18+
О Process Mining, BI-решениях, переходе на собственную ERP-платформу, а также о применении инструментов генеративного искусственного интеллекта и о данных «СберИндекса» РБК на конференции ЦИПР поговорил с Тарасом Скворцовым, заместителем председателя правления Сбербанка.
Какие FinTech-продукты Сбер использует для автоматизации финансовой функции — бюджетирования, планирования и отчетности?
У нас в финансах Сбера порядка пятидесяти автоматизированных систем, которые разработаны внутри финансового блока и применяются в нашей основной деятельности. При этом большинство из них являются внутренними решениями: они не предлагаются рынку и мы о них широко не рассказываем. Основное их назначение — повышение нашей собственной эффективности.
Но у нас есть несколько продуктов, которые мы уже вывели на рынок и предлагаем внешним клиентам. Конечно, они широко апробированы и используются внутри Сбера, но сегодня доступны и внешнему рынку.
Это, например, «Навигатор» — платформа для визуализации отчетности, Process Mining — платформа для анализа процессов по цифровым следам и «СберИндекс» — аналитическая платформа с актуальной и детализированной информацией по российской экономике.
Давайте подробнее остановимся на Process Mining. Сбер одним из первых внедрил собственное решение. Какой эффект это дало?
Мы начали разрабатывать Process Mining у себя еще в 2018 году. И как раз к тому моменту, когда иностранные вендоры стали уходить, мы уже поняли, что наше решение не просто конкурентоспособно по качеству — оно уже принесло серьезный эффект внутри компании.
Мы постоянно обновляем статистику. По итогам четырех лет, с 2021 по 2024 год, Process Mining позволил нам заработать или сэкономить порядка 26 миллиардов рублей. Экономический эффект для Сбера — очень значительный.
Примерно в конце 2023 года — начале 2024-го мы вышли на рынок с этим продуктом. Первое, что мы поняли: сегодня в России уровень знаний о таких решениях очень низкий. Большинство компаний не используют их и даже не знают, какие продукты существуют и зачем они нужны.
Поэтому мы вынуждены не только развивать и дорабатывать продукт, но и инвестировать значительные усилия в образовательную часть: рассказывать о продукте через конференции, мастер-классы, воркшопы. В январе, например, мы провели большую конференцию. Мы также активно взаимодействуем с вузами.
У нас есть отдельный учебный курс. Мы обучаем студентов, что такое Process Mining, как его использовать. Они решают реальные кейсы, получают оценки и, оканчивая университет, приходят в компании уже с практическими навыками, которые могут применять буквально с первых дней. Это быстро повышает их ценность для работодателя.
Сам по себе Process Mining — это продукт, который собирает цифровые следы из различных автоматизированных систем. Эти следы загружаются на платформу, формируются дашборды и даются рекомендации: где в процессе есть недостатки, как их устранить, что можно улучшить.
В среднем по Сберу мы анализируем около 100 процессов в год. Минимальный эффект после анализа составляет порядка 10% — это рост эффективности процесса.
Это может быть сокращение ненужных затрат, ускорение прохождения этапов, устранение зацикливаний, когда поручение доходит до определенного уровня и возвращается обратно. Все это становится наглядным и поддается анализу и оптимизации.
Есть также возможность анализа по сотрудникам. Если несколько человек выполняют одну и ту же операцию, можно сравнить эффективность исполнения, выявить лучших и подтянуть к ним остальных, тем самым повысив общую производительность.
Кроме того, в системе есть встроенная библиотека, которая рекомендует решения по итогам анализа. И сейчас все это становится более и более востребованным.
У нас сейчас на сайте опубликовано порядка 40 кейсов в совершенно разных сферах деятельности компаний, в различных отраслях экономики. Эти кейсы описывают, какой процесс анализировался, какие инсайты были получены и что было изменено в итоге. Именно такие примеры помогают нам повышать узнаваемость продукта среди новых клиентов, потому что первое, что они спрашивают: «А как я могу применить это у себя? Объясните мне».
И тогда мы показываем им соответствующие кейсы, и они говорят: «О, у меня такая же проблема. Видимо, я могу решить ее с помощью вашего продукта». Так и начинается сотрудничество.
Можете привести конкретный успешный пример использования этого решения, например, в финансовом департаменте?
Конечно. Часто это касается закупочной деятельности. Например, при формировании заявки мы не всегда эффективно отрабатывали процесс согласования. У одного сотрудника могло скапливаться множество заявок, и мы видели, что эти заявки зависают в процессе и не двигаются дальше.
