Panganduse seninägematu selgroog: sügav sukeldumine sobitusse ja leppimisse

Eelmisel aastal tähistasin kaks aastakümmet IT-sse sukeldumist, eriti finantsteenuste sektoris. Selle perioodi jooksul olen olnud tunnistajaks märkimisväärsetele muutustele panganduses ja tehnoloogias. Fintech-ettevõtete esilekerkimine ja nende kliendikeskne lähenemine koos oluliste edusammudega tarkvaratehnikas, nagu Agile metoodikad, mikroteenused ja pilvandmetöötlus, on muutnud maastikku. Kuid intrigeerival kombel on paljude finantsteenuseid pakkuvate ettevõtete tagakontorite tegevus nende aastate jooksul jäänud suhteliselt staatiliseks, vaevledes endiselt käsitsi kodeerimine, korduvad ülesanded ja suur sõltuvus Excelist.

Eriti käsitsi ja samas automatiseeritav protsess finantsteenuste sektoris on sobitamine ja leppimine. See protsess ilmneb mitmel kujul, st alates lahknevuste tuvastamisest ja kõrvaldamisest (tavaliselt ilmnevad probleemidest või lünkadest integreerimisel) ülem-alluv integratsioonis kuni operatsioonisüsteemide duplikaatide ja poolautomaatsete värskenduste parandamiseni või eemaldamiseni välistest allikatest pärit andmetega.

Vaatamata kättesaadavusele keerukat tarkvara (nt FIS IntelliMatch, Calypso Confirmation Matching, Misys CMS, Temenos T24 Confirmation Matching…) konkreetsete vastavustoimingute jaoks, nagu maksete ja tehingukinnituste sobitamine (sageli SWIFT-i sõnumite põhjal), enamik sobitusülesandeid tuginevad sageli kohandatud või käsitsi tehtud lahendustele, sealhulgas Exceli või isegi paberipõhised meetodid. Väga sageli ei ole ka automatiseerimine asjakohane, kuna sobitamine on sageli seotud ühekordsete toimingutega, nagu turunduskampaaniad, andmete puhastamine, partneritega vastavusse viimine…

Parema leppimise mõistmine nõuab selle komponentide lahkamine, st

• See algab erinevate andmekogumite kogumine ja teisendamine võrreldavuse huvides. See koosneb kahe andmekogumi taastamisest, mida saab edastada erinevates vormingutes, erineva struktuuriga, erineva ulatusega ja erinevate nimede või loenditega. Andmed tuleb võrreldavaks muutmiseks teisendada ja laadida samasse tööriista (nt andmebaasi või Excelisse), et neid oleks lihtne võrrelda.

• Järgmine samm on a täpne sobitusalgoritm. See võib olla lihtne kordumatu võti, kuid see võib olla ka kombinatsioon mitmest atribuudist (liitvõti), hierarhilisest reeglist (st 1. võtme puhul esmalt vaste, kui klahvil 2 vastet pole, proovi võti 1…) või hägureeglit (kui võti 2. andmekogumi võti sarnaneb XNUMX. andmekogumi võtmega, see on vaste). Selle sobitusalgoritmi määratlemine võib olla väga keeruline, kuid see on ülioluline sobitamise automatiseerimise ja hea väljundkvaliteedi saavutamiseks.

• Kui sobitusalgoritm on määratletud, sisestame võrdlusfaas. Väikeste andmekogumite puhul saab seda teha üsna lihtsalt, kuid väga suurte andmekogumite puhul võib võrdluse teostamiseks mõistliku aja jooksul vaja minna igasuguseid jõudluse optimeerimisi (nt indeksid, segmenteerimine, paralleelsus jne).

• Lõpuks tuvastatud lahknevused tuleb teisendada rakendatavateks väljunditeks, nagu aruanded, suhtlus kolleegidele või kolmandatele isikutele või parandustoimingud (nt failide, sõnumite või SQL-lausete genereerimine erinevuste parandamiseks).

