reporting & monitoring tool overview nuove tecnologie · l’introduzione di tali tecnologie è...
TRANSCRIPT
Page 2
Agenda
1. Obiettivo
2. Applicazione delle nuove tecnologie
3. Robotic Process Automation
4. Machine Learning
5. Creazione documentale automatizzata
6. Applicazione delle nuove tecnologie
alla Segnalazione AnaCredit
7. EY Solution
Page 3
Crescenti sono sul mercato le esperienze di applicazione di RPA, Intelligenza Artificiale e Data Mining sia sui processi/attività
preesistenti che sui processi/attività di nuova costituzione per l’industria bancaria. L’introduzione di tali tecnologie è associata a
vantaggi in termini di efficientamento risorse, compressione costi di lavorazione e riduzione di errori operativi.
2. Nuove
Tecnologie
3. Possibili ambiti di
applicazione
4. Approccio di EY
Il documento propone la metodologia EY per l’introduzione delle principali tecnologie (RPA; Intelligenza Artificiale e Data Mining) nel campo delle nuove esigenze regolamentari riscontrate dagli istituti
finanziari.
1.Introduzione
ObiettivoMappa del documento
L’obiettivo dell’incontro odierno è presentare le principali nuove tecnologie (es. RPA; Intelligenza Artificiale; Data Mining) utilizzate nell’industria finanziaria secondo l’approccio e l’esperienza di EY.
Obiettivo del presente documento è focalizzarsi sull’applicazione delle nuove tecnologie all’interno di attività di nuova costituzione che le recenti novità normative hanno introdotto nell’attività bancaria: a
titolo di esempio, la nuova segnalazione granulare sul credito AnaCredit.
Page 4
Database interni (SAP, Oracle ..)
Data Collection
Data Abstraction
Rule-based Machine Learning
Reporting
Definizione di controlli e
elaborazioni standard
Data Modeling
Data Processing
ETL automatizzato (RPA)
Dati provenienti da diverse fonti con un’alta eterogeneità di formati
Utilizzo di modelli di machine learning per la definizione e
l’ottimizzazione delle soglie di rischio
Produzione di documentazione coerente con le richieste regolatorie o con le richieste interne per materiale di
presentazione andamentale
Il dataset sono sottoposti ad un processo di
estrazione, pulizia ed aggregazione in base alla
granularità necessaria
Grazie a delle routine appositamente scritte i
documenti office vengono generati
rispettando le richieste del regolatore o le richieste interne di
reportistica
Output regolatorio
Viene definito un sistema di controlli che verifica la
coerenza delle informazioni prima di
procedere
Limitata necessità di
integrazione con i sistemi IT
interni
1
Investimenti up -front minimi
2
Vantaggi in pillole
Machine Learning
Creazione Automatica Documentale
Robotic ProcessAutomation
Semplicità di adozione lato
utente
3
A partire dai principali step caratteristici dei processi di produzione del reporting regolamentare, si propone l’integrazione di RoboticProcess Automation, Machine Learning e Creazione Automatica Documentale rispetto alle esigenze di collecting e estrazione dei dati;controlli e validazione e generazione del reporting.
Applicazione delle nuove tecnologieRPA, Machine Learning & Creazione Automatica Documentale
Page 5
Vantaggi Tecnologici
► Limitata necessità di integrazione con gli applicativi esistenti – Lo sviluppo di
soluzioni per il data-grabbing è ideato appositamente per essere applicabile on-top
rispetto alle applicazioni sulle quali si va ad operare
► Multi-piattaforma – Le soluzioni di RPA si adattano a diverse piattaforme, sia di
natura web che applicativi stand-alone.
► Cost-Saving – E’ possibile sviluppare applicazioni RPA senza richiedere modifiche
o maschere ad-hoc costose alle software house che forniscono gli applicativi (e.g.