Путем изменения процесса мы смогли изменить порядок обработки, благодаря чему часть заявок, которые в дальнейшем все равно были бы отклонены или отклонялись до этапа прохождения через финансы, теперь не доходит до этой стадии. Тем самым мы сократили нагрузку на сотрудников и сделали процесс более прямолинейным и эффективным.
Примеров таких очень много. Мы, например, анализировали клиентские пути в цифровом виде: когда пользователь идет по приложению, ищет нужную операцию, переходит по одной ссылке, по второй, по третьей, попадает не туда, возвращается обратно, снова ищет и только потом находит нужное.
С точки зрения компании это может быть незаметно, ведь пользователь просто нажимает кнопки внутри приложения. Но с точки зрения клиентского пути это серьезная проблема. Мы видим эти неправильные маршруты, понимаем, что навигация устроена неверно, меняем ее — и пользователь сразу начинает двигаться правильным путем. Он тратит меньше времени. На первый взгляд, прямого экономического эффекта здесь нет. Но с точки зрения удобства использования, user-friendly-интерфейса и общего customer experience это большой дополнительный эффект.
Таких примеров у нас очень много. И я повторюсь: они опубликованы на сайте Сбербанка. Мы активно пополняем эту библиотеку, стараемся включать больше примеров от внешних клиентов. Потому что банковская отрасль не охватывает всю экономику, а нам интересны кейсы из реального сектора.
Наши клиенты поначалу относятся к этому с осторожностью, не всегда готовы делиться своей практикой. Но постепенно они «дозревают», и мы надеемся, что в скором времени библиотека кейсов вырастет до сотни, а может, и больше.
Расскажите подробнее о платформе «Навигатор BI». В чем ее ключевое преимущество и чем она отличается от других подобных решений на российском рынке?
Основное преимущество — это полностью российская разработка. В ней нет ни одного элемента западного программного обеспечения. Платформа включена в реестр отечественного ПО. А это значит, что компании, которые ее приобретают, получают право на двойной вычет по налогу на прибыль. Это одна из льготных мер, поддерживающих российские ИТ-разработки.
Если говорить о сравнении с другими российскими и западными решениями, то изначально «Навигатор» был платформой визуализации. На ней удобно строить дашборды. Это low-code-платформа, то есть не требуется держать в штате программистов для того, чтобы формировать визуальные отчеты.
Если у вас есть база данных, есть стандартные виджеты, вы просто, как в Excel, “мэпите” параметры из базы на нужную диаграмму — и формируется дашборд.
Кроме того, одним из ключевых плюсов платформы с самого начала была ее омниканальность. «Навигатор» работает на персональных компьютерах, планшетах, смартфонах, на разных операционных системах — iOS, Astra и других. Интерфейс автоматически подстраивается под устройство, чтобы пользователю было удобно.
Кстати, далеко не все такие решения поддерживают. Многие, особенно западные, работают только на ПК. А если пользователь открывает отчет на телефоне, интерфейс может выглядеть неудобно, все придется прокручивать, и пользовательский опыт сразу страдает.
Сейчас, конечно, «Навигатор» развивается в новом направлении — как система управления, в том числе управления по отклонениям. Часто у менеджеров и топ-менеджеров нет возможности постоянно заходить в систему и проверять показатели. Им нужна другая модель. Когда что-то идет не так, они должны как можно быстрее об этом узнать и оперативно среагировать: скорректировать действия, внести изменения в тарифы, изменить процесс или, например, пригласить ответственного сотрудника на разговор, чтобы он объяснил, почему произошел сбой.
Поэтому мы внедряем систему мониторинга отклонений, когда к любому показателю можно настроить фильтры. Если происходит отклонение, автоматически приходит сообщение. То есть вы не обязаны постоянно находиться в системе — вы просто получаете оповещение и в нужный момент заходите, чтобы принять решение.
Кроме того, сейчас платформа активно развивается в направлении генеративного искусственного интеллекта. Если раньше мы предлагали стандартные дашборды, то на втором этапе дали пользователю возможность полностью индивидуализировать систему под себя. Он может собрать свой собственный дашборд, менять его, настраивать, актуализировать.
Это серьезно повышает вовлеченность — один из ключевых показателей, который мы отслеживаем. Например, отношение числа пользователей, заходящих в день, к тем, кто заходит в месяц. Сегодня в Сбере порядка 25% клиентов заходят в «Навигатор» ежедневно, потому что получают персонализированную информацию, которую сами настроили. Это идеальная модель клиентского взаимодействия для нас.
