보고 자동화를 통해 가치 창출
가치에 대한 규제 보고 자동화가 오늘날 은행이 수용해야 하는 요구 사항이자 기회인 이유를 알아보세요.
.jpg?origin=fd&width=1600 "금융 서비스 보고 자동화")
금융 서비스는 가정 혁명(assumption revolution)의 중심에 있습니다. 글로벌 팬데믹으로 가속화되면서 무엇이 가능하고 무엇이 불가능한지에 대한 강한 예측들이 대부분 빗나갔습니다. FT에 따르면 2020년 3분기 Santander는 영국에서 디지털 방식으로 거래의 80%를 완료했으며, NatWest의 고객과의 화상 통화 사용량이 한 달에 100건에서 9,000건으로 증가한 것과 같이 '프런트 오피스'에서는 이러한 사례가 많이 보도되고 있습니다. 그러나 이러한 모든 디지털 애플리케이션은 이를 지원하는 데 필요한 백 오피스에 엄청난 부담을 줍니다. 이러한 서비스를 제공하는 것뿐만 아니라 규제 요구 사항을 충족하는 데 필요한 보고 및 거버넌스를 자동화하는 것에 대한 요구가 더 커졌습니다. 동시에 금융 서비스는 점점 더 실시간으로 거래 및 운영되고 위험 요소가 변화함에 따라 많은 규제 기관에서는 더 많은 데이터를 더 자주 요구하게 되었습니다. 그러나 은행은 이것을 비용이 많이 들고 노동 집약적인 프로세스를 현대화하고 자동화할 수 있는 기회로 간주해야 합니다.
새로운 사고의 필요성
9/11 및 2008년 금융위기 이후 점점 더 강력한 규제를 도입한지 20년 이상 지난 지금, 많은 기관들은 규제 보고 부담을 잘 관리했으며 이제 다른 영역으로 관심과 투자를 돌릴 수 있다고 조심스럽게 낙관하기 시작했습니다. 그러나 Brexit와 COVID로 인해 위험과 성과에 대해 더 자주 보다 세분화된 데이터가 요구되면서 다시 한번 판도가 바뀌게 되었습니다. 이 새로운 환경은 새로운 보고서 및 데이터 세트 이상의 것을 요구합니다. 규제 기관과 협력하는 방법에 대한 근본적인 재고가 필요합니다.
시행된 모든 새로운 요구 사항에 대해 새 보고서를 작성하는 것이 이전 접근 방식이었습니다. 이는 구현 및 시행까지 리드 타임이 긴 '구식' 규정에서는 어느 정도 이해가 되었지만 여전히 노동 집약적이며 준수하는 데 많은 비용이 들었습니다. 이것은 점진적인 변화가 거의 끊이지 않는 현대 사회에서는 전혀 맞지 않습니다. 많은 회계사들이 다량의 Excel 시트를 처리하고 매번 사용자 지정 데이터 세트를 기반으로 새 보고서를 작성하는 것은 저금리 글로벌 경제에서 이미 극심한 마진 압박에 직면해 있는 은행에게 지속 불가능한 악몽과도 같습니다.
자동화 기회
보고 자동화는 보고의 품질, 세분성 및 속도를 개선할 수 있는 솔루션과 기회를 제공합니다. 보고를 성공적으로 자동화하려면 은행은 세 가지 기본 단계를 수행해야 합니다. 첫째, 모든 규제 보고 요구 사항을 지원하는 신뢰할 수 있는 단일 엔터프라이즈 데이터 플랫폼을 구축합니다. 둘째, 비효율적인 수동 프로세스를 대체하기 위해 유연한 애널리틱스 모델을 구축합니다. 셋째, 이러한 모델을 변경 요구 사항을 충족하기 위해 재사용, 재결합 및 재배포할 수 있는 '데이터 제품'으로 카탈로그 및 공유합니다.
대부분의 경우 은행은 이미 공유 데이터의 단일 소스에 대한 기반을 갖추고 있습니다. 많은 은행의 중심에서 사용되는 테라데이타 시스템은 보고에 필요한 모든 데이터를 신뢰할 수 있는 단일 보기로 제공하는 완벽한 플랫폼을 나타냅니다. 보고를 위해 데이터 사일로를 추출하고 생성하는 대신 머신 러닝 및 AI 모델을 포함하는 고급 애널리틱스를 작성하여 이러한 데이터 웨어하우스에서 실행할 수 있습니다. 이를 통해 모델은 테라데이타의 속도와 규모를 활용하여 수십억 개의 레코드에 대해 수백만 개의 쿼리를 처리할 수 있을 뿐만 아니라, 보고서 작성에 도움되는 가장 세부적이고 완전한 최신 데이터 세트를 제공합니다.