SAP)
► Error Prone – L’approccio automatizzato evita errori derivanti da sviste manuali
► Velocità di produzione – La predisposizione di documenti viene fatta in minuti e
non in ore o giorni
► Replicabilità – Il set-up di un nuovo modello, previa disponibilità dei dati raw, non
richiede particolare esperienza
► Mantenibilità – Il processo è gestibile internamente
Vantaggi di Business
► Riduzione dei tempi di lavorazione liberando risorse per attività a valore aggiunto
► Riduzione degli errori operativi nella fase di estrazione dati dalle diverse fonti
alimentanti
► Accelerazione dei tempi di lavorazione delle attività operative relative alla
collezione e estrazione dati
Robotic Process Automation Applicazione alla fase di Data Collection
Page 6
Verifica soglie e fine tuning attraverso un processo dinamico di
autoapprendimento continuo sullo storico raccolto
Cluster 1 Cluster NCluster ..
Te
mp
o d
i ge
stio
ne
Caratterizzazione cluster
Gli ambiti di interesse vengono clusterizzatisulla base delle loro
caratteristiche
Vengono analizzate le caratteristiche
statistiche delle variabili utilizzate
Modello predittivo (Training +
applicazione)
Il modello viene addestrato per
identificare eventuali anomalie e aggiornato
continuamente per ottimizzarne le performance
Processo di analisi
Clusterizzazione
Approccio con Machine Learning
► Settare automaticamente i valori di soglia e le sensitivity su diversi parametri
► Capacità di adattamento della detection nel tempo seguendo fenomeni dinamici
(i.e. la stagionalità)
► Riduzione dall’errore dell’inserimento di regole judgmental
► Capacità di correlazione di fenomeni complessi e quindi una migliore detection in
ambito segnalazione.
► Maggiore qualità dei dati inviati al Regulator assicurando nel tempo l’applicazione
di un processo di autoapprendimento
► Maggiore auditabilità del processo di controllo
► Riduzione dei rilievi e delle rettifiche da effettuare sulle basi dati segnaletiche ex –
post
► Creazione di controlli di validation implementati in modo da assicurare
indipendenza, accuratezza e completezza
► Maggiore tempestività nelle attività di controllo
Machine LearningApplicazione alla fase di Controlli e Validazione
Vantaggi Tecnologici
Vantaggi di Business
Page 7
TemplateRegolamentare
target
Motore di mapping e creazione automatica
ExtractedData
OU
TP
UT
► Il processo di presentazione del risultato è indipendente rispetto al layer di
estrazione dati. Questo approccio favorisce la mantenibilità e limita i possibili
errori in fase di automazione.
► Utilizzo della strumentazione standard di office – Il modello può essere preparato
da un utente business senza particolari conoscenze in ambito automation in
quanto è il risultato della compilazione di un documento MS Office
► Modifiche e aggiornamenti in compliance con i modelli regolamentari sono
effettuabili in tempi rapidi
► Tracciabilità – E’ possibile tracciare le operazioni compiute in fase di generazione
del report automatico per valutare eventuali incongruenze e risolvere eventuali
anomalie.
► Il sistema non necessita di un ambiente di hosting dedicato ma può essere
eseguito sulla macchina dell’utente
Vantaggi di Business
► Produzione automatica template segnaletici secondo gli standard regolamentari
► Creazione automatica di supporti documentali di vario genere sia operativo che
direzionale associati al reporting regolamentare
► Compressione tempistiche nella produzione del reporting segnaletico
► Maggiore auditabilità del processo segnaletico
► Facilità di utilizzo dei supporti tecnologici
► Maggiore autonomia nell’aggiornamento rispetto a variazione del reporting sia di
natura regolamentare che gestionale
Creazione documentale automatizzata Applicazione alla fase di Reporting (1/3)
Vantaggi Tecnologici
Page 8
Di seguito si da una rappresentazione esemplificata dei sistemi di produzione documentale automatizzata ai fini della generazione dellareportistica, soggetta anche ad una fase pre-segnaletica di controlli di tipo formale e di completezza/coerenza. Tali sistemi sonoreplicabili in modo trasversale su tutti i processi Banca assicurando numerosità degli output e conservando il massimo livello dipersonalizzazione..
CSVXML
XLSX Il Sistema estrae le informazioni di input secondo i formati ed itemplate predefiniti dagli standard segnaletici. Non sono richiesteulteriori modifiche a carico dell’utente Banca.