Всего платформой уже регулярно пользуются более 12 000 менеджеров в Сбере. То есть более 70% потенциальных пользователей уже активно работают с ней.
Следующий этап, который мы сейчас реализуем, это построение дашбордов с помощью генеративного ИИ. Когда пользователь может голосом или текстом задать запрос: «Собери мне дашборд с такими-то показателями в такой-то детализации». И система формирует его. Пользователь может сказать: «Добавь сюда еще вот это», — и система добавит. Или: «Замени вот этот блок», — и получит обновленную версию.
Это технология, которая делает необязательными преднастроенные заранее аналитиками дашборды. Достаточно иметь доступ к данным. Конечно, с этим у многих компаний есть проблемы: BI-система без качественных данных просто не будет работать.
«Навигатор» активно развивается. Мы развиваем его, исходя из задач Сбера, — у нас колоссальная клиентская база, большой бэклог и масштабные цели. Но, поскольку у нас уже более 170 внешних клиентов, мы получаем постоянные запросы и от них. Мы все это собираем, систематизируем и развиваем продукт совместно. Скорость роста — очень высокая, и мы этим довольны.
А как идет работа с региональными клиентами? Адаптируете ли вы решения под локальные потребности?
Да, здесь специфика проявляется скорее не в региональном разрезе, а в отраслевом. Потому что BI-система, по сути, состоит из двух элементов. С одной стороны, это сама платформа, которая задает порядок работы с информацией, принципы построения дашбордов и так далее.
Но огромная часть «Навигатора» — это, конечно, уже созданные под конкретные индустрии дашборды. Допустим, в банковской сфере мы, разумеется, сами формировали дашборды для себя. И, когда к нам приходили другие банки, многие из них в значительной степени перенимали наши подходы. Они говорили: «Мы хотим смотреть на бизнес так же, как смотрите вы. Нам нужна такая же детализация, такие же фильтры, такие же аналитические инструменты». Мы отвечали: «Окей, берите».
Но, когда мы заходим, например, в фармацевтику или в высшее образование, наши дашборды уже неприменимы. Тогда нужно, чтобы первый клиент в этой отрасли инвестировал свое время и поделился экспертностью. Для нас такие первые или вторые клиенты в индустрии особенно важны, потому что мы с ними вместе создаем отраслевую модель.
Как правило, такие клиенты — передовики. У них уже есть своя BI-система или по крайней мере управленческие презентации, из которых мы переносим данные в «Навигатор», адаптируем, оттачиваем интерфейс. И, когда появляется следующий клиент из той же отрасли, мы можем показать ему: «Вот как здесь выстроено управление». Он говорит: «Да, мне это подходит. Здесь добавьте одно, там измените другое».
И таким образом формируется отраслевая экспертность. Ведь фармацевтика или высшее образование, скажем, в одном регионе и в другом — по сути, отличаются не сильно.
Так что, скорее, ключевой фактор — это именно отраслевая специфика. Сейчас мы активно движемся в этом направлении. У нас появляется все больше опыта и готовых решений для отдельных отраслей. Полностью мы еще все не покрыли, но работаем над этим. Думаю, к концу текущего года охватим большинство, а в следующем — закроем почти полностью.
В СМИ все чаще встречаются данные «СберИндекса». Насколько Сбербанк сегодня опирается на них при принятии финансовых и управленческих решений?
В Сбере культура принятия решений изначально выстроена так, что они должны основываться на данных. Требования к аналитике очень высокие, потому что наши решения затрагивают большую клиентскую базу. На Сбер ориентируются и участники финансового сектора, и наши конкуренты, и партнеры. Поэтому мы обязаны принимать обоснованные решения, и другого способа, кроме как опираться на качественные данные, нет.
В этом плане «СберИндекс» нам очень помогает. Почему? Потому что «СберИндекс» использует массив информации, которой располагает Сбер: транзакционные данные физических лиц, данные по заработной плате, обороты корпоративных клиентов и так далее. Это позволяет формировать достаточно объективную картину российской экономики и сверять ее с официальной статистикой, которую публикует Росстат.
У Росстата есть ограничения: он работает в рамках установленного периметра, публикует данные в основном по России в целом. Региональной информации меньше, и даже если она есть, то выходит с существенной задержкой — месяц, три месяца, год, иногда два.
