Reporting & Monitoring Tool Overview Nuove Tecnologie - EY Approach Giugno 2018
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
Reporting & Monitoring Tool
Overview 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
Page 2
Obiettivo
Mappa del documento
L’obiettivo dell’incontro odierno è presentare le principali nuove
1.
Introduzione tecnologie (es. RPA; Intelligenza Artificiale; Data Mining) utilizzate
nell’industria finanziaria secondo l’approccio e l’esperienza di EY.
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 2.
l’industria bancaria. L’introduzione di tali tecnologie è associata a Nuove
vantaggi in termini di efficientamento risorse, compressione costi di Tecnologie
lavorazione e riduzione di errori operativi.
Obiettivo del presente documento è focalizzarsi sull’applicazione
3. delle nuove tecnologie all’interno di attività di nuova costituzione che
Possibili
le recenti novità normative hanno introdotto nell’attività bancaria: a
ambiti di
titolo di esempio, la nuova segnalazione granulare sul credito
applicazione
AnaCredit.
Il documento propone la metodologia EY per l’introduzione delle
principali tecnologie (RPA; Intelligenza Artificiale e Data Mining) nel 4. Approccio
campo delle nuove esigenze regolamentari riscontrate dagli istituti di EY
finanziari.
Page 3
Applicazione delle nuove tecnologie
RPA, Machine Learning & Creazione Automatica Documentale
A partire dai principali step caratteristici dei processi di produzione del reporting regolamentare, si propone l’integrazione di Robotic
Process Automation, Machine Learning e Creazione Automatica Documentale rispetto alle esigenze di collecting e estrazione dei dati;
controlli e validazione e generazione del reporting.
Vantaggi
in pillole
Database interni Dati provenienti da diverse fonti con un’alta
eterogeneità di formati
1
(SAP, Oracle ..)
Data Collection
Limitata
necessità di
Il dataset sono sottoposti
integrazione con ad un processo di ETL automatizzato Robotic Process
i sistemi IT Data Modeling
interni
estrazione, pulizia ed
aggregazione in base alla
(RPA) Automation
granularità necessaria
Data Abstraction
2
Rule-based Machine Learning
Investimenti up - Viene definito un sistema
di controlli che verifica la Definizione di Utilizzo di modelli di machine
front minimi
coerenza delle
informazioni prima di
controlli e
elaborazioni
learning per la definizione e
l’ottimizzazione delle soglie di
Machine Learning
procedere Output standard rischio
regolatorio
3
Data Processing
Grazie a delle routine
appositamente scritte i
documenti office
Produzione di documentazione coerente con le richieste
Semplicità di vengono generati
adozione lato rispettando le richieste
regolatorie o con le richieste interne per materiale di Creazione Automatica
utente del regolatore o le
presentazione andamentale
Documentale
richieste interne di
reportistica
Reporting
Page 4
Robotic Process Automation
Applicazione alla fase di Data Collection
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
Page 5
Machine Learning
Applicazione alla fase di Controlli e Validazione
Approccio con Machine Learning
Vantaggi Tecnologici
Verifica soglie e fine tuning attraverso un processo dinamico
di
► Settare automaticamente i valori di soglia e le sensitivity su diversi parametri
autoapprendimento continuo sullo storico raccolto
► Capacità di adattamento della detection nel tempo seguendo fenomeni dinamici
Processo di analisi (i.e. la stagionalità)
► Riduzione dall’errore dell’inserimento di regole judgmental
Modello predittivo
Caratterizzazione ► Capacità di correlazione di fenomeni complessi e quindi una migliore detection in
Clusterizzazione (Training +
cluster
applicazione) ambito segnalazione.
