Ve svém příspěvku se budu zabývat problematikou nasazování technologií Datových skladů obecně ve finanční sféře. Cílem tohoto příspěvku není ani tak sdělit informace o nejnovějších technologických vymoženostech z této oblasti, ale spíše podat praktické informace popř. náměty na realizace projektů na bázi DWH technologií, které nejsou v rámci této problematiky zcela obvyklé. Veškeré informace popř. názory obsažené v tomto článku jsou ověřeny praxí při implementacích projektů Datových skladů v různých oblastech podnikání. Nejprve mi však dovolte několik slov o technologiích Datových skladů a nástrojů Business Intelligence v obecné rovině.

Klíčem k úspěchu každé firmy v dnešní ostré konkurenci na trzích je schopnost pružně reagovat na změny, a to jak na změny vnější (např. v podobě požadavků zákazníků, reakce na změny u konkurence), tak i na změny vnitřní (reorganizace, snižováni nákladů spojených s chodem firmy) vznikající v důsledku změn vnějších. Dávno je pryč doba, kdy pro úspěch v podnikání v jakékoliv oblasti, stačilo přijmout rozhodnutí jen na základě intuice vedoucího pracovníka (např. změna prodejního sortimentu). V dnešní době musí mít firma samozřejmě nejen schopné pracovníky, kteří musejí být na rozdíl od dřívějška vybaveni nejen detailním přehledem ve svém oboru, ale především velmi kvalitními podklady, na jejichž základě mohou přijímat kvalifikovaná rozhodnutí.

Je pochopitelné, že se tento trend nevyhýbá ani finančním institucím, které se také snaží o zlepšení úrovně rozhodování a zvýšení kvality informací, se kterými pracují odborní pracovníci. Ve finanční sféře je celá věc komplikována zejména obrovskými objemy dat, které banky vyprodukovaly za dobu své existence. Tato data jsou dostupná z různých operačních a produkčních firemních systémů, často na různých systémových platformách. Jedním z nejdůležitějších úkolů dneška je najít v každé firmě pro rozhodování významná data a ty shromáždit takovým způsobem, aby k nim mohli přistupovat odborní pracovníci a získávat tolik potřebné informace. Tím dochází ke kvalitativnímu posunu, kdy se z prostých dat transakčních systémů nově získávají informace. Osvědčená cesta, která řeší tuto problematiku je aplikace technologií Datových skladů a používání nástrojů Business Intelligence.

Datový sklad (Datawarehouse, DWH) je sdružený zdroj informací shromážděných z dat firemních systémů. Tato technologie se stala základem pro podporu rozhodování a analýzu dat. Z pohledu koncového uživatele umožňuje Datový sklad snadný a rychlý přístup k firemním informacím. Díky tomu umožňuje uživateli získávat odpovědi na často velmi složité dotazy a jejich vyhodnocování, aniž by byl vybaven hlubokými znalostmi IT technologií.

Nasazení technologií DWH je často jednou z mála možných variant, jak danému uživateli zpřístupnit informace uložené původně v mnoha nesourodých datových zdrojích. Data v Datovém skladu mohou být kombinována podle libovolných dimenzí z hlediska užitečnosti pro další analytický proces.

Samotný proces shromáždění dat z různých systémů by byl samoúčelný, pokud by neexistovaly specializované klientské nástroje pracující nad takovým datovým skladem. Tyto nástroje jsou často souhrnně označovány jako nástroje Business Intelligence (nástroje pro dotazování, reporting a analýzu informací atd.). Jednotlivé nástroje jsou často velmi specializované, ale obecně lze říci, že jejich cílem je snaha pokrýt informační potřeby organizací.

A nyní již přistupme k vlastnímu tématu. Ve finanční sféře je v dnešní době samozřejmostí, že téměř každá instituce provozuje buď centrální Datový sklad nebo alespoň jedno nebo více účelové Datamarty pro podporu specifických činností. Prvotní myšlenkou při vytváření Datového skladu v každé organizaci v této branži je nejčastěji shromáždit aktuální data o klientech ze všech podstatných systémů provozovaných v instituci a nad touto datovou základnou vytvořit tzv. manažerský systém. Tento systém obyčejně slouží pro:

. podporu plánovacích činností,
. odhady dalšího vývoje na trhu,
. zodpovězení otázek typu kdo jsou moji zákazníci a jaké služby vyžadují,
. vyhodnocování reklamních kampaní, atd.