«СберИндекс» решает эту проблему. Мы публикуем данные по регионам одновременно с данными по России в целом. Более того, многие наши клиенты принимают решения, ориентируясь именно на «СберИндекс». Ведь где еще взять актуальную информацию по региону, в котором ты работаешь?
Мало компаний в России, которые, как Сбер, представлены во всех субъектах Федерации. Обычно даже крупные компании действуют в нескольких регионах и заинтересованы именно в локальных данных. Усредненные показатели по России для них зачастую нерелевантны: они могут просто не отражать реальной ситуации на месте.
Мы поняли, что даже уровень региона — это уже слишком крупная единица для оперативного управления. Сейчас мы идем на уровень муниципалитетов. В России более 2000 муниципальных образований, и примерно по половине из них мы можем собирать достаточный массив данных для детализации регионального уровня до уровня муниципалитета.
А это уже совершенно другой уровень управления — локальный. Там свои клиенты, свои органы власти, отвечающие за конкретный город, район. И это те клиенты, у которых благодаря информации реально может измениться модель управления.
Потому что, когда ты принимаешь решение, важно быстро понять, какие последствия оно принесло. Если же эффект виден только через год, то вероятность, что ты успеешь скорректировать стратегию, крайне мала. «СберИндекс» позволяет закрыть этот дефицит информации и дает возможность управлять на основе актуальных и локализованных данных.
Мы изучали мировой опыт и не нашли ни одной системы, аналогичной «СберИндексу». Ни в одной стране мира нет платформы, которая бы предоставляла информацию с такой глубиной детализации и в такие сжатые сроки, как это делает Сбер. Поэтому, конечно, в Сбере множество решений принимается именно на основе данных «СберИндекса».
Речь идет и о базовых задачах — например, макроэкономическом прогнозировании. Поскольку мы раньше видим фактические данные, то и качество прогноза у нас выше. Это касается также кредитования и обсуждения инвестиционных проектов, а также решений по индексации заработных плат. Мы гораздо лучше понимаем, что происходит в конкретных регионах, и быстрее реагируем.
Тем самым наши решения становятся более точными и эффективными. Поэтому «СберИндекс» пользуется большой популярностью.
Хотя, надо признать, не все клиенты пока до конца осознают его ценность. Мы стараемся это исправить. Наш главный аналитик Михаил Матовников активно продвигает «СберИндекс», выступает на конференциях, демонстрирует полезность и прикладную значимость инструмента.
В этом году мы планируем выпустить новый портал «СберИндекса» с обновленным, более удобным и современным интерфейсом, где можно будет быстро находить и скачивать необходимую информацию. Мы готовим много новинок в этом направлении.
Какие факторы влияют на формирование значений «СберИндекса»?
Главным источником являются данные, которые мы получаем по нашим клиентам в Сбере. У нас большая доля рынка по эквайрингу: мы видим, на что люди тратят деньги, где совершаются транзакции, в каких отраслях экономики. Мы также видим данные по операциям корпоративных клиентов.
Задача — из этих массивов правильно собрать прокси-информацию, которая отражает ситуацию в российской экономике в целом и по регионам. Здесь активно применяется искусственный интеллект. Обрабатывать вручную сотни миллионов и миллиарды транзакций невозможно.
Поэтому используются модели и различные способы агрегации данных, при этом мы постоянно ориентируемся на данные Росстата. Например, мы формируем прогноз, затем, спустя три месяца, выходит показатель от Росстата. Мы сверяемся, корректируем расчеты, обновляем модели. Это непрерывный процесс уточнения. Да, есть некоторая погрешность, но она неизбежна, поскольку никто, кроме государства, не имеет 100% информации.
Однако государство не собирает данные в такой детализации. Это потребовало бы колоссального объема отчетности от бизнеса, индивидуальных предпринимателей и частных лиц. Государство сосредоточено на ключевых макроэкономических показателях: инфляции, ВВП, оборотах — с необходимым временем на проверку и обработку.
«СберИндекс» в этом смысле дополняет государственную статистику. Мы плотно взаимодействуем с Росстатом, региональными органами власти, с Федеральной налоговой службой, которая тоже обладает значительными массивами данных. Все это необходимо для того, чтобы предоставлять максимально качественную информацию о состоянии российской экономики — и на уровне страны в целом, и на уровне отдельных регионов. Это помогает принимать более обоснованные и эффективные решения.