Le informazioni fornite in input vengono analizzate e sottoposte adun processo di estrazione, pulizia ed aggregazione in base allagranularità richiesta di volta in volta. Inoltre uno strumento diArtificial Intelligence (AI), verifica la presenza di eventuali problemidi coerenza/completezza delle informazioni elaborate e propone inautonomia una proposta di rettifica dei rilievi riscontrati.
Grazie a delle routine appositamente scritte, i documenti office,congiuntamente a report interattivi, vengono generati rispettando lerichieste del Regolatore o le richieste interne di reportistica.
1
2
3
Creazione documentale automatizzata Applicazione alla fase di Reporting (2/3)
Page 9
I nuovi dati previsti dalla segnalazione AnaCredit richiedono che, le banche segnalanti, forniscano 97 nuovi attributi in relazione agli strumenti di credito in esseree alle garanzie che insistono su tali strumenti e alle controparti associate.La gestione manuale di una tale mole di informazioni potrebbe risultare difficoltosa in quanto non del tutto facilmente fruibile.
I campi oggetto della segnalazione risultano essere interdipendenti tra di loro nonchè rispetto ai dati presentiin altri reporting già inoltrati verso le Autorità di vigilanza (cfr. slide successiva). Al fine di evitare eventuali incongruenze nelle informazioni segnalate, si rende necessario per la banca prevedere un sistema di controlli automatizzato in modo da garantire la qualità del dato.
L’introduzione della segnalazione AnaCredit, caratterizzata da
tempistiche stringenti di produzione del dato e da frequenze segnaletiche
ravvicinate, comporta un maggior numero di attività iterative a carico
banca che possono essere facilmente automatizzate data la loro elevata
standardizzazione.
Le nuove informazioni sul credito richiedono una maggiore
granularità e profondità rispetto a quanto riportato fino ad oggi per le altre segnalazioni di tipo statistico.
Risulta quindi essenziale per la banca impostare un processo efficace ed efficiente al fine di assicurare standard qualitativi
elevati dei dati e sign-off dell’output generato nelle tempistiche definite.
Applicazione delle nuove tecnologie alla segnalazione AnaCreditWhy AnaCredit? (1/2)
In funzione dell’esperienza di EY e in relazione alle caratteristiche della segnalazione AnaCredit, di seguito si riportano le principalimotivazioni che favoriscono la possibile applicazione delle nuove tecnoIogie, esposte nelle slide precedenti, facilitando i processi di dataquality e di generazione di specifiche reportistiche.
Page 10
Applicazione delle nuove tecnologie alla segnalazione AnaCreditWhy AnaCredit? (2/2)
Oltre a quanto presentato nella slide precedente, la nuova segnalazione AnaCredit, presentando numerosi punti di contatto con altresegnalazioni già inviate al Regolatore da parte delle Banche (inter alia Finrep/ Corep; Asset Encumbrance; NPL ecc..), si presta alladefinizione di un processo basato sull’introduzione delle nuove tecnologie nelle fasi di controllo e di predisposizione di reporting di tipooperativo/direzionale.
La nuova segnalazione «AnaCredit» (Analytical Credit Dataset) risponde all’esigenza di detenere
all’interno del Sistema Europeo di Banche Centrali un set di dati armonizzato in relazione ai
prestiti bancari necessari ad elaborare analisi statistiche più dettagliate e di migliore qualità sulle
esposizioni creditizie del settore finanziario e sul rischio di credito connesso.
La segnalazione NPL è una specifica rilevazione statistica sulle esposizioni in sofferenza. La
struttura della rilevazione è stata definita tenendo conto degli indirizzi sinora maturati
nell’ambito del disegno dell’archivio centrale europeo sul credito bancario (AnaCredit).
NPL
La segnalzione statistica FinRep si basa su dati contabili e il perimetro di riferimento è sia
individuale che consolidato. Al pari del FinRep, la segnalazione prudenziale CoRep ha l’obiettivo
di segnalare e monitorare l’adeguatezza patrimoniale dei soggetti regolamentati.
FinRep/CoRep
La segnalazione Asset Encumbrance si pone l’obiettivo di riportare qualsiasi attività che è
stata vincolata o che è soggetta a qualsiasi forma di accordo per garantire qualunque
transazione dalla quale non può essere liberamente ritirata. La segnalazione è sia di tipo
individuale che consolidato.
