reporting & monitoring tool overview nuove tecnologie · l’introduzione di tali tecnologie è...

Reporting & Monitoring ToolOverview Nuove Tecnologie

EY Approach

Giugno 2018

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

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.

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

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

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



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


► 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)


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)

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.

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)”

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.

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

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

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.

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.

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

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

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

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..)

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

Giuseppe Quaglia

Partner

FSO Advisory Services: Financial Services Risk Management

Tel. +39 02 722122429 Cell. +39 335 1230554

E-mail: [email protected]

Contatti

mailto:[email protected]

EY

Assurance | Tax | Transactions | Advisory

For more information, please visit www.ey.com.

© 2018 EY - all rights reserved.

Proprietary and confidential. Do not distribute without written permission.

reporting & monitoring tool overview nuove tecnologie · l’introduzione di tali tecnologie è...

Documents