Tempo di gestione
Vantaggi di Business
Cluster 1 Cluster .. Cluster N ► Maggiore qualità dei dati inviati al Regulator assicurando nel tempo l’applicazione
di un processo di autoapprendimento
Il modello viene
addestrato per ► Maggiore auditabilità del processo di controllo
Gli ambiti di interesse identificare eventuali
vengono clusterizzati Vengono analizzate le
caratteristiche anomalie e aggiornato ► Riduzione dei rilievi e delle rettifiche da effettuare sulle basi dati segnaletiche ex –
sulla base delle loro continuamente per
caratteristiche statistiche delle variabili
utilizzate ottimizzarne le post
performance
► Creazione di controlli di validation implementati in modo da assicurare
indipendenza, accuratezza e completezza
► Maggiore tempestività nelle attività di controllo
Page 6
Creazione documentale automatizzata
Applicazione alla fase di Reporting (1/3)
Template Vantaggi Tecnologici
Regolamentare Motore di mapping e
target creazione automatica
► 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.
OUTPUT
► Il sistema non necessita di un ambiente di hosting dedicato ma può essere
eseguito sulla macchina dell’utente
Extracted Vantaggi di Business
Data
► 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
Page 7
Creazione documentale automatizzata
Applicazione alla fase di Reporting (2/3)
Di seguito si da una rappresentazione esemplificata dei sistemi di produzione documentale automatizzata ai fini della generazione della
reportistica, soggetta anche ad una fase pre-segnaletica di controlli di tipo formale e di completezza/coerenza. Tali sistemi sono
replicabili in modo trasversale su tutti i processi Banca assicurando numerosità degli output e conservando il massimo livello di
personalizzazione..
1
XLSX
Il Sistema estrae le informazioni di input secondo i formati ed i
template predefiniti dagli standard segnaletici. Non sono richieste
XML CSV
ulteriori modifiche a carico dell’utente Banca.
Le informazioni fornite in input vengono analizzate e sottoposte ad
2
un processo di estrazione, pulizia ed aggregazione in base alla
granularità richiesta di volta in volta. Inoltre uno strumento di
Artificial Intelligence (AI), verifica la presenza di eventuali problemi
di coerenza/completezza delle informazioni elaborate e propone in
autonomia una proposta di rettifica dei rilievi riscontrati.
3
Grazie a delle routine appositamente scritte, i documenti office,
congiuntamente a report interattivi, vengono generati rispettando le
richieste del Regolatore o le richieste interne di reportistica.
Page 8
Applicazione delle nuove tecnologie alla segnalazione AnaCredit
Why AnaCredit? (1/2)
In funzione dell’esperienza di EY e in relazione alle caratteristiche della segnalazione AnaCredit, di seguito si riportano le principali
motivazioni che favoriscono la possibile applicazione delle nuove tecnoIogie, esposte nelle slide precedenti, facilitando i processi di data
quality e di generazione di specifiche reportistiche.
I nuovi dati previsti dalla segnalazione
AnaCredit richiedono che, le banche
segnalanti, forniscano 97 nuovi attributi
Le nuove informazioni sul credito
in relazione agli strumenti di credito in essere
richiedono una maggiore
e alle garanzie che insistono su tali
granularità e profondità rispetto a
strumenti e alle controparti associate.
quanto riportato fino ad oggi per le
La gestione manuale di una tale mole di
altre segnalazioni di tipo statistico.
informazioni potrebbe risultare
difficoltosa in quanto non del tutto
facilmente fruibile.
I campi oggetto della segnalazione
L’introduzione della segnalazione
risultano essere interdipendenti tra
AnaCredit, caratterizzata da
di loro nonchè rispetto ai dati presenti
tempistiche stringenti di produzione
in altri reporting già inoltrati verso le
del dato e da frequenze segnaletiche
Autorità di vigilanza (cfr. slide
ravvicinate, comporta un maggior
successiva). Al fine di evitare eventuali
numero di attività iterative a carico
incongruenze nelle informazioni segnalate,
banca che possono essere facilmente
si rende necessario per la banca prevedere
automatizzate data la loro elevata
un sistema di controlli automatizzato in
standardizzazione.
modo da garantire la qualità del dato.
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.
Page 9
Applicazione delle nuove tecnologie alla segnalazione AnaCredit
Why AnaCredit? (2/2)
Oltre a quanto presentato nella slide precedente, la nuova segnalazione AnaCredit, presentando numerosi punti di contatto con altre
segnalazioni già inviate al Regolatore da parte delle Banche (inter alia Finrep/ Corep; Asset Encumbrance; NPL ecc..), si presta alla
definizione di un processo basato sull’introduzione delle nuove tecnologie nelle fasi di controllo e di predisposizione di reporting di tipo
operativo/direzionale.