Asset Encumbrance
AnaCredit
Dalla expertise maturata da EY nel
campo Regulatory Reporting e nella
progettualità Anacredit, si rilevano
numerosi punti di contatto e di controllo
anche con altre segnalazioni che
vengono già inviate al Regolatore. Infatti
anche nell’AnaCredit Manual – Part II,
viene riportato che, in relazione alla
Table 6 –Accounting Data:
“The primary goal of the accounting
dataset is to describe the development
of the instrument in accordance with
the relevant accounting standard. In
addition, the dataset also includes data
attributes that are at present required
by other reporting frameworks (i.e.
FINREP) with the same timeliness and
granularity (e.g. performing status,
sources of encumbrance, status of
forbearance and renegotiation)”
Page 11
Applicazione delle nuove tecnologie alla segnalazione AnaCreditSet di controlli di coerenza interni - Overview
In relazione a quanto riportato precedentemente, al fine di garantire la qualità del dato da segnalare al regulator EY propone diautomatizzare, con l’utilizzo delle nuove tecnologie, un set di controlli pre-invio della segnalazione interno alle table del dataset.
Per illustrare una potenziale applicazione delle nuove tecnologie, la solution EY propone di fare riferimento, come possibile punto dipartenza, ai Validation Check, ossia i controlli definiti dalla BCE in ambito AnaCredit.
Anacredit Validation Check
Consistency
Completeness
ReferentialIntegrity
Controlli di consistenza specifici
Controlli specifici su dati anagrafici
Controlli specifici su altre informazioni
Controlli specifici su altre informazioni
A)
B)
C)
I controlli di consistency sono volti a verificare la coerenza dell’intero Dataset controllando che le informazioni da segnalareper gli attributi interconnessi riportati in diverse table del Datamodel, siano coerenti tra di loro (internal consistency).A)
B)
C)
I controlli di completeness sono volti a verificare che vengano effettivamente segnalate tutte le informazioni attese relativead un elemento da segnalare vengono ripartiti in due specifiche categorie: Counterparty reference dataset (verificano lacompletezza del Counterparty reference dataset e Credit relevant data (verificano la completezza degli attributi relativi alletable residue).
I controlli di referential integrity hanno lo scopo di assicurare che le informazioni segnalate siano coerenti con i requirementsprevisti nel Regolamento AnaCredit. In particolare, questi controlli verificano che tutte le informazioni associate al singoloelemento creditizio, siano riportate all’interno dei diversi dataset.
Page 12
Applicazione delle nuove tecnologie alla segnalazione AnaCreditSet di controlli di coerenza interni – Use Case
Di seguito viene rappresentato un esemplificativo del processo di controllo e di reporting di tipo sia personalizzato che segnaleticorelativo ad alcuni attributi della table 1 AnaCredit – Counterparty Reference Dataset ipotizzando l’utilizzo delle nuove tecnologie diautomatizzazione dei processi (RPA) e Artificial Intelligence (AI). Il processo che segue può essere chiaramente replicato per tutte letable del dataset AnaCredit.
Le informazioni anagrafiche
rilevanti richiesti dalla
segnalazione vengono smistate
automaticamente dalle fonti
originarie al Repository
Centrale.
1 2
Le nuove tecnologie permettono
di eseguire dei controlli formali
automatizzati sui dati anagrafici
verificando la coerenza,
correttezza e completezza delle
informazioni anagrafiche che si
riferiscono alla residenza della
controparte (come ad esempio:
via, città, codice postale, paese
ecc.).
3
Nel caso in cui il controllo
automatico rilevi incoerenza nei
dati segnalati, uno strumento di
Artificial Intelligence rielabora
le informazioni relative
all’errore e propone
automaticamente una proposta
di rettifica dei dati.
4
L’utente della Banca riceve la
rettifica proposta dallo
strumento di Artificial
Intelligence. Se approvata, la
rettifica diventa definitiva e
viene registrata nel Repository
Centrale. Se rigettata, l’utente
effettua manualmente la
rettifica del rilievo e registra nel
Repository Centrale
l’informazione rettificata.
