Киц сбербанка что это

Обновлено: 23.04.2024

Перечень сокращений руководства по Сбербанк Бизнес ОнЛайн

Перечень терминов

Customer Relationship Management – система управления взаимоотношениями с клиентами.

International Mobile Subscriber Identity – международный идентификатор мобильного абонента (индивидуальный номер абонента), ассоциированный с каждым пользователем мобильной связи стандарта GSM, UMTS или CDMA.

Автоподпись – вариант формирования электронной подписи, при котором система Сбербанк Бизнес ОнЛайн сама выбирает, какие криптопрофили должны быть использованы для формирования подписи.

Аналог собственноручной подписи – одноразовый пароль, высылаемый по СМС. Может использоваться в системе Сбербанк Бизнес ОнЛайн для подтверждения авторства документа и отсутствия в документе искажений наряду с электронной подписью.

Бизнес-счет – счет юридического лица (или индивидуального предпринимателя) в подразделении Сбербанка для учета операций, совершаемых Держателями карт с использованием Корпоративных карт, выпущенных к этому счету.

Вексель – ценная бумага, содержащая письменное безусловное долговое абстрактное денежное обязательство Банка перед векселедержателем. Вексель может быть передан другому лицу посредством передаточной надписи.

Возобновление обслуживания в системе (возобновление действия договора) – возврат учетной записи клиента АС Сбербанк Бизнес ОнЛайн в штатное состояние, при котором доступны все подключенные услуги, а также списывается комиссия за обслуживание в системе.

Депозитный сертификат – именная ценная бумага, удостоверяющая сумму депозита в валюте Российской Федерации, внесенного в Банк, и права вкладчика (держателя сертификата) на получение по истечении установленного срока суммы депозита и обусловленных в сертификате процентов.

Держатель корпоративной карты – сотрудник Предприятия, получивший карту по заявлению Предприятия с отнесением операций, совершенных с использованием Корпоративной карты, на бизнес-счет.

Инструкция – в рамках документации по системе инструкция (сокращенно инстр.) – подробное описание последовательности действий, которые необходимо выполнить в системе «Сбербанк Бизнес ОнЛайн» или в сторонней системе для решения некоторой элементарной задачи: осуществления операции над одним или несколькими объектами системы, запуска приложения, задания значений конфигурационных параметров и т.д. Примеры инструкций: создание / редактирование документа ДБО, подпись документа ДБО, измение пароля для входа в систему.

Квалифицированный сертификат ключа проверки электронной подписи – сертификат ключа проверки электронной подписи, выданный аккредитованным удостоверяющим центром или доверенным лицом аккредитованного удостоверяющего центра либо федеральным органом исполнительной власти, уполномоченным в сфере использования электронной подписи.

Клиент банка – юридическое лицо, индивидуальный предприниматель или физическое лицо, занимающееся частной практикой в порядке, установленном действующим законодательством Российской Федерации, заключившее с банком договор на предоставление услуг с использованием системы «Сбербанк Бизнес ОнЛайн».

Клиентская служба – банковская служба технической поддержки клиентов. Контактные данные службы указаны, в частности, в форме авторизации (при подключении к системе посредством канала доступа Интернет-Клиент).

Консалтинговый центр – центр по обслуживанию ВЭД и валютному контролю.

Корпоративная карта – карта, позволяющая её Держателю проводить операции по бизнес-счету.

Неснижаемый остаток (HCO) – сумма денежных средств, которую Клиент обязуется иметь на своем банковском счете в течение оговоренного Банком и Клиентом срока.

Отчет по операциям с картой (картами) – документ, составленный Банком, который отражает операции по карте (картам) за отчетный период.

Отчет по бизнес-счету карты – документ, составленный Банком, который отражает операции по БС за отчетный период.

Приостановление обслуживания в системе (приостановление действия договора) – состояние временной блокировки пользовательской активности в Сбербанк Бизнес ОнЛайн, при которой не начисляется комиссия и недоступны никакие функции, кроме возобновления обслуживания.

Профиль отображения списка документов – именованный набор параметров фильтрации и сортировки списка документов некоторого типа.

Реестр платежей – документ по операциям с банковскими картами (в электронной форме), подготовленный ЦСИТ, содержащий информацию об операциях, совершенных Держателями банковских карт Банка, а также информацию об операциях эквайринга, совершенных в пунктах выдачи наличных (ПВН) Банка, банкоматах Банка, на предприятиях торговли и сферы услуг, расчеты с которыми проводят филиалы Банка. Реестр платежей служит основанием для проведения операций по счетам, открытым в Банке, в том числе и по счетам МФР территориальных банков, отделений, лицевым счетам Держателей карт и бизнес-счетам Предприятий.