AnaCredit
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
Dalla expertise maturata da EY nel
prestiti bancari necessari ad elaborare analisi statistiche più dettagliate e di migliore qualità sulle
campo Regulatory Reporting e nella
esposizioni creditizie del settore finanziario e sul rischio di credito connesso.
progettualità Anacredit, si rilevano
numerosi punti di contatto e di controllo
NPL anche con altre segnalazioni che
vengono già inviate al Regolatore. Infatti
La segnalazione NPL è una specifica rilevazione statistica sulle esposizioni in sofferenza. La anche nell’AnaCredit Manual – Part II,
struttura della rilevazione è stata definita tenendo conto degli indirizzi sinora maturati viene riportato che, in relazione alla
nell’ambito del disegno dell’archivio centrale europeo sul credito bancario (AnaCredit). Table 6 –Accounting Data:
FinRep/CoRep
“The primary goal of the accounting
La segnalzione statistica FinRep si basa su dati contabili e il perimetro di riferimento è sia dataset is to describe the development
individuale che consolidato. Al pari del FinRep, la segnalazione prudenziale CoRep ha l’obiettivo of the instrument in accordance with
di segnalare e monitorare l’adeguatezza patrimoniale dei soggetti regolamentati. the relevant accounting standard. In
addition, the dataset also includes data
attributes that are at present required
Asset Encumbrance by other reporting frameworks (i.e.
La segnalazione Asset Encumbrance si pone l’obiettivo di riportare qualsiasi attività che è FINREP) with the same timeliness and
stata vincolata o che è soggetta a qualsiasi forma di accordo per garantire qualunque granularity (e.g. performing status,
transazione dalla quale non può essere liberamente ritirata. La segnalazione è sia di tipo sources of encumbrance, status of
individuale che consolidato. forbearance and renegotiation)”
Page 10Applicazione delle nuove tecnologie alla segnalazione AnaCredit
Set 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 di
automatizzare, 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 di
partenza, ai Validation Check, ossia i controlli definiti dalla BCE in ambito AnaCredit.
A)
Controlli di
Consistency
consistenza specifici
Controlli specifici su
B) dati anagrafici
Anacredit Validation
Completeness
Check
Controlli specifici su
altre informazioni
C)
Referential Controlli specifici su
Integrity altre informazioni
A) I controlli di consistency sono volti a verificare la coerenza dell’intero Dataset controllando che le informazioni da segnalare
per gli attributi interconnessi riportati in diverse table del Datamodel, siano coerenti tra di loro (internal consistency).
I controlli di completeness sono volti a verificare che vengano effettivamente segnalate tutte le informazioni attese relative
ad un elemento da segnalare vengono ripartiti in due specifiche categorie: Counterparty reference dataset (verificano la
B) completezza del Counterparty reference dataset e Credit relevant data (verificano la completezza degli attributi relativi alle
table residue).
I controlli di referential integrity hanno lo scopo di assicurare che le informazioni segnalate siano coerenti con i requirements
C) previsti nel Regolamento AnaCredit. In particolare, questi controlli verificano che tutte le informazioni associate al singolo
elemento creditizio, siano riportate all’interno dei diversi dataset.
Page 11Applicazione delle nuove tecnologie alla segnalazione AnaCredit
Set 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 segnaletico
relativo ad alcuni attributi della table 1 AnaCredit – Counterparty Reference Dataset ipotizzando l’utilizzo delle nuove tecnologie di
automatizzazione dei processi (RPA) e Artificial Intelligence (AI). Il processo che segue può essere chiaramente replicato per tutte le
table del dataset AnaCredit.