5
Una volta confermata la
conformità/coerenza/completez
za dei dati anagrafici presenti
all’interno del Repository, viene
prodotta automaticamente la
table 1 Counterparty Reference
Dataset della segnalazione
AnaCredit, consentendo inoltre
all’utente di ottenere report
personalizzato adatto ad ogni
esigenza interna.
Controlli automatizzati Processi automatizzatiStrumenti di artificial
intelligenceUtente bancaLegenda:
Paese
Identificativo nazionale
Contea & Suddivisione amministrativa
Città / località
Via
Codice di avviamento postale
Fonti Interne
Reportistica «Personalizzata»
Counterpartyreferance dataset
RepositoryCentrale
1 2
3
4
5
ESEMPLIFICATIVO
Page 13
Come anticipato nelle slide precedenti, la complessità della nuova segnalazione AnaCredit risiede anche nella trasversalità delleinformazioni richieste ed attualmente già oggetto di segnalazione a livello aggregato in ulteriori tipologie di reporting di tipo armonizzatoe non armonizzato. Di seguito si riporta uno sepcifico focus in merito alle interrelazioni con la segnalazione FinRep:
Perimetro Controparti
Soglia di Segnalazione
Perimetro Strumenti
AnaCredit FinRep
Rientrano nel perimetro segnaletico AnaCredit tutte le
controparti che sono persone giuridiche o loro affiliate
Sono escluse dal perimetro segnaletico persone
fisiche e ditte individuali
Non ci sono restrizioni circa le controparti rientranti
nel perimetro segnaletico
La classe di esposizioni HOUSEHOLDS è
identificata esclusivamente in base al SAE (SAE
600/614/615)
Gli strumenti da segnalare devono avere una
soglia di materialità pari o superiore a 25.000€
La soglia di materialità per ciascuno strumento da
segnalare, va calcolata come somma tra esposizione
fuori bilancio e importo nominale in essere, ovvero
come impegno totale della banca.
Non ci sono restrizioni circa la soglia di materialità
degli strumenti rientranti nel perimetro segnaletico
Gli strumenti che rientrano nel perimetro segnaletico
AnaCredit sono:
• Depositi
• Scoperto di C/C
• Debito da carte di
credito
• Credito revolving
• Ecc.
Non rientrano nel perimetro segnaletico
AnaCredit gli strumenti che sono: crediti di
firma, derivati, titoli, impegni.
Non ci sono restrizioni circa gli strumenti
rientranti nel perimetro segnaletico.
Sono ricompresi nel perimetro segnaletico tutte le
posizioni che rappresentano poste contabili dell’attivo
indipendentemente dal fatto che si tratti di posizioni
nominative o di posizioni che sono tipiche
dell’attivo/passivo
Applicazione delle nuove tecnologie alla segnalazione AnaCreditSet di controlli di coerenza con altre segnalazioni: Focus FinRep
Page 14
EY SolutionAnaCredit Reporting & Monitoring Tool
L’AnaCredit Reporting & Monitoring Tool metterà a disposizione della banca uno strumento in grado di effettuare in complete autonomia controlli di Data Quality, valutazioni circa la bontà dei dati e analisi tailored per tipologia di strumento e controparte.
Di seguito viene rappresentato un esemplificativo del funzionamento dell’AnaCredit Reporting & Monitoring tool, solution proposta da EY ealcune tra la moltitudine di funzioni che saranno a disposizione della banca a seguito della sua introduzione.
Solution EY
• Le funzionalità delle nuove tecnologiepermetteranno di generare reportistica chiara etrasparente in modo semplice e per qualsiasiutilizzo interno della banca, minimizzando difatto le competenze tecniche richieste.
Value proposition
C-Star
BSO
Excele-
rator 2.0
AnaCredi
t Alz
Q-REP
DIV-Tool
SAP
Power
CPM
Reg Radar
EBA Pubs
IFRS 9 Imp
LIC
Compl. M.
Corep/ FinRep
RIFT
Stress
DVC
M.Val.
Pro.