Смотреть все интервью студии РБК на ЦИПР 2025
О Process Mining, BI-решениях, переходе на собственную ERP-платформу, а также о применении инструментов генеративного искусственного интеллекта и о данных «СберИндекса» РБК на конференции ЦИПР поговорил с Тарасом Скворцовым, заместителем председателя правления Сбербанка.
Какие FinTech-продукты Сбер использует для автоматизации финансовой функции — бюджетирования, планирования и отчетности?
У нас в финансах Сбера порядка пятидесяти автоматизированных систем, которые разработаны внутри финансового блока и применяются в нашей основной деятельности. При этом большинство из них являются внутренними решениями: они не предлагаются рынку и мы о них широко не рассказываем. Основное их назначение — повышение нашей собственной эффективности.
Но у нас есть несколько продуктов, которые мы уже вывели на рынок и предлагаем внешним клиентам. Конечно, они широко апробированы и используются внутри Сбера, но сегодня доступны и внешнему рынку.
Это, например, «Навигатор» — платформа для визуализации отчетности, Process Mining — платформа для анализа процессов по цифровым следам и «СберИндекс» — аналитическая платформа с актуальной и детализированной информацией по российской экономике.
Давайте подробнее остановимся на Process Mining. Сбер одним из первых внедрил собственное решение. Какой эффект это дало?
Мы начали разрабатывать Process Mining у себя еще в 2018 году. И как раз к тому моменту, когда иностранные вендоры стали уходить, мы уже поняли, что наше решение не просто конкурентоспособно по качеству — оно уже принесло серьезный эффект внутри компании.
Мы постоянно обновляем статистику. По итогам четырех лет, с 2021 по 2024 год, Process Mining позволил нам заработать или сэкономить порядка 26 миллиардов рублей. Экономический эффект для Сбера — очень значительный.
Примерно в конце 2023 года — начале 2024-го мы вышли на рынок с этим продуктом. Первое, что мы поняли: сегодня в России уровень знаний о таких решениях очень низкий. Большинство компаний не используют их и даже не знают, какие продукты существуют и зачем они нужны.
Поэтому мы вынуждены не только развивать и дорабатывать продукт, но и инвестировать значительные усилия в образовательную часть: рассказывать о продукте через конференции, мастер-классы, воркшопы. В январе, например, мы провели большую конференцию. Мы также активно взаимодействуем с вузами.
У нас есть отдельный учебный курс. Мы обучаем студентов, что такое Process Mining, как его использовать. Они решают реальные кейсы, получают оценки и, оканчивая университет, приходят в компании уже с практическими навыками, которые могут применять буквально с первых дней. Это быстро повышает их ценность для работодателя.
Сам по себе Process Mining — это продукт, который собирает цифровые следы из различных автоматизированных систем. Эти следы загружаются на платформу, формируются дашборды и даются рекомендации: где в процессе есть недостатки, как их устранить, что можно улучшить.
В среднем по Сберу мы анализируем около 100 процессов в год. Минимальный эффект после анализа составляет порядка 10% — это рост эффективности процесса.
Это может быть сокращение ненужных затрат, ускорение прохождения этапов, устранение зацикливаний, когда поручение доходит до определенного уровня и возвращается обратно. Все это становится наглядным и поддается анализу и оптимизации.
Есть также возможность анализа по сотрудникам. Если несколько человек выполняют одну и ту же операцию, можно сравнить эффективность исполнения, выявить лучших и подтянуть к ним остальных, тем самым повысив общую производительность.
Кроме того, в системе есть встроенная библиотека, которая рекомендует решения по итогам анализа. И сейчас все это становится более и более востребованным.
У нас сейчас на сайте опубликовано порядка 40 кейсов в совершенно разных сферах деятельности компаний, в различных отраслях экономики. Эти кейсы описывают, какой процесс анализировался, какие инсайты были получены и что было изменено в итоге. Именно такие примеры помогают нам повышать узнаваемость продукта среди новых клиентов, потому что первое, что они спрашивают: «А как я могу применить это у себя? Объясните мне».
И тогда мы показываем им соответствующие кейсы, и они говорят: «О, у меня такая же проблема. Видимо, я могу решить ее с помощью вашего продукта». Так и начинается сотрудничество.
Можете привести конкретный успешный пример использования этого решения, например, в финансовом департаменте?
Конечно. Часто это касается закупочной деятельности. Например, при формировании заявки мы не всегда эффективно отрабатывали процесс согласования. У одного сотрудника могло скапливаться множество заявок, и мы видели, что эти заявки зависают в процессе и не двигаются дальше.