Связанные поля экранных форм – логически связанные поля экранных форм, заполняемые данными из какого-либо одного справочника системы. При выборе из справочника значения одного из полей значения остальных полей система заполняет автоматически. Работа со связанными полями описана в инстр.

Справочник – структурированный набор справочной информации, используемой при формировании документов различного типа.

Токен (USB-токен, USB-брелок) – разновидность сменного носителя криптографических ключей: электронное персональное устройство хранения ключевой информации ЭП в защищенном на аппаратном уровне виде. Подключается к USB-разъему ПК пользователя.

Учреждения Банка России – учреждения, организации и подразделения, входящие в систему Банка России и включенные в справочник БИК РФ.

Электронная подпись – реквизит электронного документа, являющийся аналогом собственноручной подписи и предназначенный для защиты данного электронного документа от подделки и искажений. Под документом может быть несколько подписей, каждая из которых заверяет какое-либо действие.

Электронный документ – электронный образ документа (платежного или иного), представленный в согласованном участвующими в документообороте сторонами формате, определяемом программными средствами создания документа.

Через банк проходят сотни миллионов транзакций ежедневно, поэтому на серверах накапливаются большие данные: сведения о самих клиентах, паттерны их покупок, требования в целом. По сути, банки превращаются в IT-компании так, как это произошло с телеком-операторами. Они предоставляют все больше цифровых сервисов и услуг, а собираемые ими данные и извлекаемая из них информация активно используются в создании новых сервисов.

Применить эту информацию можно в множестве приложений, от классических задач оптимизации обработки транзакций и кибербезопасности с выявлением мошенничества, вплоть до создания персональных финансовых ассистентов и сверх-таргетированного маркетинга.

Современные банки не только превосходно понимают, чем живут их клиенты, но и могут моделировать, что может произойти с ними: будь то социальная группа в конкретном городе, отдельная индустрия или страна в целом. Это помогает банкам управлять своими рисками и рисками своих клиентов.

С развитием data science (DS) в финансовых и IT-компаниях стало популярным централизовать R&D отделы и data science в том числе. Централизованная DS-практика внутри компании позволяет более продуктивно создавать новые информационные продукты, при этом не теряя и не отставая в технологиях по всему перечню связанных с анализом данных задач.

Осталось самое важное — собрать DS-команду. Под data scientist понимается большое количество ролей — от бизнес-эксперта, который хорошо разбирается в переводе задач бизнеса на язык задач анализа, до разработчика алгоритмов в продакшен системах, включая также визуализаторов, аналитиков, математиков и промежуточные роли. Важно соблюдать баланс между решением реальных бизнес-задач и экспериментами с последними передовыми технологиями. При этом невозможно создавать передовые сервисы, если загнать аналитиков в сверх жесткие рамки и не давать им развиваться.

Банкам приходится конкурировать с другими IT-компаниями за таланты. Специалисты в свою очередь пока не рассматривают банки как высокотехнологичные компании, в которых они могли бы проявить себя, использовать передовые технологии и решать интересные задачи. Чаще всего банки ассоциируются у таких людей с мощными бюрократическими машинами и офисными костюмами, но никак не с agile R&D командами и разработкой, где можно активно публиковать исследования и обмениваться опытом с ведущими специалистами на международных конференциях.

А банку есть что рассказать и показать.

Банк вплотную подошел к проблеме детектирования и последующего прогноза паттернов поведения владельцев карт. Анализируя активность кардхолдеров, мы эти паттерны научились определять.

Мы детектируем паттерны поведения клиентов банка по их транзакциям. Первые модели были связаны с дескриптивным анализом транзакционного поведения. Например, у клиента появились покупки, связанные с авто. Значит, теперь можно предложить ему продукты или услуги, полезные для автовладельцев.

Следующая задача – предсказывать те или иные события, в том числе сам факт покупки. В дополнение к паттернам, с появлением тех или иных MCC-кодов становится возможным извлекать из данных достаточно интересные истории, в том числе связанные с накопительной деятельностью владельцев карт. То есть мы видим, кто из клиентов банка копит деньги, помогаем формировать для них новые предложения.