STORM
Nuove Tecnologie AnaCredit Reporting & Monitoring Tool
Report
ing
Monit
ori
ng
Tool
• Tramite le nuove tecnlogie, si effettueranno icontrolli specifici di coerenza correttezza ecompletezza richiesti dal regulator neldocumento Validation checks e la successivagestione/monitoraggio dei rilievi;
• Sarà possibile simulare i test che verrannoeseguiti sui dati segnaletici dal regulator al finedi ridurre la probabilità di errore;
• Sarà possibile eseguire automaticamentecontrolli completi sulle altre segnalazionirichieste alla banca (CoRep FinRep ecc.)rendendo di fatto possibile confrontare i datiinviati per diversi fini segnaletici.
Page 15
EY SolutionFocus Monitoring Tool
L’AnaCredit Reporting & Monitoring Toolrappresenta la soluzione EY per ilmonitoraggio del data quality e la gestionedei rilievi/eccezioni rilevati nel datasetAnaCredit
1
Vantaggi: - Informazioni dettagliate su tutto il
dataset AnaCredit- Informazioni dettagliate e traccia dei
rilievi riscontrati dal tool- Reportistica chiara, semplice e di facile
produzione- Sfrutta la expertise di EY maturata nel
ambito della progettualità AnaCredit
3
Funzionalità:- Misura la qualità del dato presente
all’interno del Dataset AnaCredit- É in grado di rilevare autonomamente i
rilievi presenti nei dati - Monitora la gestione del rilievo
riscontrato- Il processo di Data Quality migliora in
modo automatico, ad ogni giro dell’applicativo grazie allo strumento di artificial intelligence, integrato nel tool, che apprende dai rilievi riscontrati nel passato
2
EY Solution
Scope
FormatOut of range
Date issue
0204060
55
1534
828
8123
Statistiche risultati del Data quality Flusso di gestione dei
rilievi/ eccezione del dataset AnaCredit
I rilievi e le eccezioni riscontrati dal tool d’analisi vengono processati e
risolti in maniera automatizzata
Gestione rilievi
DQ
Controlli di coerenza
Controlli di completezza
Controlli di correttezza
Imp
ort
Ma
nu
ale
Reporting personalizza
ti per altri scopi interni
banca
Reporting Automatizzato
Dashboard IntegrataClusterizzazione
risultati del Data Quality
Da
ta
Imp
ort
ClientAnaCreditDataset
Rilievi / eccezioni gestite
manualmente
Di seguito viene rappresentato un esemplificativo del funzionamento della parte dedicata ai controlli «Monitoring tool» proposto da EY.
Page 16
Processo di generazione
INPUT REPORTINGELABORAZIONE
Caricamento delle segnalazioni di
vigilanza e dei dati gestionali
Running modello di elaborazione
Produzione report di output
differenziati in base all’utente
EY SolutionFocus Monitoring Tool – Control type
L’implementazione dei «Monitoring Tool» permette di avere una struttura dei controlli omogenea, consistente e non discrezionale(indipendente dall’operatore) sul dato gestionale e di segnalazione. Si tratta di un insieme integrato di controlli di tipo andamentale e didettaglio che consente la verifica preventiva del dato.
In base alle esigenze e alle richieste dell’auditor control, seguendo un approccio a «building block» possono essere effettuati 3 tipi dicontrollo:
Control type
Category 1
Category 2
Category 3
Category 4
Data Row 3 Data Row 2 Data Row 1
Page 17
EY SolutionFocus Monitoring Tool – Regulatory Reporting
Il modulo «Regulatory reporting control» prevede l’implementazione di un sistema di controlli di «Data Quality» sulle basi segnaletichegenerate ed inviate all’Autorità di Vigilanza. Tale strumento consente all’utente di avere maggiore padronanza del dato segnaletico e digarantirne la correttezza, la bontà e la robustezza.
Agli Organi Aziendali è richiesto di assumersi la responsabilità di:
• correttezza delle segnalazioni all’Organo di Vigilanza;
• coerenza dei dati segnalati con le risultanze della contabilità e del sistema informativo aziendale;
• adeguatezza delle procedure di produzione;
• controllo delle Segnalazioni di Vigilanza;
• predisposizione di appositi strumenti di controllo interno, che prevedano anche forme di rendicontazione sintetica.
Controllo di conformità
Correttezza del calcolo del requisito e dei parametri che
concorrono alla sua determinazione.