Путем изменения процесса мы смогли изменить порядок обработки, благодаря чему часть заявок, которые в дальнейшем все равно были бы отклонены или отклонялись до этапа прохождения через финансы, теперь не доходит до этой стадии. Тем самым мы сократили нагрузку на сотрудников и сделали процесс более прямолинейным и эффективным.
Примеров таких очень много. Мы, например, анализировали клиентские пути в цифровом виде: когда пользователь идет по приложению, ищет нужную операцию, переходит по одной ссылке, по второй, по третьей, попадает не туда, возвращается обратно, снова ищет и только потом находит нужное.
С точки зрения компании это может быть незаметно, ведь пользователь просто нажимает кнопки внутри приложения. Но с точки зрения клиентского пути это серьезная проблема. Мы видим эти неправильные маршруты, понимаем, что навигация устроена неверно, меняем ее — и пользователь сразу начинает двигаться правильным путем. Он тратит меньше времени. На первый взгляд, прямого экономического эффекта здесь нет. Но с точки зрения удобства использования, user-friendly-интерфейса и общего customer experience это большой дополнительный эффект.
Таких примеров у нас очень много. И я повторюсь: они опубликованы на сайте Сбербанка. Мы активно пополняем эту библиотеку, стараемся включать больше примеров от внешних клиентов. Потому что банковская отрасль не охватывает всю экономику, а нам интересны кейсы из реального сектора.
Наши клиенты поначалу относятся к этому с осторожностью, не всегда готовы делиться своей практикой. Но постепенно они «дозревают», и мы надеемся, что в скором времени библиотека кейсов вырастет до сотни, а может, и больше.
Расскажите подробнее о платформе «Навигатор BI». В чем ее ключевое преимущество и чем она отличается от других подобных решений на российском рынке?
Основное преимущество — это полностью российская разработка. В ней нет ни одного элемента западного программного обеспечения. Платформа включена в реестр отечественного ПО. А это значит, что компании, которые ее приобретают, получают право на двойной вычет по налогу на прибыль. Это одна из льготных мер, поддерживающих российские ИТ-разработки.
Если говорить о сравнении с другими российскими и западными решениями, то изначально «Навигатор» был платформой визуализации. На ней удобно строить дашборды. Это low-code-платформа, то есть не требуется держать в штате программистов для того, чтобы формировать визуальные отчеты.
Если у вас есть база данных, есть стандартные виджеты, вы просто, как в Excel, “мэпите” параметры из базы на нужную диаграмму — и формируется дашборд.
Кроме того, одним из ключевых плюсов платформы с самого начала была ее омниканальность. «Навигатор» работает на персональных компьютерах, планшетах, смартфонах, на разных операционных системах — iOS, Astra и других. Интерфейс автоматически подстраивается под устройство, чтобы пользователю было удобно.
Кстати, далеко не все такие решения поддерживают. Многие, особенно западные, работают только на ПК. А если пользователь открывает отчет на телефоне, интерфейс может выглядеть неудобно, все придется прокручивать, и пользовательский опыт сразу страдает.
Сейчас, конечно, «Навигатор» развивается в новом направлении — как система управления, в том числе управления по отклонениям. Часто у менеджеров и топ-менеджеров нет возможности постоянно заходить в систему и проверять показатели. Им нужна другая модель. Когда что-то идет не так, они должны как можно быстрее об этом узнать и оперативно среагировать: скорректировать действия, внести изменения в тарифы, изменить процесс или, например, пригласить ответственного сотрудника на разговор, чтобы он объяснил, почему произошел сбой.
Поэтому мы внедряем систему мониторинга отклонений, когда к любому показателю можно настроить фильтры. Если происходит отклонение, автоматически приходит сообщение. То есть вы не обязаны постоянно находиться в системе — вы просто получаете оповещение и в нужный момент заходите, чтобы принять решение.
Кроме того, сейчас платформа активно развивается в направлении генеративного искусственного интеллекта. Если раньше мы предлагали стандартные дашборды, то на втором этапе дали пользователю возможность полностью индивидуализировать систему под себя. Он может собрать свой собственный дашборд, менять его, настраивать, актуализировать.
Это серьезно повышает вовлеченность — один из ключевых показателей, который мы отслеживаем. Например, отношение числа пользователей, заходящих в день, к тем, кто заходит в месяц. Сегодня в Сбере порядка 25% клиентов заходят в «Навигатор» ежедневно, потому что получают персонализированную информацию, которую сами настроили. Это идеальная модель клиентского взаимодействия для нас.