На рисунке мы видим три кейса: покупка авто, ремонт в квартире/покупка мебели и затраты на лечение. Особенно ценно, если от клиента возможна обратная связь по предлагаемым ему продуктам. Поэтому необходимо делать модели, способные учитывать эту обратную связь. Во многом это тот же принцип, что лежит в основе моделей reinforcement learning, которые мы сейчас начинаем разрабатывать.

Суть. Сначала определяли некий триггер: событие уже произошло (транзакция была совершена). Клиент потратил деньги на обучение, лечение: может получить налоговый вычет. Купил квартиру, взял в ипотеку: предложения о ремонте.

Второй класс задач – предиктивные. Использовался метод рекуррентных нейронных сетей. У клиента большие накопления, то есть он, вероятно, планирует совершить крупную покупку: купить квартиру или машину.

Reinforcement learning или обучение с подкреплением, которое сейчас развивают, в том числе, OpenAI и DeepMind – это предвестник ИИ, каким его хотят видеть. В систему заранее не закладывают какой-либо модели мира, и о нем система фактически ничего не знает. Она начинает взаимодействовать с миром, получать обратную связь, так называемые reward'ы, после чего корректирует свое поведение на их основании. В случае с банковскими продуктами reward – это, например, то, насколько интересным или неинтересным для клиентов оказывается то или иное предложение банка.

Используя методы с определенными свойствами, обеспечивающими применение reinforcement learning, мы можем адаптировать эти алгоритмы в режиме реального времени. Из новых подходов можно ещё отметить, что буквально недавно в Nature выходила статья того же DeepMind, где они рассказывают о том, как в нейросеть внедрили элементы машины Тьюринга. В результате нейросеть получила возможность обладать памятью, которой нейросетям на данном этапе не хватает.

В этом кейсе мы анализируем транзакционную активность: ищем кластеры клиентов с определенными паттернами поведения. Но в этом случае не связываем их с предсказанием каких-либо событий. Например, можно найти клиентов, которые часто совершают перелеты, поездки за границу и часто конвертируют валюты. Исходя из этого, мы формируем предложения таким клиентам.

На слайдах показано, какие паттерны мы можем находить и какие продукты в этом случае можем предлагать. В целом понятная история – здесь предполагаются определенные методы, связанные с кластеризацией. Проекция данных, например.

Задача решалась с помощью рекуррентных нейронных сетей. Такой выбор обоснован несколькими факторами. Параметры нейросети настраиваются с помощью модификаций метода стохастического градиентного спуска. Градиенты вычисляются по минибатчу - небольшому подмножеству объектов. Чтобы избежать ситуации переобучения, когда алгоритм хорошо работает на обучающих данных и плохо на тестовых, используется техника dropout. Транзакции были сгруппированы по пользователям и для каждого пользователя отсортированы по времени. Транзакций, для которых время неизвестно, обнаружено очень мало (несколько десятков), поэтому они были исключены из рассмотрения. В итоге данные были представлены в виде набора последовательностей категорий, по одной последовательности на каждого пользователя. Слишком короткие последовательности (длина меньше 110) были удалены из набора данных. Обучение рекуррентной сети производилось на языке программирования Python3.4 с применением библиотек numpy, theano, lasagne. Для вычисления контроля качества использовались средства модуля sklearn.

Для выделения шаблонов трат клиентов был использован метод LDA. Цель LargeVis визуализации – отобразить пользователей с близкими профилями, так чтобы результирующие точки, соответствующие таким пользователям находились близко друг к другу, и наоборот, пользователей со значительно отличающимися профилями разместить дальше друг от друга. Исходя из этого соображения для изучения полученного отображения была реализована программа, позволяющая для любой точки плоскости выделить K ближайших точек, соответствующих клиентам. После чего по выбранным клиентом вычислялось среднее значение LDA-профиля, то есть для каждой темы было посчитано среднее проявление данной темы среди выбранных клиентов. Полученные усредненные профили показаны на следующем рисунке. Кроме усредненного профиля на гистограмме отображены стандартные отклонения проявления тем от среднего значения.

Как видно, удалось найти области, в которых собраны как клиенты, у которых проявлена только одна тема, так и клиенты, у которых сильно выражены две и более тем, которые проявляются в определенных пропорциях между собой. Кроме того, в некоторых случаях алгоритм разделяет кластеры с клиентами, имеющими сильно схожие профили на два или более отделенных друг от друга кластеров. Это связано с тем, что построение LargeVis основано на приблизительном поиске ближайших соседей, которое позволяет существенно ускорить время работы. Полученная визуализация позволяет исследовать структуру LDA профилей.