Finantsteenuste sobitamise keerukus on mitmekesine. Uurime mõned tüüpilised kasutusjuhud finantsteenuste maastikul:

• Enamikul pankadel on a Väärtpaberite põhitoimik, mis kirjeldab kõiki väärtpabereid, mis on positsioonis või millega saab pangas kaubelda. See fail peab olema integreeritud paljude rakendustega, kuid seda tuleb toita ka mitmest andmeallikast, nagu Telekurs, Reuters, Bloomberg, Moody’s…. See tähendab, et turvalisus peab olema ainulaadselt sobitatud. Kahjuks ei ole 1 unikaalset identifikaatorit, mis kirjeldaks kõiki väärtpabereid. Börsil kaubeldavatel instrumentidel on ühiselt kokku lepitud ISIN kood, kuid era- ja börsivälised tooted nagu nt. enamik tuletisinstrumente tavaliselt seda ei tee. Seetõttu on pangad leiutanud sisemised identifikaatorid, kasutavad võltsitud ISIN-koode (tavaliselt X-ga algavaid) või liitvõtmeid, et instrumendi unikaalset identifitseerida (nt tuletisinstrumentide puhul võib see olla kombinatsioon aluseks olevast väärtpaberist, alghinnast, optsiooni tüübist ja aegumiskuupäev).

• Jaepanganduses on see ilmselgelt hädavajalik üheselt tuvastada ja sobitada konkreetset füüsilist isikut. Kuid isegi sellises arenenud riigis nagu Belgia on seda lihtsam öelda kui teha. Igal Belgia isikul on riiklik registrinumber, nii et see tundub sobiva võtme jaoks ilmselge valik. Kahjuks piiravad Belgia seadused selle numbri kasutamist teatud kasutusjuhtudel. Lisaks ei ole see identifikaator välismaalaste jaoks olemas ja võib aja jooksul muutuda (nt välisriigi elanik saab esmalt ajutise riikliku registrinumbri, mis võib muutuda lõplikuks, teine ​​hiljem või soo muutumise korral muutub ka riikliku registri number). Teine võimalus on kasutada isikutunnistuse numbrit, kuid ka see on välismaalaste jaoks erinev ja muutub iga 10 aasta tagant. Paljud pangad kasutavad seetõttu keerukamaid reegleid, nagu eesnime, perekonnanime ja sünnikuupäeva alusel sobitamine, kuid ilmselgelt kaasnevad sellega ka kõikvõimalikud probleemid, nagu duplikaadid, õigekirjaerinevused ja vead nimedes, erimärkide kasutamine nimed…

• Väga sarnane probleem on ettevõtte või täpsemalt poe sobitamine. Belgias on igal ettevõttel ettevõtte number, mis on sarnane käibemaksukohustuslase numbriga (ilma BE-eesliiteta), kuid see on jällegi väga riiklik ja ühel käibemaksukohuslase numbril võib olla mitu asukohta (nt mitu kauplust). On olemas mõiste "harunumber" (hollandi keeles "vestigingsnummer"), kuid see mõiste pole eriti tuntud ja seda kasutatakse harva. Sarnane on ka LEI-kood (juriidilise isiku identifikaator), mis on 1 tähe ja koodi kombinatsiooni kood, mis identifitseerib ettevõtte ainulaadselt kogu maailmas. Kahjuks on LEI-koodi taotlenud ainult suured ettevõtted, nii et väiksemate ettevõtete jaoks pole see valik.
  Jällegi tehakse sageli keerukamaid vasteid, näiteks käibemaksukohuslase numbri, sihtnumbri ja majanumbri kombinatsiooni, kuid ilmselgelt pole see kaugeltki ideaalne. Unikaalse ja üldtuntud identifikaatori otsimisel võetakse üha enam kasutusele ka Google ID, kuid suure tegevusriski võib kujutada ka sõltuvus äriettevõttest.

• Teine huvitav juhtum on autoriseerimise ja kliiriteate sobitamine VISA kaardimakses. Tavaliselt peaks kordumatu identifikaator vastama mõlemale sõnumile, kuid igasuguste erandjuhtumite tõttu (nt võrguühenduseta autoriseerimine või järkjärguline autoriseerimine) ei ole see alati õige. Seetõttu on vaja keerukamat reeglit, mis käsitleb mitut identifikaatorit, aga ka muid vastavuskriteeriume, nagu hankija ID, kaupmehe ID, terminali ID, PAN (kaardi number), ajatempel ja/või summa.
  Selline sobitamine kehtib ka muude maksete kasutusjuhtude puhul, nagu nt. eelautoriseerimise lõpetamise ühildamine selle eelneva eelautoriseerimisega või tagasimakse eelneva ostuga.