Analytics 123 전략을 통해 데이터 과학자는 선택한 모델링 언어를 사용하여 모델을 구축 및 테스트하고 단순히 배포하여 라이브 데이터를 스코어링할 수 있습니다. 결정적으로 이 접근 방식은 유용성을 입증하는 데이터 기능의 재사용 및 용도 변경을 강조하여 데이터 랭글링의 부담을 크게 줄이고 데이터 과학자의 생산성을 훨씬 향상시켰습니다. 팀은 모든 보고서를 처음부터 작성하는 대신 이전에 시도하고 테스트한 요소를 사용하여 새로운 요구 사항을 충족하도록 모델을 신속하게 조합하거나 개선할 수 있습니다. 엔터프라이즈 기능 저장소에 이러한 기능을 저장하고 카탈로그화하면 새로운 보고 요구 사항을 충족하기 위해 새로운 모델을 쉽게 검색하고 다시 사용할 수 있습니다.
고정관념에 도전
이제는 버릴때가 된 고정관념이 있습니다. 규제 보고는 시간과 자원 집약적인 비용일 필요가 없습니다. 보고를 자동화하면 보고서를 찾고, 준비하고, 생성하기 위해 대규모 회계사 팀을 구성할 필요가 없습니다. 대신 이러한 인력들을 가치를 주도하는 역할에 배치하는 것이 더 좋습니다. 또한 실시간 데이터에 대한 공통적이고 포괄적인 관점에서 작업하면 규제 보고의 정확성과 품질도 향상됩니다. 이는 비용 증가 없이 규제 기관이 요구하는 보다 시기 적절한 정보를 제공할 뿐만 아니라, 다중 관활 은행이 개별 규제 기관의 요구 사항의 미묘한 차이를 보다 효율적으로 처리하는 데 도움이 될 것입니다. 대부분의 요구 사항을 충족하는 핵심 데이터 제품은 요청된 데이터를 정확히 제공하도록 간단히 맞춤화할 수 있습니다. 마지막으로 자동화는 데이터 전기 및 인적 오류로 인한 실수를 줄여 시간을 절약하고 보고서 수정 및 업데이트를 하지 않아 규제 기관의 평판을 향상시킵니다. 기존 프로세스를 변경하는 것은 너무 어렵고 비용이 많이 들고 너무 위험하다는 고정관념 때문에 너무 오랫동안 혁신하지 못했습니다. 오늘날의 환경은 이러한 프로세스를 유지하기 어렵게 만드는 동시에 변화가 필요하고 가능하다는 것을 보여줍니다. 가치를 얻기 위한 자동화는 은행이 수용해야 하는 요구 사항이자 기회입니다.
새로운 사고의 필요성
9/11 및 2008년 금융위기 이후 점점 더 강력한 규제를 도입한지 20년 이상 지난 지금, 많은 기관들은 규제 보고 부담을 잘 관리했으며 이제 다른 영역으로 관심과 투자를 돌릴 수 있다고 조심스럽게 낙관하기 시작했습니다. 그러나 Brexit와 COVID로 인해 위험과 성과에 대해 더 자주 보다 세분화된 데이터가 요구되면서 다시 한번 판도가 바뀌게 되었습니다. 이 새로운 환경은 새로운 보고서 및 데이터 세트 이상의 것을 요구합니다. 규제 기관과 협력하는 방법에 대한 근본적인 재고가 필요합니다.
시행된 모든 새로운 요구 사항에 대해 새 보고서를 작성하는 것이 이전 접근 방식이었습니다. 이는 구현 및 시행까지 리드 타임이 긴 '구식' 규정에서는 어느 정도 이해가 되었지만 여전히 노동 집약적이며 준수하는 데 많은 비용이 들었습니다. 이것은 점진적인 변화가 거의 끊이지 않는 현대 사회에서는 전혀 맞지 않습니다. 많은 회계사들이 다량의 Excel 시트를 처리하고 매번 사용자 지정 데이터 세트를 기반으로 새 보고서를 작성하는 것은 저금리 글로벌 경제에서 이미 극심한 마진 압박에 직면해 있는 은행에게 지속 불가능한 악몽과도 같습니다.