Интересные результаты были получены в рамках проекта по оптимизации затрат Банка на управление наличным денежным обращением. Задача управления запасами наличности в кассово-инкассационных центрах (КИЦ) Банка имеет высокую важность для Банка. Сбербанк обладает широкой сетью КИЦ по всей стране – это кластер, куда привозят всю денежную наличность ночью, пересчитывают её и утром развозят по банкоматам, отделениям и корпоративным клиентам. Основная роль кассово-инкассационных центров – обеспечение достаточного запаса наличных денежных средств для удовлетворения потребностей всех клиентов в зоне действия каждого Центра в каждый день. С одной стороны, Банк обязан удовлетворять потребности всех своих клиентов. С другой стороны, он не должен создавать излишние запасы, так как невостребованные остатки фондируются. Важно, чтобы деньги не лежали без дела в банкоматах, а вместо этого, например, мы могли бы разместить их на краткосрочном депозите. При этом мы стремимся избежать репутационных потерь, когда деньги заканчиваются раньше, чем планировалось, банкомат перестает работать, а клиент остается недовольным.

Таким образом, задача распадается на две части. В первую очередь требуется спрогнозировать ожидаемые входящие и исходящие потоки наличности для каждого КИЦ в пределах заданного горизонта времени. При этом прогнозирование производится в разрезе валют, номиналов, источников поступления или направления расходования средств. Это приводит к одновременному построению прогнозов по десяткам тысяч временных рядов. Ввиду того, что очень важно получать точные прогнозы на каждый конкретный день, прогнозные модели должны учитывать графики работы КИЦ, а также особые дни, характерные для каждого Центра. По результатам построения прогнозов определяются Центры, требующие подкрепления, и Центры, в которых ожидается избыток наличности. Поэтому второй частью алгоритма является задача на графах – построение оптимального плана перераспределения (инкассации) наличности между КИЦ Сбербанка с учётом графа КИЦ и возможных маршрутов между ними. При этом при оптимизации учитываются стоимости и временные затраты для каждого маршрута.

Ожидается, что эта оптимизация поможет сократить издержки на управление наличным денежным обращением на величину до 10%.

Выгодные процентные ставки по рублевым и валютным депозитам для физических лиц, все виды вкладов СберБанка можно открыть в отделениях или оставить заявку онлайн. Лучшая процентная ставка на данной странице - 12 % годовых.

Предложения месяца

О банке

ПАО Сбербанк

Лицензия № 1481 ОГРН 1027700132195

\n \n","content":"\u041f\u043e \u0434\u0430\u043d\u043d\u044b\u043c \u043e\u0442\u0447\u0435\u0442\u043d\u043e\u0441\u0442\u0438, \u043f\u0443\u0431\u043b\u0438\u043a\u0443\u0435\u043c\u043e\u0439 \u043d\u0430 \u0441\u0430\u0439\u0442\u0435 \u0426\u0411">' >

Благодарность 5678af Я являюсь постоянным клиентом сбербанка премьер вот уже много лет, и обслуживаюсь у своего персонального менеджера Ирины К-ой, все эти годы в ее лице видел только чрезвычайно.

Отличное обслуживание

Добрый день! Хотелось бы выразить благодарность сотруднику офиса Б-ой О/ г. Барнаул, ул Георгиева 14 в. Обратились за заказом наличных, оказалось, что сотрудники не видят счетов. Читать полностью

Благодарность

Я являюсь постоянным клиентом сбербанка премьер вот уже много лет, и обслуживаюсь у своего персонального менеджера Ирины К-ой, все эти годы в ее лице видел только чрезвычайно. Читать полностью

Билет в будущее

Оформлял программу накопления для ребёнка. Менеджер все условия по программе рассказала, на все дополнительные вопросы ответила. Всегда обслуживаюсь в. Читать полностью

Специальные предложения

Мы договариваемся с банками и компаниями о максимально выгодных условиях по вкладам, кредитам и другим продуктам, доступных только посетителям нашего портала. Все специальные предложения проходят предварительную оценку наших экспертов.