• Finantskasutuse juhtum, mis puudutab peaaegu iga ettevõtet, on arve ja makse sobitamine. Kui ettevõte väljastab arve, peab ta saama näha, millal saab arve lugeda tasutuks. See on oluline raamatupidamise jaoks, aga ka selleks, et näha, kas tasumata arvete puhul tuleks meeldetuletusi välja saata.
  Makse ja arvega üheselt sobitamiseks kasutatakse Belgias maksejuhises tavaliselt struktureeritud kommentaari. See kordumatu kontrollnumbriga kood annab kordumatu sobitamise viite. Kahjuks unustavad kliendid sageli struktureeritud kommentaari lisada või kasutavad valet kommentaari (nt eelmise arve kopeerimine/kleepimine). See tähendab, et ettevõttel peab olema tagavara sobitamise reegel juhuks, kui struktureerimata kommentaar puudub või on vale. Tavaliselt võib maksesumma, maksekuupäeva, vastaspoole IBAN-i ja/või vastaspoole nime kombinatsioon anda alternatiivse võimaluse nende arvete sobitamiseks.

Nagu näete, pole sobitamine kaugeltki lihtne, kuid põhisammude mõistmine võib aidata paremini sobitada. Vahepeal on Excel vaatamata piirangutele endiselt võimas tööriist (käsitsi) sobitamiseks. Seetõttu a kiire meeldetuletus kõigile, kes soovivad Excelis sobitada:

• Kasutama VLOOKUP sobitamise teostamiseks. VLOOKUP-il on siiski teatud piirangud, näiteks see, et vaste puudumisel annab see vea ja otsida saab ainult esimesest veerust. Võimas alternatiiv on kasutada XLOOKUP, millel neid piiranguid pole.

• Kui vajate liitotsingu võti, lisage oma otsinguandmete komplekti veerg liitotsinguvõtmega (st ühendage erinevad atribuudid, kasutades eraldajana nt „#”) ja seejärel kasutage selles uues veerus otsimiseks käsku VLOOKUP/XLOOKUP.

• mõned tähelepanu punktid VLOOKUP-i kasutamisel:

  • Täpse vaste tagamiseks ärge unustage funktsiooni VLOOKUP viimase argumendina lisada sõna "false".

  • Veenduge, et andmevormingud oleksid samad. Nt. number "123" ja tekst "123" ei ühti, seega on oluline need esmalt samasse vormingusse teisendada. Idem identifikaatoritele, mis algavad 0-ga. Sageli teisendab Excel need numbriteks, eemaldades seega eesolevad 0-d ega põhjusta vastet.

  • Ärge kasutage Excelis rohkem kui 100.000 XNUMX rea pikkuseid andmekogumeid. Suuremad andmekogumid on Exceli jõudluse ja stabiilsuse jaoks problemaatilised.
    Kui töötate rakendusega VLOOKUP suurte andmekogumitega, võib olla huvitav ka arvutusrežiimi seadmine käsitsi, vastasel juhul arvutab Excel kõik VLOOKUP-id ümber iga kord, kui teete andmetes väikese muudatuse.

  • VLOOKUP-il on kolmanda argumendina tagastatav veeru number. Seda numbrit ei kohandata veergude lisamisel või eemaldamisel dünaamiliselt, seega ärge unustage veergude lisamisel või eemaldamisel kohandamist.

  • Kui soovite lihtsalt vastet, võite kasutada valemit "=IF(ISERROR(VLOOKUP(,,1,false),"NO MATCH","MATCH")"

Need nipid võivad aidata kiirendage käsitsi sobitamist, kuid ilmselt on tõeline automatiseerimine alati parem.

Finantsteenuste sobitamine on a mitmetahuline väljakutse, kuid selle põhisammude mõistmine on tulemuste parandamise võtmeks. Kuigi sellised tööriistad nagu Excel pakuvad ajutisi lahendusi, peitub tulevik intelligentses automatiseerimises, mis võib neid protsesse märkimisväärselt tõhustada. Neile, kes soovivad süveneda sobitamise keerukusse või automatiseerimisse, võivad täiustatud tööriistad ja platvormid, sealhulgas AI-põhised lahendused, nagu ChatGPT, pakkuda nii teadmisi kui ka praktilisi lahendusi.

Vaadake kõiki minu ajaveebi saidil https://bankloch.blogspot.com/

• SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
• PlatoData.Network Vertikaalne generatiivne Ai. Jõustage ennast. Juurdepääs siia.
• PlatoAiStream. Web3 luure. Täiustatud teadmised. Juurdepääs siia.
• PlatoESG. Süsinik, CleanTech, Energia, Keskkond päikeseenergia, Jäätmekäitluse. Juurdepääs siia.
• PlatoTervis. Biotehnoloogia ja kliiniliste uuringute luureandmed. Juurdepääs siia.
• Allikas: https://www.finextra.com/blogposting/25297/the-unseen-backbone-of-banking-a-deep-dive-into-matching-and-reconciliation?utm_medium=rssfinextra&utm_source=finextrablogs