_rynok. (Дата обращения: 09.04.20).

37 Аналитика и BI в 2020-м: тенденции, которые нельзя игнорировать [Электронный ресурс] / CNews - Интернет-издание о высоких технологиях. URL: https://www.cnews.ru/reviews/analitika_30_2019/articles/analitika_i_bi_v_2020m_tendentsiikotorye. (Дата обращения: 10.04.20).

38 Паклин Н.Б., Орешков В.И. Бизнес-аналитика: от данных к знаниям: учеб. пособие. -- 2-е изд., испр. // СПб: Питер, 2013. -- 704 с.

39 Абдикеев Н.М., Брускин С.Н. и др. Системы управления эффективностью бизнеса: Учебник для MBA // Под научн. ред. Н.М. Абдикеева и О.В. Китовой. М., 2015. 282 с.

40 IDC Forecasts Revenues for Big Data and Business Analytics Solutions Will Reach $189.1 Billion This Year with Double-Digit Annual Growth Through 2022 [Электронный ресурс] / International Data Corporation. URL: https://www.idc.com/getdoc.jsp?containerId=prUS44998419. (Дата обращения: 15.04.20).

41 Self-Service BI: An Overview [Электронный ресурс] / Business Application Research Center. URL: https://bi-survey.com/self-service-bi. (Дата обращения: 05.04.20).

42 Top Business Intelligence Trends 2020: What 2,865 BI Professionals Really Think [Электронный ресурс] / Business Application Research Center. URL: https://bi-survey.com/top-business-intelligence-trends. (Дата обращения: 01.04.20).

43 

Приложения

Приложение 1 Механизм реализации динамического изменения топологии портала корпоративной аналитики

На период обновления данных:

@echo off

echo %date% %time%: ##### Maintenance started ##### Adding backgrounder processes...

call tsm topology set-process -pr vizqlserver -n node1 -c 2

call tsm topology set-process -pr backgrounder -n node1 -c 6

call tsm pending-changes apply

echo %date% %time%: ##### Maintenance finished #####

На период пользовательской активности:

@echo off

echo %date% %time%: ##### Maintenance started ##### Adding vizqlserver processes...

call tsm topology set-process -pr backgrounder -n node1 -c 2

call tsm topology set-process -pr vizqlserver -n node1 -c 6

call tsm pending-changes apply

echo %date% %time%: ##### Maintenance finished #####



Приложение 2 Механизм реализации резервного копирования портала корпоративной аналитики

@echo off

set PATH_BACKUP="C:\ProgramData\Tableau\Tableau Server\data\tabsvc\files\backups"

set BACKUP_DATA_DIRECTORY="C:\ProgramData\Tableau\Tableau Server\data\tabsvc\files"

...