Введение
В последнее время в нашей стране можно заметить значительное увеличение кредитования. Все больше кредиты набирают популярность среди потребителей. Согласно статистике 40% покупок приобретаются в кредит. На сегодняшний день банки предоставляют различные виды кредитования. Однако для выдачи кредита банки требуют большой пакет документов от заемщика, для сбора которого требуется значительный отрезок времени. Поэтому на основании анализа автоматизированных банковских систем будет выявлено, насколько качественно и быстро банки предоставляют ссуды.
Анализ систем поддержки выдачи кредита
Для анализа выбраны следующие автоматизированные банковские системы:
- Новая Афина — данная компания предлагает банкам информационную, техническую и консалтинговую поддержку для автоматизации их деятельности. В области качества компания соответствует стандарту EN ISO 9001 ed. 2008;
- Диасофт — компания создает комплексные системы автоматизации, разрабатывает интеграционные решения. Платформа компании Диасофт обеспечивает высокий уровень безопасности, производимых операций, а так же содержит средства администрирования и мониторинга;
- Кворум — осуществляет внедрение и сопровождение ИТ-систем, производит внедрение программных продуктов за короткий срок. Технологии работы компании "Кворум" позволяют минимизировать временные затраты на внедрение ИТ-систем;
- Инверсия — компания предлагает широкий спектр решений для автоматизации кредитно-финансовых организаций и аффилированных с ними структур в рамках проекта "БАНК 21 ВЕК", реализованном с использованием стека технологий Oracle;
- R-Style Softlab — решения данной компании охватывают практически все виды деятельности работы банка, включая расчетные операции, кредитование и депозиты. Принципы компании: инновационность, индивидуальный подход и нацеленность на бизнес-результат.
В качестве критериев для сравнительного анализа были выбраны:
- А1 — Полнота информации о клиенте;
- А2 — Наличие модуля скорингового анализа;
- А3 — Надежность автоматизированной банковской системы;
- А4 — Полнота информации по кредитной истории;
- А5 — Сложность внедрения системы.
Для определения весов критериев воспользуемся аналитической иерархической процедурой Саати, представленной в Таблице 1.
Xij | Значение |
1 | i-ый и j-ый критерий примерно равноценны |
3 | i-ый критерий немного предпочтительнее j-го |
5 | i-ый критерий предпочтительнее j-го |
7 | i-ый критерий значительно предпочтительнее j-го |
9 | i-ый критерий явно предпочтительнее j-го |
Матрица парных сравнений, средние геометрические и веса критериев представлены в Таблице 2.
А1 | А2 | А3 | А4 | А5 | Среднее геометрическое | Веса критериев | |
А1 | 1 | 1/7 | 1/3 | 1/5 | 3 | 0,49 | 0,06 |
А2 | 7 | 1 | 5 | 3 | 9 | 3,94 | 0,51 |
А3 | 3 | 1/5 | 1 | 1/3 | 5 | 1,00 | 0,13 |
А4 | 5 | 1/3 | 3 | 1 | 7 | 2,04 | 0,26 |
А5 | 1/3 | 1/9 | 1/5 | 1/7 | 1 | 0,25 | 0,03 |
Сумма | 7,72 | 1,00 | |||||
Диаграмма весовых коэффициентов для критериев A1, A2, A3, A4, A5 представлена на рис. 1
Выполним проверку матрицы попарных сравнений на непротиворечивость.
Суммы столбцов матрицы парных сравнений:
R1=16.33; R2=1.79; R3=9.53; R4=4.68; R5=25.00.
Путем суммирования произведений сумм столбцов матрицы на весовые коэффициенты альтернатив рассчитывается вспомогательная величина L = 5.24. Индексом согласованности .
Величина случайной согласованности для размерности матрицы парных сравнений: S = 1.12.
Отношение согласованности , что не превышает 0.2, поэтому уточнение матрицы парных сравнений не требуется.
Используя полученные коэффициенты, определим интегральный показатель качества для программных продуктов расчета метрических характеристик и оценки автоматизированных банковских систем.
Выберем категориальную шкалу от 0 до 7 (где 0 — качество не удовлетворительно, 7 — предельно достижимый уровень качества на современном этапе) для функциональных возможностей программных продуктов.
Значения весовых коэффициентов ai соответствующие функциональным возможностям продуктов:
- Полнота информации о клиенте: a1 = 0.06;
- Наличие модуля скорингового анализа: a2 = 0.51;
- Надежность автоматизированной банковской системы: a3 = 0.13;
- Полнота информации по кредитной истории: a4 = 0.26;
- Сложность внедрения системы: a5 = 0.03.
где .
Определим (по введенной шкале) количественные значения функциональных возможностей Xij (таблица 3). Вычислим интегральный показатель качества для каждого программного продукта.
Весовые коэффициенты | Диасофт | Кворум | Инверсия | Новая Афина | R-Style Softlab | |
A1 | 0,06 | 6 | 3 | 6 | 2 | 4 |
A2 | 0,51 | 5 | 0 | 5 | 0 | 5 |
A3 | 0,13 | 5 | 3 | 5 | 2 | 5 |
A4 | 0,26 | 5 | 3 | 3 | 4 | 4 |
A5 | 0,03 | 5 | 4 | 4 | 4 | 5 |
Интегральный показатель качества Q | 5,01 | 1,47 | 4,46 | 1,54 | 4,63 | |
где интегральный показатель качества для j-го программного средства
Построим лепестковую диаграмму интегрального показателя качества каждого программного продукта (рис. 2).
Лепестковая диаграмма значений характеристик качества функциональных возможностей (критериев) представлена на рисунке 3.
На основе проведенного исследования были выявлены три системы, интегральный показатель качества которых выше базового: Диасофт, Инверсия и R-Style Softlab.
Сравнительный анализ автоматизированных банковских систем показал, что наиболее важным критерием для оценки программных продуктов является наличие модуля скорингового анализа при выдаче кредита, но данный показатель является самым низким у выбранных систем. Методология экспертной оценки позволила определить направление дальнейшего совершенствования программного продукта, и оценить его качество с точки зрения уровня реализуемых функций.