Всего платформой уже регулярно пользуются более 12 000 менеджеров в Сбере. То есть более 70% потенциальных пользователей уже активно работают с ней.
Следующий этап, который мы сейчас реализуем, это построение дашбордов с помощью генеративного ИИ. Когда пользователь может голосом или текстом задать запрос: «Собери мне дашборд с такими-то показателями в такой-то детализации». И система формирует его. Пользователь может сказать: «Добавь сюда еще вот это», — и система добавит. Или: «Замени вот этот блок», — и получит обновленную версию.
Это технология, которая делает необязательными преднастроенные заранее аналитиками дашборды. Достаточно иметь доступ к данным. Конечно, с этим у многих компаний есть проблемы: BI-система без качественных данных просто не будет работать.
«Навигатор» активно развивается. Мы развиваем его, исходя из задач Сбера, — у нас колоссальная клиентская база, большой бэклог и масштабные цели. Но, поскольку у нас уже более 170 внешних клиентов, мы получаем постоянные запросы и от них. Мы все это собираем, систематизируем и развиваем продукт совместно. Скорость роста — очень высокая, и мы этим довольны.
А как идет работа с региональными клиентами? Адаптируете ли вы решения под локальные потребности?
Да, здесь специфика проявляется скорее не в региональном разрезе, а в отраслевом. Потому что BI-система, по сути, состоит из двух элементов. С одной стороны, это сама платформа, которая задает порядок работы с информацией, принципы построения дашбордов и так далее.
Но огромная часть «Навигатора» — это, конечно, уже созданные под конкретные индустрии дашборды. Допустим, в банковской сфере мы, разумеется, сами формировали дашборды для себя. И, когда к нам приходили другие банки, многие из них в значительной степени перенимали наши подходы. Они говорили: «Мы хотим смотреть на бизнес так же, как смотрите вы. Нам нужна такая же детализация, такие же фильтры, такие же аналитические инструменты». Мы отвечали: «Окей, берите».
Но, когда мы заходим, например, в фармацевтику или в высшее образование, наши дашборды уже неприменимы. Тогда нужно, чтобы первый клиент в этой отрасли инвестировал свое время и поделился экспертностью. Для нас такие первые или вторые клиенты в индустрии особенно важны, потому что мы с ними вместе создаем отраслевую модель.
Как правило, такие клиенты — передовики. У них уже есть своя BI-система или по крайней мере управленческие презентации, из которых мы переносим данные в «Навигатор», адаптируем, оттачиваем интерфейс. И, когда появляется следующий клиент из той же отрасли, мы можем показать ему: «Вот как здесь выстроено управление». Он говорит: «Да, мне это подходит. Здесь добавьте одно, там измените другое».
И таким образом формируется отраслевая экспертность. Ведь фармацевтика или высшее образование, скажем, в одном регионе и в другом — по сути, отличаются не сильно.
Так что, скорее, ключевой фактор — это именно отраслевая специфика. Сейчас мы активно движемся в этом направлении. У нас появляется все больше опыта и готовых решений для отдельных отраслей. Полностью мы еще все не покрыли, но работаем над этим. Думаю, к концу текущего года охватим большинство, а в следующем — закроем почти полностью.
В СМИ все чаще встречаются данные «СберИндекса». Насколько Сбербанк сегодня опирается на них при принятии финансовых и управленческих решений?
В Сбере культура принятия решений изначально выстроена так, что они должны основываться на данных. Требования к аналитике очень высокие, потому что наши решения затрагивают большую клиентскую базу. На Сбер ориентируются и участники финансового сектора, и наши конкуренты, и партнеры. Поэтому мы обязаны принимать обоснованные решения, и другого способа, кроме как опираться на качественные данные, нет.
В этом плане «СберИндекс» нам очень помогает. Почему? Потому что «СберИндекс» использует массив информации, которой располагает Сбер: транзакционные данные физических лиц, данные по заработной плате, обороты корпоративных клиентов и так далее. Это позволяет формировать достаточно объективную картину российской экономики и сверять ее с официальной статистикой, которую публикует Росстат.
У Росстата есть ограничения: он работает в рамках установленного периметра, публикует данные в основном по России в целом. Региональной информации меньше, и даже если она есть, то выходит с существенной задержкой — месяц, три месяца, год, иногда два.