자동화 기회
보고 자동화는 보고의 품질, 세분성 및 속도를 개선할 수 있는 솔루션과 기회를 제공합니다. 보고를 성공적으로 자동화하려면 은행은 세 가지 기본 단계를 수행해야 합니다. 첫째, 모든 규제 보고 요구 사항을 지원하는 신뢰할 수 있는 단일 엔터프라이즈 데이터 플랫폼을 구축합니다. 둘째, 비효율적인 수동 프로세스를 대체하기 위해 유연한 애널리틱스 모델을 구축합니다. 셋째, 이러한 모델을 변경 요구 사항을 충족하기 위해 재사용, 재결합 및 재배포할 수 있는 '데이터 제품'으로 카탈로그 및 공유합니다.
대부분의 경우 은행은 이미 공유 데이터의 단일 소스에 대한 기반을 갖추고 있습니다. 많은 은행의 중심에서 사용되는 테라데이타 시스템은 보고에 필요한 모든 데이터를 신뢰할 수 있는 단일 보기로 제공하는 완벽한 플랫폼을 나타냅니다. 보고를 위해 데이터 사일로를 추출하고 생성하는 대신 머신 러닝 및 AI 모델을 포함하는 고급 애널리틱스를 작성하여 이러한 데이터 웨어하우스에서 실행할 수 있습니다. 이를 통해 모델은 테라데이타의 속도와 규모를 활용하여 수십억 개의 레코드에 대해 수백만 개의 쿼리를 처리할 수 있을 뿐만 아니라, 보고서 작성에 도움되는 가장 세부적이고 완전한 최신 데이터 세트를 제공합니다.
Analytics 123 전략을 통해 데이터 과학자는 선택한 모델링 언어를 사용하여 모델을 구축 및 테스트하고 단순히 배포하여 라이브 데이터를 스코어링할 수 있습니다. 결정적으로 이 접근 방식은 유용성을 입증하는 데이터 기능의 재사용 및 용도 변경을 강조하여 데이터 랭글링의 부담을 크게 줄이고 데이터 과학자의 생산성을 훨씬 향상시켰습니다. 팀은 모든 보고서를 처음부터 작성하는 대신 이전에 시도하고 테스트한 요소를 사용하여 새로운 요구 사항을 충족하도록 모델을 신속하게 조합하거나 개선할 수 있습니다. 엔터프라이즈 기능 저장소에 이러한 기능을 저장하고 카탈로그화하면 새로운 보고 요구 사항을 충족하기 위해 새로운 모델을 쉽게 검색하고 다시 사용할 수 있습니다.
고정관념에 도전
이제는 버릴때가 된 고정관념이 있습니다. 규제 보고는 시간과 자원 집약적인 비용일 필요가 없습니다. 보고를 자동화하면 보고서를 찾고, 준비하고, 생성하기 위해 대규모 회계사 팀을 구성할 필요가 없습니다. 대신 이러한 인력들을 가치를 주도하는 역할에 배치하는 것이 더 좋습니다. 또한 실시간 데이터에 대한 공통적이고 포괄적인 관점에서 작업하면 규제 보고의 정확성과 품질도 향상됩니다. 이는 비용 증가 없이 규제 기관이 요구하는 보다 시기 적절한 정보를 제공할 뿐만 아니라, 다중 관활 은행이 개별 규제 기관의 요구 사항의 미묘한 차이를 보다 효율적으로 처리하는 데 도움이 될 것입니다. 대부분의 요구 사항을 충족하는 핵심 데이터 제품은 요청된 데이터를 정확히 제공하도록 간단히 맞춤화할 수 있습니다. 마지막으로 자동화는 데이터 전기 및 인적 오류로 인한 실수를 줄여 시간을 절약하고 보고서 수정 및 업데이트를 하지 않아 규제 기관의 평판을 향상시킵니다. 기존 프로세스를 변경하는 것은 너무 어렵고 비용이 많이 들고 너무 위험하다는 고정관념 때문에 너무 오랫동안 혁신하지 못했습니다. 오늘날의 환경은 이러한 프로세스를 유지하기 어렵게 만드는 동시에 변화가 필요하고 가능하다는 것을 보여줍니다. 가치를 얻기 위한 자동화는 은행이 수용해야 하는 요구 사항이자 기회입니다.
알고 있어
테라데이트의 블로그를 구독하여 주간 통찰력을 얻을 수 있습니다