Уникальные условия по промокоду

Каталоги

Калькулятор доходности вкладов
Пенсионные
Под высокий процент
На месяц
На 5 лет
В рублях
На 4 месяца
На 5 месяцев
На 7 месяцев
На 8 месяцев
На 11 месяцев
От 3 до 4 месяцев
От 6 до 10 месяцев
В золото
В платине
В палладий
Благотворительный
Инвестиционный
Мультивалютный
Накопительный
Новогодние
На 10 месяцев
На 6 месяцев
На 3 месяца
С повышенной ставкой
С ежеквартальной выплатой процентов
В долларах
В евро
Детский
До востребования
Онлайн
Сезонные
С капитализацией
10000 рублей
50 000 рублей
300000 рублей
На 2 года
100 тыс. рублей
200 тысяч рублей
Максимальный процент
Найти лучшее предложение
ТОП 10
500000 рублей
Накопительные счета

Продукты банка

Подбор кредита 5
Вклады 11
Ипотека 12
Кредитные карты 1
Дебетовые карты 11
Расчетно-кассовое обслуживание 3

Предложения в банках

Хоум Кредит Банк
Ренессанс Кредит
Почта Банк
Тинькофф Банк
Альфа-Банк
ВТБ
Банк Открытие
Совкомбанк
Московский Кредитный Банк
Московский Индустриальный Банк
Промсвязьбанк
Русский Стандарт
Ак Барс
Райффайзенбанк
Росбанк
Банк «Санкт-Петербург»
Банк Уралсиб
Россия

Вклады СберБанка онлайн

На данной странице портала Банки.ру представлена самая актуальная информация по вкладам СберБанка для физических лиц 24.05.2022 год, действующим в Сбербанке России в настоящий момент. Здесь вы найдете подробные сведения об условиях и процентных ставках по вкладам крупнейшего российского банка.

Линейка вкладов СберБанка достаточно разнообразна и включает в себя срочные вклады для различных категорий граждан. Сбербанк предлагает выгодные вклады с капитализацией процентов, возможностью пополнения и совершения расходных операций, мультивалютные, а также вклады для пенсионеров на более привлекательных условиях. Большинство вкладов предусматривают возможность досрочного расторжения на льготных условиях. Вклады, открываемые через систему «Сбербанк Онлайн», также отличаются повышенными процентами.

Как выбрать выгодный вклад в СберБанке?

Сравнить предложения в различных источниках - Банки.ру заключает договор о специальных более выгодных условиях для своих посетителей.
Изучить основные типы вкладов и выбрать какая программа вам удобнее:

- С капитализацией процентов - дает дополнительный доход, но иногда выгоднее получать проценты ежемесячно.
- С пополнением - это увеличение тела вклада сейчас в различных продуктах может иметь ограничение по возможной дате последнего перед окончанием срока договора пополнения, и ставка здесь может быть ниже.
- Сумма не более 1,4 млн рублей- не превышайте сумму подходящую под программу страхования банковских продуктов.
Рейтинг самых выгодных вкладов сбербанка в 2022 году
- СберВклад Онлайн - ставка до 11% годовых
- Промо Управляй - ставка до 9,07% годовых
- Социальный - ставка 2% годовых
- Сохраняй Онлайн - ставка до 3,62% годовых
- Сохраняй - ставка до 3,46% годовых
Какая самая выгодная ставка по вкладу на 24.05.2022?

Самая выгодная ставка на 12% годовых, по вкладам вкладам СберБанка для физических лиц 24.05.2022 год.

Калькулятор вкладов в СберБанке

Широкий функционал калькулятора позволяет в режиме онлайн сравнить условия по депозитным продуктам и подобрать оптимальный. Благодаря опции «Эффективная ставка» вам не придется самостоятельно рассчитывать доходность по каждому вкладу — умный алгоритм приведет проценты к одному знаменателю и покажет наиболее выгодный.

Вкладка с таблицей ставок наглядно покажет, какой процент предлагает банк в зависимости от срока вклада. Калькулятор подбирает предложения в различной валюте: от рублей до японских иен. Для своего удобства вы можете отсортировать список по популярности или по размеру ставки.

Такие актуальные сегодня задачи, как повышение производительности процессов обработки наличных денег в банковском секторе, снижение их себестоимости, а также минимизация операционных рисков на фоне постоянно растущих объемов потоков наличных, требуют принципиально новых подходов. Использование робототехники при обработке наличности в Сбербанке стало уникальным опытом не только для российской, но и для мировой индустрии наличного денежного обращения. О том, каковы особенности процесса перехода на новые технологии и насколько они оправданны с экономической точки зрения, журналу ПЛАС рассказывает Олег Булгаков, управляющий директор – начальник Управления кассовой работы Центра управления наличным денежным обращением (ЦУНДО) ПАО Сбербанк.