ESEMPLIFICATIVO
Counterparty
Paese referance dataset
Repository Identificativo nazionale
1 Centrale
2 5
Contea & Suddivisione
Fonti Interne amministrativa
Città / località
Via
Codice di avviamento
4 postale
Reportistica
«Personalizzata»
3
1 2 3 4 5
Le informazioni anagrafiche Le nuove tecnologie permettono Nel caso in cui il controllo L’utente della Banca riceve la Una volta confermata la
rilevanti richiesti dalla di eseguire dei controlli formali automatico rilevi incoerenza nei rettifica proposta dallo conformità/coerenza/completez
segnalazione vengono smistate automatizzati sui dati anagrafici dati segnalati, uno strumento di strumento di Artificial za dei dati anagrafici presenti
automaticamente dalle fonti verificando la coerenza, Artificial Intelligence rielabora Intelligence. Se approvata, la all’interno del Repository, viene
originarie al Repository correttezza e completezza delle le informazioni relative rettifica diventa definitiva e prodotta automaticamente la
Centrale. informazioni anagrafiche che si all’errore e propone viene registrata nel Repository table 1 Counterparty Reference
riferiscono alla residenza della automaticamente una proposta Centrale. Se rigettata, l’utente Dataset della segnalazione
controparte (come ad esempio: di rettifica dei dati. effettua manualmente la AnaCredit, consentendo inoltre
via, città, codice postale, paese rettifica del rilievo e registra nel all’utente di ottenere report
ecc.). Repository Centrale personalizzato adatto ad ogni
l’informazione rettificata. esigenza interna.
Strumenti di artificial Utente banca
Legenda: Controlli automatizzati Processi automatizzati
Page 12 intelligenceApplicazione delle nuove tecnologie alla segnalazione AnaCredit
Set di controlli di coerenza con altre segnalazioni: Focus FinRep
Come anticipato nelle slide precedenti, la complessità della nuova segnalazione AnaCredit risiede anche nella trasversalità delle
informazioni richieste ed attualmente già oggetto di segnalazione a livello aggregato in ulteriori tipologie di reporting di tipo armonizzato
e non armonizzato. Di seguito si riporta uno sepcifico focus in merito alle interrelazioni con la segnalazione FinRep:
AnaCredit FinRep
Rientrano nel perimetro segnaletico AnaCredit tutte le Non ci sono restrizioni circa le controparti rientranti
controparti che sono persone giuridiche o loro affiliate nel perimetro segnaletico
Perimetro
Sono escluse dal perimetro segnaletico persone
Controparti fisiche e ditte individuali
La classe di esposizioni HOUSEHOLDS è
identificata esclusivamente in base al SAE (SAE
600/614/615)
Gli strumenti da segnalare devono avere una Non ci sono restrizioni circa la soglia di materialità
soglia di materialità pari o superiore a 25.000€ degli strumenti rientranti nel perimetro segnaletico
Soglia di
La soglia di materialità per ciascuno strumento da
Segnalazione segnalare, va calcolata come somma tra esposizione
fuori bilancio e importo nominale in essere, ovvero
come impegno totale della banca.
Gli strumenti che rientrano nel perimetro segnaletico Sono ricompresi nel perimetro segnaletico tutte le
AnaCredit sono: posizioni che rappresentano poste contabili dell’attivo
• Depositi credito indipendentemente dal fatto che si tratti di posizioni
Perimetro • Scoperto di C/C • Credito revolving nominative o di posizioni che sono tipiche
Strumenti • Debito da carte di • Ecc. dell’attivo/passivo
Non rientrano nel perimetro segnaletico
Non ci sono restrizioni circa gli strumenti
AnaCredit gli strumenti che sono: crediti di
rientranti nel perimetro segnaletico.
firma, derivati, titoli, impegni.
Page 13EY Solution
AnaCredit Reporting & Monitoring Tool
Di seguito viene rappresentato un esemplificativo del funzionamento dell’AnaCredit Reporting & Monitoring tool, solution proposta da EY e
alcune tra la moltitudine di funzioni che saranno a disposizione della banca a seguito della sua introduzione.
Solution EY
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.
Nuove Tecnologie AnaCredit Reporting & Monitoring Tool Value proposition
• Le funzionalità delle nuove tecnologie
permetteranno di generare reportistica chiara e
trasparente in modo semplice e per qualsiasi
utilizzo interno della banca, minimizzando di
Reporting
fatto le competenze tecniche richieste.