Projekty tohoto typu jsou oblíbené především díky tomu, že řeší jednu ze základních potřeb každé organizace a tou je snaha uspět na trhu, potažmo tedy maximalizovat výnosy. V tomto článku se však zaměřím na zcela opačnou oblast a to, jakým způsobem lze např. minimalizovat náklady ve finančních institucích, spojené se zákonnou povinností poskytovat informace oprávněným subjektům, mezi které patří např. finanční a celní orgány nebo notáři, ale i reklamace klientů směřujících do minulosti.

Na pomoc si vezmu konkrétní projekt, kdy se uvedená problematika řešila vyjmutím již neplatných informací z transakčního systému a jejich následného uložení do Datamartu informací o zrušených účtech. Motivem pro započetí projektu byla především snaha odlehčit transakčnímu systému banky. Ten v tomto případě obsahoval (podobné je to ovšem téměř v každé bance) po několika letech provozu banky velké objemy starých a pro rutinní provoz bankovního systému nevýznamných údajů. Během existence banky vznikla celá řada aplikací, které řešily specifické úlohy a které přímo nesouvisely s obsluhou klientů. Jako zdroj informací se používaly především data přímo z transakčního systému nebo data v podobě kopií dat těchto systémů. Během let došlo k tomu, že objem těchto "neplatných dat", které musely být udržovány v systému, vzrostl natolik, že docházelo k problémům při zálohování dat bankovního systému, a někdy dokonce i k problémům s rychlostí odezvy bankovního systému při realizaci klientských operací. Navíc nebyla v systému veškerá potřebná data o klientech (banka provozovala během doby své existence řadu pomocných systémů, které obsahovaly klientská data).

Výsledkem všech těchto faktorů bylo, že požadavky na získání informací o klientovi za dobu existence banky byly co do spotřeby a nároků na zdroje (a to nejen z pohledu lidských, ale i HW) velmi náročné.

Jako vhodné řešení bylo zvoleno vybudování centrálního Datového skladu, který obsahoval všechny podstatné informace o klientech, včetně historických údajů a potřebné uživatelské nadstavby pracující s daty v Datovém skladu. Tento problém se sice nejeví jako optimální příklad využití technologií Datových skladů, ale to jen na první pohled. Je to zejména díky tomu, že v daném případě nejde jen o prosté vyjmutí a archivování dat z transakčního systému, ale hlavním cílem bylo data uložit takovým způsobem, aby je mohly využívat specializované útvary banky.

Nasazení technologií Datového skladu v daném případě mělo za následek zejména radikální změnu v procesech získávání informací o klientech odbornými pracovníky banky. Nově nebylo třeba pro tuto specializovanou činnost využívat transakční systém, který je primárně určen k obsluze zákazníka (klienta) a těžiště práce se přesunulo do specializované aplikace, která čerpala data uložená a optimalizovaná pro tuto specifickou činnost v Datamartu informací o zrušených účtech a operacích nad těmito účty. Po zavedení systému došlo k výrazné úspoře lidské práce, kdy takto uspořené lidské zdroje mohly být nasměrovány do jiných potřebnějších oblastí (např. obsluha klienta atd.). Hlavním přínosem bylo jednak sjednocení všech dat o klientech, jejich účtech a transakcích do jediného datového zdroje a zejména redukce rozsahu databází transakčního systému, což mělo velký vliv na jeho výkonnost.

Projekt v praxi ukázal, že implementace technologií Datových skladů může přinést nemalé úspory i v oblasti snižování provozních nákladů, kterých je v bankovnictví (a nejen tam) stále dostatek.

Pozn.: Autor článku, Luděk Fojtík, pracuje jako konzultant pro oblast Data warehousing a Business Intelligence ve společnosti PVT, a.s.