ПЛАС: Сбербанк выступил первопроходцем в плане использования робототехники для обработки наличности. Что послужило предпосылкой перехода на новые технологии?

О. Булгаков: За последние годы команда ЦУНДО ПАО Сбербанк проделала огромную работу по внедрению стандартов обработки денежной наличности. Проанализировав ситуацию на участках, где осуществляются стандартные операции, включая пересчет и упаковку банкнот, мы пришли к выводу, что именно здесь можно было бы высвободить штат операторов, например, объединив при этом участки пересчета в автоматизированную линию. Очевидно, что на смену освободившимся работникам должен был бы прийти принципиально новый исполнитель: нетребовательный к комфорту, выносливый и не допускающий ошибок, связанных с человеческим фактором. Так возникла идея применения робототехники.

Стоит подчеркнуть, что ЦУНДО ПАО Сбербанк обслуживает не только собственных клиентов, внутренние структурные подразделения (ВСП) и устройства самообслуживания, но и объекты других кредитных организаций. В этих условиях объем обрабатываемой наличности возрастает в разы. Для обеспечения качественного роста необходимо либо экстенсивное наращивание парка счетно-сортировальных машин (ССМ) и количества операторов, либо поиск автоматизированных решений. Мы пошли по пути автоматизации. Необходимо добавить, что автоматизированная линия робототехники обойдется существенно дешевле, чем аналогичная по производительности обработка наличности с применением множества людей и ССМ в классической парадигме обработки.

ПЛАС: Что показывают предварительные результаты – насколько в целом экономически оправданно использование роботов в кассовом центре банка? Насколько успешно прошли первые тесты данной технологии, и какие коррективы они внесли в первоначальные планы Сбербанка?

О. Булгаков: Необходимо отметить, что внедрение робототехники в ЦУНДО Сбербанка только началось, и мы фактически тестируем проект, проверяем, в том числе, эффективность работы первого внедренного промышленного образца. В 2017 году запланировано внедрение еще 4–5 участков в разных регионах России. На этом этапе, пожалуй, было бы преждевременным ожидать масштабного изменения используемых технологий и, как следствие, заметного роста производительности.

К тому же внутри самого роботизированного участка имеются операции, приводящие к некоторым потерям времени при обработке денежной наличности именно из-за специфики применения робототехники. Тем не менее именно на этом участке подтвердилось наше предположение о том, что применять роботов с этой целью не только возможно, но и экономически целесообразно. Тем более что главная задача, которую нам необходимо решить это дальнейшее снижение себестоимости участка пересчета и минимизация операционных рисков.

При переходе же к тиражной модели и роботизации нескольких последовательных участков мы планируем получить рост производительности. Уже на данный момент в среднем один робот с двумя ССМ работает не хуже, чем два опытных кассира. А если учесть, что робот в идеале может работать в режиме 24х7х365 с перерывами только на ремонт и профилактику, не нуждается в освещении, вентиляции, обеденных перерывах, не уходит на больничный и т. д., то уже сегодня можно утверждать – использование роботов эффективнее ручного труда.

Что же касается высвобождаемого за счет внедрения робототехники персонала, поскольку мы двигаемся в сторону снижения себестоимости операций и повышения производительности труда, то в конечном счете стараемся преобразовать наших работников из простых исполнителей ответственных, но стандартных ручных операций в операторов сложных машин. Налицо рост требований к квалификации и одновременно повышение компетенции сотрудников.

Уже на данный момент в среднем один робот с двумя ССМ работает не хуже, чем два опытных кассира

ПЛАС: Планирует ли Сбербанк использовать специализированные многоцелевые роботизированные комплексы для перспективной замены кассовых работников на других участках обработки наличности?

О. Булгаков: Пока нельзя говорить о том, что роботизация позволит заменить все функции кассовых работников. Есть участки, например, вскрытия сумок и кассет УС, где ручной труд востребован. Тем не менее такие примеры являются скорее исключением, чем правилом. К концу 2016 года мы успешно завершили этап опытной эксплуатации роботизированного участка пересчета (РУП) банкнот Банка России. Основное его преимущество – возможность обработки наличности одновременно на нескольких ССМ. При этом оператор только устраняет возникающие ошибки и может параллельно выполнять другие операции – вскрывать сумки и готовить лотки с денежной наличностью. В ходе опытной эксплуатации РУП выявлены узкие места в самом процессе и потенциал для возможных технологических улучшений. Так, например, для промышленной эксплуатации увеличен объем схвата робота-манипулятора, модернизирована система подачи лотков к ССМ, изменились и сами лотки.