Controllo di coerenza
Riconciliazione fra le poste di bilancio e di segnalazione.
Controllo formale
Verifica di correttezza del sistema di codifica delle segnalazione e
completezza del dato.
BILANCIO
TXT BANKIT
MATRICE BANKIT
ITS EBA
Page 18
Il Reporting System rappresenta un sistema di rendicontazione più o meno sintetica che può essere strutturato in modo diverso in ragionedei responsabili aziendali cui si rivolge.
A partire da dati di natura segnaletica e gestionale, il processo di elaborazione di tale reportistica si articola nelle tre fasi di seguitodescritte (Input, Elaborazione e Reporting). Si riportano le diverse tipologie di report che potenzialmente possono essere prodotte in baseall’auditor di riferimento.
EY SolutionFocus Reporting (1/2)
Processo di generazione
INPUT REPORTINGELABORAZIONE
Caricamento delle segnalazioni di
vigilanza e dei dati gestionali
Running modello di elaborazione
Produzione report di output
differenziati in base all’utente
Tipologie di Reporting
• Top management: reportistica sintetica delle
principali “fonti di rischiosità” con particolare
focus sulla view consolidata;
• Direzionale: reportistica
di maggior dettaglio con
profondità storica e
focus sul gruppo e
sulle principali
entity aziendali;
• Operativo: reportistica analitica di massimo
dettaglio, dotata di profondità storica e
focalizzata sugli aggregati patrimoniali e sulle
attività di rischio a livello di gruppo e delle singole
legal entity.
Operativo
Direzionale
Top Mngt
Category 1
Category 2
Category 3
Category 4
Data Row 3 Data Row 2 Data Row 1
Page 19
EY SolutionFocus Reporting (2/2)
Le informazioni ricavate dal dataset AnaCredit, vengono organizzate e rappresentate dal «AnaCredit Reporting & Monitoring Tool» sottoforma di report standardizzati. Il tool inoltre fornisce analisi statistiche circa la conformità dei dati raccolti ai requirements stabiliti dalframework AnaCredit, formula analisi clusterizzate per singolo aggregato di strumenti, nonché analizza la bontà dei dati che compongonoil dataset AnaCredit (es. recuperi medi per cluster di posizioni non performing; tasso di transizione ad uno status non performing ecc..)
Page 20
Data Collection & Data Abstraction
Fonti Interne
Fonti Esterne RepositoryCentrale
DWH/ Puma
Data Processing (Aggregazione/Elaborazione del dato) Creazione Automatica Documentale
Controlli Automatici & Validazione
CONTROLLI REPORTING
Procedura automatizzata basata su querypredeterminate per la compilazione dei
modelli standard definiti da soggetti esterni (Regulator)
Produzione, mediante script
Java dei templatesegnaletici e
dashboard definite secondo le logiche
dell’utente.
Set di controlli automatizzati finalizzati a
garantire la qualità dei dati utilizzati per
la creazione delle segnalazioni
mediante l’utilizzo di tecniche di Machine
Learning/ Intelligenza Artificiale
I report prodotti vengono distribuiti in maniera differenziata da definire (e.g.
attraverso portale web che può agganciare le risorse in destinazioni specifiche, attraverso
email, con accesso al file in cartelle predefinite ecc.) verso gli utenti responsabili
delle diverse procedure della banca.
Le segnalazioni vengono prodotte secondo le logiche richieste ed in seguito inviate al
regolatore
B. Reportistica Gestionale
A. Template segnaletici
I dati necessari per la produzione della segnalazione AnaCredit, contenuti nelle
diverse Procedure Banca, dovranno essere rese disponibili in un unico repository
tramite l’utilizzo del RPA.
Il Repository Centrale sarà alimentato mediante ETL automatizzati, secondo la profondità richiesta, con i dati necessari alla produzione di:A. Template segnaletici da Inviare al
Regolatore secondo le specifiche regolamentari;
B. Reportistica interna/gestionale.
EY SolutionProcesso Target di Regulatory Reporting PROPOSAL
Page 21
Giuseppe Quaglia
Partner
FSO Advisory Services: Financial Services Risk Management
Tel. +39 02 722122429 Cell. +39 335 1230554
E-mail: [email protected]
Contatti