Входная информация

Таблица Fem_Parties поддерживает все демографические данные клиентов и домашних хозяйств (households). Строки таблицы представляют уникальных клиентов и домашние хозяйства, которые могут быть определены при помощи Oracle Warehouse Builder.

Поддерживает следующие типы субъектов:

• Бизнес - клиент (юридическое лицо)
• Бывший бизнес- клиент
• Индивидуальный клиент (физическое лицо)
• Бывший индивидуальный клиент
• Домашнее хозяйство
• Предполагаемый бизнес - клиент
• Предполагаемый индивидуальный клиент
• Другие

Домашнее хозяйство (Household) является базовой единицей анализа во многих микроэкономических и правительственных моделях. Как предполагает название, термин относится ко всем индивидуумам, которые живут в одном доме. Т.е. это один человек или группа людей, которые обычно живут в одном доме или квартире и ведут общее хозяйство. При формировании таблицы Fem_Parties клиенты группируются в "домашние хозяйства", а именно для клиентов - физических лиц делается попытка сгруппировать их в домашние хозяйства, основываясь на именах, адресах и других атрибутах.

Данные о взаимоотношении между клиентами и клиентскими счетами (записями инструментальных таблиц) хранятся в таблице Fem_Party_Acct_Rel и выражают отношение многие-ко-многим. Совместные счета (joint account) принадлежат более чем одному клиенту. Эти данные определяют отношение клиента к счету - первичное или вторичное: каждый счет имеет только одного первичного клиента, все другие клиенты (в клиентских отношениях) рассматриваются как вторичные клиенты. Понятно, что наличие механизма трансфертного ценообразования банка на уровне счета при определении выгодности клиента может принести существенную пользу (см. статью о трансфертном ценообразовании).

Данные клиентского счета (записи инструментальных таблиц) в конечном счете агрегируются для определения доходности клиента и домашнего хозяйства. Метод анализа прибыльности клиентов и домашних хозяйств основан на измерении итоговых финансовых результатов в отношениях банка с клиентом (как фактических, так и прогнозных) и определении на основе полученных данных степени рентабельности клиента.

Хранилище данных обеспечивает всестороннее представление клиента. Хотя процесс формирования хранилища для клиента достаточно трудоемок, для эффективного анализа он обязателен. Необходимо точно идентифицировать клиента, убедиться, что два клиента, внесенные и в список депозитной системы, и в список ипотечной системы фактически являются одним клиентом, без чего точный и эффективный анализ не может быть выполнен. Данные по клиентам должны быть проанализированы на основании таких атрибутов, как имя, дата рождения, адрес, телефон, пол, личный номер по системе социального страхования (или аналог) и др.

Когда приступаешь к изучению сложной и большой системы, в такой трудной предметной области, как банковская, очень полезно уже сразу представлять (хотя бы в общих чертах) основные виды входной информации. В самом первом приближении, можно выделить два вида входной информации:

1. Информация из оперативных банковских систем, поступающая (загрузка/модификация) с заданной периодичностью в финансовое хранилище данных FDM:

   • Главная Книга
   • Лицевые счета
   • Клиенты
   • Финансовые Инструменты (Сделки, Контракты и т.д.)
   • Транзакции/проводки
   • Иерархические структуры (планы счетов, филиальная сеть, группировки клиентов и т.д.)
   • Справочники

   Существует возможность вводить/корректировать некоторые виды приведенной выше информации с использованием экранных форм.
   
   

2. Информация для моделей. Базовыми строительными блоками функциональных модулей OFSA являются "ID", которые определяют параметры обработки, спецификации прогнозирования, сценарии моделирования и предположений, алгоритмы обработки и формирования данных. Формально "ID" состоит из одной или нескольких экранных форм и соответствующих программных кодов, к которому можно обратиться непосредственно из меню.

   Например:

   • Forecast Rates ID определяет прогнозные процентные ставки и обменные курсы валют.
   • Maturity Strategy ID определяет распределение по срокам "новых бизнесов", добавленных в прогнозный период.
   • Leaf Characteristics ID определяет общие атрибуты вычисления для существующих финансовых инструментов, и параметры "новых бизнесов". Этот ID также используется, чтобы определить характеристики "нового бизнеса" по платежам и порядок установки процентных ставок.
   • Forecast Balance ID определяет значение "новых бизнесов", формируемых для отдельного модельного временного интервала на каждом продукте и каждой активной валюте. Для того чтобы создать новое бизнес предположение, выбирается один из семи доступных методов прогноза, фактически это выбор метода для прогнозирования "нового бизнеса".

   До сих пор для понятия "новый бизнес" определение не давалось, хотя из контекста следует, что это понятие связано новыми операциями банка в будущих периодах, и на момент последней загрузки данных в хранилище, информация о "новых бизнесах" в хранилище отсутствует, поскольку она отсутствует и в АВС. Более подробно будет обсуждено ниже.

   
   
   Содержание раздела
   
   
   
   
   

   ---