Замечу, что процесс улучшений проходит в постоянном режиме. Даже в промышленном образце есть место для постоянного совершенствования технологии подачи, обандероливания, выдачи готовой продукции для дальнейшего использования.

ПЛАС: Существуют ли успешные зарубежные практики в этом направлении? Если да, то как с ними соотносится ваш опыт?

О. Булгаков: На данный момент наш проект абсолютно уникален. Мы наделили манипулятор значительным функционалом, для чего потребовался существенно более высокий интеллектуальный уровень решения в целом. В опытном образце мы постарались «очеловечить» действия робота, заставив его фактически копировать манипуляции живого персонала. При этом промышленный образец наделен еще большими возможностями, например, программные и технические решения призваны позволить ему расширить спектр производимых операций с максимальной привязкой к технологическому циклу обработки наличности.

В перспектике – решение задачи снижения себестоимости участка пересчета и минимизация операционных рисков

Возвращаясь к вопросу, реализуются ли подобные проекты за рубежом, могу с уверенностью ответить, что нет. Мы активно изучаем все зарубежные инициативы в области НДО. На сегодняшний день робототехника представлена на отдельных страновых рынках только в виде промышленных линий и применяется в основном в государственных структурах, эмитирующих денежные знаки: в центральных банках, монетных дворах, структурах, аналогичных российскому Гознаку либо Федеральной резервной системе США. При этом практически везде используются не роботы-манипуляторы, способные при необходимости быть гибко интегрированы на участках, ранее обслуживаемых людьми, а автоматизированные конвейерные линии. Даже в том сегменте, о котором мы говорим – услуги пересчета клиентской выручки или подготовки наличных для клиентов, – в этих странах используются более мощные, промышленные линии по пересчету и упаковке денежной наличности, но опять же отнюдь не роботы. Например, в Японии, где в НДО применяется достаточно высокий уровень автоматизации, задействуют сложные масштабные комплексы. Но это происходит под влиянием очевидного тренда, когда промышленный «комбайн» выполняет функции, аналогичные функциям старшего кассира. При этом такое устройство рассчитано преимущественно на использование в отдельном допофисе, а не в крупном кассовом центре.

ПЛАС: Как вы оцениваете перспективы широкого применения робототехники в НДО на фоне растущих объемов наличного оборота в России и в мире? Насколько вероятно, что в будущем другие кредитные организации захотят перенять подобный опыт?

О. Булгаков: Говорить о широком применении робототехники для целей обработки наличности несколько преждевременно. Не буду скрывать, что практика показала наличие некоторых сложностей подготовки интеллектуальной составляющей робота-манипулятора и ее адаптации к специфическим особенностям каждого конкретного кассового центра. В настоящий момент речь может идти о подготовке тиражного решения и постепенном внедрении робототехники на все большем количестве участков по обработке ценностей.

Одновременно мы рассчитываем, что наш опыт подтолкнет мировых производителей кассовой техники к созданию новых моделей счетно-сортировочного оборудования, специально предназначенных для использования в составе роботизированных комплексов. Такие модели могут обладать упрощенными эргономикой и органами управления, что в конечном итоге должно привести к снижению их стоимости.

С другой стороны, очевидно, что каждый уникальный комплекс стоит дороже, чем тиражное решение. Унифицируя подходы к изготовлению комплексов и технологии обработки на них, мы в конечном итоге должны получить относительно недорогое и качественное решение. Уверен, что созданное таким путем решение может быть использовано в любых кассовых центрах по всему миру.

Отмечу, что наши зарубежные партнеры – производители оборудования из Японии и Германии – с огромным интересом наблюдали опытную инсталляцию ПАО Сбербанк. Судя по их отзывам, они впервые столкнулись с применением робототехники в данной сфере именно в коммерческом банке.

ПЛАС: Каким вы видите дальнейшее развитие данного направления в Сбербанке?

О. Булгаков: Алгоритм реализации нашего проекта выглядит следующим образом: мы провели необходимую апробацию использования робототехники на участке пересчета наличных денег. Решено автоматизировать участок, который будет состоять из робота и двух счетно-сортировальных машин по пересчету банкнот. Параллельно мы проводим исследование совместно с нашей компанией-партнером о возможности применения робототехники на других участках, где происходит формирование и закладка денежной наличности в кассеты банкоматов. Также в наших планах – автоматизация обработки монет и отдельного большого участка, где проходит формирование сумок для внутренних структурных подразделений. Мы надеемся, что в ближайшем будущем в ПАО Сбербанк можно будет роботизировать 90% деятельности процесса обработки ценностей.