RIFT
C-Star
Stress
Q-REP Excele- DVC
rator 2.0
Corep/
BSO
FinRep
AnaCredi M.Val.
DIV-Tool
t Alz Pro.
• Tramite le nuove tecnlogie, si effettueranno i
SAP
Compl. M.
Power
EBA Pubs CPM STORM controlli specifici di coerenza correttezza e
Reg
LIC completezza richiesti dal regulator nel
Monitoring Tool
documento Validation checks e la successiva
Radar
IFRS 9
Imp
gestione/monitoraggio dei rilievi;
• Sarà possibile simulare i test che verranno
eseguiti sui dati segnaletici dal regulator al fine
di ridurre la probabilità di errore;
• Sarà possibile eseguire automaticamente
controlli completi sulle altre segnalazioni
richieste alla banca (CoRep FinRep ecc.)
rendendo di fatto possibile confrontare i dati
inviati per diversi fini segnaletici.
Page 14EY Solution
Focus Monitoring Tool
Di seguito viene rappresentato un esemplificativo del funzionamento della parte dedicata ai controlli «Monitoring tool» proposto da EY.
L’AnaCredit Reporting & Monitoring Tool
1
rappresenta la soluzione EY per il
monitoraggio del data quality e la gestione
Client Rilievi / eccezioni
dei rilievi/eccezioni rilevati nel dataset
AnaCredit gestite
AnaCredit
Dataset manualmente
Import
EY Solution
Data
Manuale
Funzionalità:
Import
- Misura la qualità del dato presente
all’interno del Dataset AnaCredit
- É in grado di rilevare autonomamente i Controlli di
rilievi presenti nei dati Statistiche risultati del
2
coerenza
- Monitora la gestione del rilievo Data quality Flusso di gestione dei
riscontrato 55 rilievi/ eccezione del
60 3428
- Il processo di Data Quality migliora in 40 dataset AnaCredit
modo automatico, ad ogni giro 12 15 8 8 Controlli di Gestion
20 3
dell’applicativo grazie allo strumento di 0 completezza e rilievi
artificial intelligence, integrato nel tool, DQ
che apprende dai rilievi riscontrati nel
passato
Date Controlli di I rilievi e le eccezioni riscontrati dal
issue correttezza tool d’analisi vengono processati e
Scop
risolti in maniera automatizzata
e
Vantaggi:
Out of Reporting Automatizzato
- Informazioni dettagliate su tutto il Format
range
dataset AnaCredit
3
- Informazioni dettagliate e traccia dei
rilievi riscontrati dal tool Reporting
- Reportistica chiara, semplice e di facile personalizza
produzione ti per altri
scopi interni
- Sfrutta la expertise di EY maturata nel Clusterizzazione
Dashboard Integrata banca
risultati del Data Quality
ambito della progettualità AnaCredit
Page 15EY Solution
Focus 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 di
dettaglio 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 di
controllo:
Control type
Processo di generazione
INPUT ELABORAZIONE REPORTING
Category 4
Category 3
Category 2
Category 1
Data Row 3 Data Row 2 Data Row 1
Caricamento delle Running modello Produzione report
segnalazioni di di elaborazione di output
vigilanza e dei dati differenziati in
gestionali base all’utente
Page 16EY Solution
Focus Monitoring Tool – Regulatory Reporting
Il modulo «Regulatory reporting control» prevede l’implementazione di un sistema di controlli di «Data Quality» sulle basi segnaletiche
generate ed inviate all’Autorità di Vigilanza. Tale strumento consente all’utente di avere maggiore padronanza del dato segnaletico e di
garantirne la correttezza, la bontà e la robustezza.
MATRICE
BANKIT
Agli Organi Aziendali è Controllo formale
richiesto di assumersi la
responsabilità di: Verifica di correttezza del sistema
di codifica delle segnalazione e
• correttezza delle
completezza del dato.
segnalazioni all’Organo di
Vigilanza;
• coerenza dei dati segnalati TXT BANKIT
con le risultanze della
contabilità e del sistema Controllo di coerenza
informativo aziendale;
• adeguatezza delle procedure Riconciliazione fra le poste di
di produzione; bilancio e di segnalazione.
