Курс "Банковское дело и финансы" состоит из 7 разделов и рассчитан на 7 недель обучения. Каждый раздел содержит в среднем от 4 до 5 видео-лекций и завершается тестовым заданием. В рамках курса мы обсудим, зачем нужны банки. Рассмотрим их основные функции, поговорим о финансовой отчетности банков: отчете о прибылях и убытках и балансе банка, после чего перейдем к кредитным и депозитным операциям. Мы изучим характеристики банковских кредитов, займов и альтернативные формы финансирования. В середине курса мы обратимся к операциям банков на финансовых рынках, после чего перейдем к транзакционным операциям и обсудим основные бизнес модели банков. В заключение курса мы перейдем к практическому финансовому анализу банков: рассмотрим кейсы из российской банковской практики, поговорим о банковских кризисах, используя примеры из недавнего прошлого. В финале курса мы заглянем в будущее банковского бизнеса и обсудим новейшие тренды индустрии.
Тренд 1: цифровизация и автоматизация
Loading...
From the course by Sberbank Corporate University
Банковское дело и финансы
45 оценки
From the lesson
Будущее банковского бизнеса
На седьмой неделе курса мы поговорим о технологических вызовах, с которыми сталкиваются банки, и о том, как банки на них реагируют. Мы рассмотрим вопрос о необходимости существования банков в свете наиболее важных для банковского сектора технологических трендов и их потенциальном влиянии на банковский сектор.
Meet the Instructors
Илья Алексеевич АндросовСFA
Преподаватель Школы финансов Корпоративного университета Сбербанка
Ольга Николаевна Щербаковак.э.н., MRICS
Руководитель Школы финансов Корпоративного университета Сбербанка
[МУЗЫКА]
[МУЗЫКА] Термин «цифровизация»
буквально означает преобразование информации в цифровую форму.
Однако в бизнес-контексте под цифровизацией обычно понимаются два типа
изменения операционных моделей.
Первое — это перенос коммуникации в цифровые каналы и второе — автоматизация
рутинных операций.
При этом понятно, что они тесно связаны между собой, так как автоматизация
невозможна без предварительного налаживания цифровых каналов коммуникации.
Цифровизация является глобальным трендом,
охватывающим все сферы деятельности человека, и банковская отрасль является
одной из областей, наиболее подверженных цифровизации.
При этом конкурентное преимущество банковской деятельности начинает
определяться скоростью обработки и преобразования информации.
Исторически сложилось, что розничные банки всегда имели разветвленную сеть отделений.
В 70-х годах они внедрили банкоматы, в 80-х — колл-центры, в 90-х — Интернет,
в 2000-м — мобильные технологии.
Каждый из этих каналов ложился как дополнение на прочное основание банковской
модели, сеть отделений.
Фактически, цифровой канал взаимодействия является единым знаменателем
и обеспечивает платформу для всех остальных точек взаимодействия:
мобильной (через Интернет) и физической (в отделениях).
Данный канал, основанный на интернет-технологиях,
является виртуальным отделением банка.
В этом и заключается суть перемен.
Банкам нужно перестать думать о каналах обслуживания клиентов и понять,
что все они должны быть переориентированы на цифровые технологии.
Колл-центры, банкоматы, отделения, интернет-банкинг, мобильный банкинг — в
новой технологической парадигме все является цифровым.
Современный банк опирается на цифровую платформу,
которая полностью обеспечивает его работу.
Даже розничный банк это уже не модель с наличным денежным оборотом в основе и
электронным оборотом в дополнении к нему.
Напротив: электронный оборот является главным, а наличный — дополнительным.
На графике проиллюстрирован переход со стороны банков разных
стран по взаимодействию с клиентом с традиционных каналов в цифровые.
На данном графике мы видим,
что в Индии и Китае наблюдается стремительный рост цифровизации.
В Сингапуре — гармоничное замещение.
В Мексике идет постепенный переход.
В цифровом банке нового поколения отправной точкой и важнейшим ресурсом
становятся клиенты и сотрудники.
Традиционная физическая инфраструктура является лишь элементом данной системы,
но далеко не ключевым, как это было раньше.
Компания IBM в докладе Designing A Sustainable Digital Bank
сформулировала понятие цифрового банка,
который оптимально подходит для подобных видов кредитных организаций.
Цифровой банк — это банк,
большинство продуктов и услуг которого предоставляются в цифровой форме.
При этом его клиенты в рамках повседневной коммуникации с банком используют,
главным образом, цифровые каналы.
Инфраструктура подобного банка оптимизирована для цифровых взаимодействий
в реальном времени, а внутренняя культура предполагает высокую скорость принятия
решений и технологических изменений.
При этом, например, китайские цифровые банки, такие как Yesbank
и Webank существенно отличаются от европейских или американских.
Они возникли на базе других сервисов, торговых площадок и чатов,
поэтому имеют иной характер и облик.