«СберИндекс» решает эту проблему. Мы публикуем данные по регионам одновременно с данными по России в целом. Более того, многие наши клиенты принимают решения, ориентируясь именно на «СберИндекс». Ведь где еще взять актуальную информацию по региону, в котором ты работаешь?
Мало компаний в России, которые, как Сбер, представлены во всех субъектах Федерации. Обычно даже крупные компании действуют в нескольких регионах и заинтересованы именно в локальных данных. Усредненные показатели по России для них зачастую нерелевантны: они могут просто не отражать реальной ситуации на месте.
Мы поняли, что даже уровень региона — это уже слишком крупная единица для оперативного управления. Сейчас мы идем на уровень муниципалитетов. В России более 2000 муниципальных образований, и примерно по половине из них мы можем собирать достаточный массив данных для детализации регионального уровня до уровня муниципалитета.
А это уже совершенно другой уровень управления — локальный. Там свои клиенты, свои органы власти, отвечающие за конкретный город, район. И это те клиенты, у которых благодаря информации реально может измениться модель управления.
Потому что, когда ты принимаешь решение, важно быстро понять, какие последствия оно принесло. Если же эффект виден только через год, то вероятность, что ты успеешь скорректировать стратегию, крайне мала. «СберИндекс» позволяет закрыть этот дефицит информации и дает возможность управлять на основе актуальных и локализованных данных.
Мы изучали мировой опыт и не нашли ни одной системы, аналогичной «СберИндексу». Ни в одной стране мира нет платформы, которая бы предоставляла информацию с такой глубиной детализации и в такие сжатые сроки, как это делает Сбер. Поэтому, конечно, в Сбере множество решений принимается именно на основе данных «СберИндекса».
Речь идет и о базовых задачах — например, макроэкономическом прогнозировании. Поскольку мы раньше видим фактические данные, то и качество прогноза у нас выше. Это касается также кредитования и обсуждения инвестиционных проектов, а также решений по индексации заработных плат. Мы гораздо лучше понимаем, что происходит в конкретных регионах, и быстрее реагируем.
Тем самым наши решения становятся более точными и эффективными. Поэтому «СберИндекс» пользуется большой популярностью.
Хотя, надо признать, не все клиенты пока до конца осознают его ценность. Мы стараемся это исправить. Наш главный аналитик Михаил Матовников активно продвигает «СберИндекс», выступает на конференциях, демонстрирует полезность и прикладную значимость инструмента.
В этом году мы планируем выпустить новый портал «СберИндекса» с обновленным, более удобным и современным интерфейсом, где можно будет быстро находить и скачивать необходимую информацию. Мы готовим много новинок в этом направлении.
Какие факторы влияют на формирование значений «СберИндекса»?
Главным источником являются данные, которые мы получаем по нашим клиентам в Сбере. У нас большая доля рынка по эквайрингу: мы видим, на что люди тратят деньги, где совершаются транзакции, в каких отраслях экономики. Мы также видим данные по операциям корпоративных клиентов.
Задача — из этих массивов правильно собрать прокси-информацию, которая отражает ситуацию в российской экономике в целом и по регионам. Здесь активно применяется искусственный интеллект. Обрабатывать вручную сотни миллионов и миллиарды транзакций невозможно.
Поэтому используются модели и различные способы агрегации данных, при этом мы постоянно ориентируемся на данные Росстата. Например, мы формируем прогноз, затем, спустя три месяца, выходит показатель от Росстата. Мы сверяемся, корректируем расчеты, обновляем модели. Это непрерывный процесс уточнения. Да, есть некоторая погрешность, но она неизбежна, поскольку никто, кроме государства, не имеет 100% информации.
Однако государство не собирает данные в такой детализации. Это потребовало бы колоссального объема отчетности от бизнеса, индивидуальных предпринимателей и частных лиц. Государство сосредоточено на ключевых макроэкономических показателях: инфляции, ВВП, оборотах — с необходимым временем на проверку и обработку.
«СберИндекс» в этом смысле дополняет государственную статистику. Мы плотно взаимодействуем с Росстатом, региональными органами власти, с Федеральной налоговой службой, которая тоже обладает значительными массивами данных. Все это необходимо для того, чтобы предоставлять максимально качественную информацию о состоянии российской экономики — и на уровне страны в целом, и на уровне отдельных регионов. Это помогает принимать более обоснованные и эффективные решения.
Смотреть все интервью студии РБК на ЦИПР 2025