BILANCIO
• controllo delle Segnalazioni
di Vigilanza;
ITS EBA
• predisposizione di appositi
strumenti di controllo
interno, che prevedano
Controllo di conformità
anche forme di Correttezza del calcolo del
rendicontazione sintetica. requisito e dei parametri che
concorrono alla sua
determinazione.
Page 17EY Solution
Focus Reporting (1/2)
Il Reporting System rappresenta un sistema di rendicontazione più o meno sintetica che può essere strutturato in modo diverso in ragione
dei 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 seguito
descritte (Input, Elaborazione e Reporting). Si riportano le diverse tipologie di report che potenzialmente possono essere prodotte in base
all’auditor di riferimento.
Tipologie di Reporting
• Top management: reportistica sintetica delle
principali “fonti di rischiosità” con particolare
Processo di generazione
focus sulla view consolidata;
INPUT ELABORAZIONE REPORTING
• Direzionale: reportistica
Top
di maggior dettaglio con
Category 4
Category 3
Mngt
Category 2
Category 1 profondità storica e
Data Row 3 Data Row 2 Data Row 1
Direzionale
focus sul gruppo e
sulle principali Operativo
Caricamento delle Running modello Produzione report
segnalazioni di di elaborazione di output entity aziendali;
vigilanza e dei dati differenziati in
gestionali base all’utente • 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.
Page 18EY Solution Focus Reporting (2/2) Le informazioni ricavate dal dataset AnaCredit, vengono organizzate e rappresentate dal «AnaCredit Reporting & Monitoring Tool» sotto forma di report standardizzati. Il tool inoltre fornisce analisi statistiche circa la conformità dei dati raccolti ai requirements stabiliti dal framework AnaCredit, formula analisi clusterizzate per singolo aggregato di strumenti, nonché analizza la bontà dei dati che compongono il dataset AnaCredit (es. recuperi medi per cluster di posizioni non performing; tasso di transizione ad uno status non performing ecc..) Page 19
EY Solution
Processo Target di Regulatory Reporting PROPOSAL
Data Processing
Data Collection & Data Abstraction Creazione Automatica Documentale
(Aggregazione/Elaborazione del dato)
I dati necessari per la produzione della
Procedura automatizzata basata su query Le segnalazioni vengono prodotte secondo le
segnalazione AnaCredit, contenuti nelle predeterminate per la compilazione dei logiche richieste ed in seguito inviate al
modelli standard definiti da soggetti esterni regolatore
diverse Procedure Banca, dovranno essere
rese disponibili in un unico repository (Regulator)
tramite l’utilizzo del RPA.
A. Template segnaletici
Controlli Automatici & Validazione
Fonti Interne
CONTROLLI REPORTING
DWH/ Puma
Fonti Esterne B. Reportistica Gestionale
Repository
Centrale
Set di controlli Produzione,
automatizzati mediante script
finalizzati a Java dei template
garantire la qualità segnaletici e
dei dati utilizzati per dashboard definite
Il Repository Centrale sarà alimentato la creazione delle secondo le logiche I report prodotti vengono distribuiti in
mediante ETL automatizzati, secondo la segnalazioni dell’utente. maniera differenziata da definire (e.g.
profondità richiesta, con i dati necessari alla
mediante l’utilizzo di attraverso portale web che può agganciare le
produzione di:
tecniche di Machine risorse in destinazioni specifiche, attraverso
A. Template segnaletici da Inviare al
Learning/ email, con accesso al file in cartelle
Regolatore secondo le specifiche
Intelligenza predefinite ecc.) verso gli utenti responsabili
regolamentari;
delle diverse procedure della banca.
B. Reportistica interna/gestionale. Artificiale
Page 20Contatti
Giuseppe Quaglia
Partner
FSO Advisory Services: Financial Services Risk Management
Tel. +39 02 722122429 Cell. +39 335 1230554
E-mail: giuseppe.quaglia@it.ey.com
Page 21EY 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.
Puoi anche leggere