В Европе, в свою очередь,
наблюдается всплеск активности в сфере банковских стартапов.
Эти компании делятся на две категории: те, что предлагают полный спектр банковских
услуг (Atom, Starling) и клиентские приложения (Loot).
Вторая категория компаний распространена в США (Simple, Moven), поскольку в Америке
подобные стартапы пока не могут получить генеральную банковскую лицензию,
необходимую для работы.
Что касается отечественного рынка, то к клиентам цифровых банков можно отнести
«Сбербанк Онлайн», «Тинькофф Банк», Touch Bank, финансовую группу «Открытие»,
в которую входит «Рокетбанк», один из первых российских виртуальных банков,
банк «Точка», функционирующий как отдельный филиал.
Если XIX–XX века ознаменовались колоссальными успехами человечества в
замещении физического труда машинами, то основным потенциальным прорывом XXI
века многие считают грядущее замещение машинами интеллектуального труда.
Огромную роль в автоматизации интеллектуального труда играют
методы и подходы аналитики больших данных, в том числе машинное обучение, которое
исследует методы построения алгоритмов, способных самостоятельно обучаться.
Этот блок исследований в рамках изучения искусственного интеллекта
открывает большой потенциал для автоматизации процесса принятия решений,
таким образом способствуя автоматизации интеллектуального труда.
Технология машинного обучения наиболее успешно внедряется в следующих областях:
предиктивная аналитика для определения кредитных рейтингов Lending Club online
market place, для взаимодействия инвесторов и заемщиков; Kabbage,
автоматическая платформа прямого кредитования для малого бизнеса и другие.
Усовершенствование процесса принятия кредитных решений Affirm использует
новые технологии для переоценки кредита.
ZestFinance также использует машинное обучение для увеличения точности принятия
кредитных решений.
Billguar создает новые решения в сфере финансовой безопасности пользователей.
Точечный поиск информации и аналитики.
Datamin компания по обработке трансформации публичной информации,
сигналы для финансового рынка в режиме реального времени.
Alphasense — поисковый агрегатор финансовой информации для аналитиков.
Управление риском возникновения финансовых махинаций стремительно облегчается
благодаря технологиям машинного обучения, которые способны анализировать паттерны
произведенных транзакций и выявлять среди них подозрительные.
Многие компании внедряют дорогостоящие методики биометрической идентификации
клиента с целью снижения риска.
Feedzai предлагает новые решения для повышения
безопасности электронной торговли.
Bionym разработала элемент биометрической идентификации на основе новейших
алгоритмов машинного обучения.
Автоматизация принятия трейдинговых решений с целью нахождения достоверных
информационных сигналов среди массивов данных.
Все прогнозы компании KFL Capital основаны на предиктивных алгоритмических моделях.
Binatix занимается обучением трейдингу,
основываясь на алгоритмах машинного обучения.
Он формирует передовые инвестиционные стратегии.
Так по данным CB Insights выглядит современная экосистема — EAAS,
программное обеспечение которой использует алгоритмы и технологии,
реплицирующие человеческое сознание.
Прорывные проекты в финтехе — дисраптеры, от disrupt,
развиваются по однотипной схеме: разработчики обращаются
к конкретному процессу или клиентскому опыту, например опыту получения ипотечного
кредита или передачи денег в доверительное управление,
и максимально трансформируют его, пока не ликвидируют элементы неэффективности.
«Сбербанк» также активно использует технологии машинного обучения в своих
процессах.
В последнее время помимо традиционных для банка областей применения, таких как
оценка кредитных рисков, безопасность и противодействие мошенничеству,
вторичные кросс-продажи, банк активно развивает новые направления применения
технологий машинного обучения в области предитивной аналитики: оптимизация
бизнес-процессов, сокращение издержек и повышение уровня STP.
Одним из важнейших проектов «Сбербанка» в области разработки EAS
является автоматизация финансового моделирования.
Финансовые блоки или кэш-флоу модели являются основным инструментом в
прогнозировании деятельности корпоративных заемщиков, оценки бизнеса и так далее.
Таким образом, развитие цифровых технологий позволяет радикально снижать
операционные издержки банков по двум ключевым направлениям.
Первое направление — перенос коммуникаций в цифровые каналы,
позволяющий сокращать издержки на филиальное обслуживание клиентов.
Второе — автоматизация рутинных операций банка, позволяющая сокращать количество
сотрудников и одновременно снижать операционные риски.
Роботизация интеллектуального труда приводит к появлению новых бизнес-моделей.
[МУЗЫКА]
[МУЗЫКА]
Ознакомьтесь с нашим каталогом
Присоединяйтесь бесплатно и получайте персонализированные рекомендации, обновления и предложения.
Coursera делает лучшее в мире образование доступным каждому, предлагая онлайн-курсы от ведущих университетов и организаций.
© Coursera Inc., 2018 Все права защищены.