В 2017 году нам предстоит выработать наиболее эффективные решения относительно использования технологии, мы открыты к диалогу со всеми научно-техническими компаниями и ждем встречных предложений от потенциальных партнеров. В идеале, конечно, хотелось бы найти какой-то разумный компромисс, чтобы почти в одной среде могли сосуществовать и оператор, и робот.

В перспективе мы видим, что потенциально промышленное развертывание могло бы охватить более 150 наших кассовых центров по всей России. Есть также намерения в 2018 году начать применение нашей технологии в более широком, индустриальном масштабе.

ПЛАС: Роботизация в ПАО Сбербанк проходит параллельно развитию автоматизации. Например, планируется полностью оснастить 400 кассово-инкассаторских центров Сбербанка автоматизированной технологией контроля процесса сдачи и обработки наличности. Каковы цели и задачи данной инициативы и, разумеется, ожидаемые результаты?

Потенциально промышленное развертывание могло бы охватить более 150 наших кассовых центров по всей Росиии

О. Булгаков: Действительно, у нас активно проводится автоматизация кассово-инкассаторской деятельности. В ходе запущенного в ноябре 2016 года масштабного инновационного проекта «Умный КИЦ» в кассово-инкассаторских центрах банка планируется принципиально оптимизировать процессы приема/передачи наличных денег и других материальных ценностей с использованием RFID-меток и бесконтактных считывателей, с переходом на 100%-ный электронный документооборот. Сегодня из-за несовершенства используемых технологий данные процедуры связаны с высокими временными потерями, что значительно повышает их себестоимость. Так, прием одного инкассаторского маршрута может занимать до 30 минут. Реализация проекта «Умный КИЦ» позволит в корне изменить ситуацию. Например, все процессы приема/передачи, а также перемещения ценностей и людей в кассово-инкассаторских центрах Сбербанка станут автоматически регистрируемыми с помощью применения бесконтактных технологий, включая RFID-метки. В результате инкассаторы, возвращаясь с маршрута, будут передавать ценности в режиме самообслуживания, просто оставляя их в особых стандартных емкостях внутри специально оборудованных помещений, где они будут блокироваться до визита кассира. После чего инкассаторы смогут сразу покидать КИЦ, не дожидаясь многочисленных процедур оформления приема/передачи и потратив на всю процедуру не более 2–3 минут. Данные перемещения будут автоматически фиксироваться, все операции будут отражаться в учетных системах в режиме онлайн.

Аналогично будет выглядеть и работа кассира КИЦ, который, следуя своему собственному графику, сможет забирать оставленные инкассаторами ценности в удобное для себя время. При этом с помощью RFID-меток система будет распознавать и сотрудников, и ценности, что позволит полностью автоматизировать учет и отчетность, включая заполнение электронных журналов и выполнение всех проводок в полном соответствии с требованиями Банка России. Но этот проект в силу своей масштабности и комплексности – тема отдельной беседы.

Кредитная история – это официальный документ, в котором собрана информация о платежах по обязательствам заемщика. От ее показателя зависит уровень платежеспособности. Подготовка документа осуществляется Бюро Кредитных Историй. Организация осуществляет сбор общей информации и направляет в Сбербанк.

Что можно увидеть в отчете по КИ

Заказывая услугу за 580 рублей, клиент имеет возможность ознакомиться со следующими данными:
- кредитный рейтинг на текущий момент. Отображается в цифровом значении 0 -1250. Чем выше число, тем выше надежность заемщика. Соответственно, такой клиент может с легкостью претендовать на получение займа на самых выгодных условиях;
- данные о текущих и закрытых кредитных договорах. Помогает удостовериться, что кредиторы своевременно передают информацию и текущие долги отсутствуют.
Уведомление по КИ также помогают своевременно предпринять меры по повышению кредитного рейтинга.

Для чего может понадобиться КИ

Узнав КИ, каждый заемщик имеет возможность:

Своевременный контроль информации из КИ позволяет отследить возможные ошибки и обратиться к кредитору за исправлением. Сведения о кредитном рейтинге помогут предпринять попытки увеличить текущее положение, обратиться за услугой финансового доктора.

Как подключить услугу

Чтобы получить уведомления от Сбербанка по кредитной истории, потребуется выполнить следующий порядок действий:
- авторизоваться в мобильном приложении Сбербанка;
- открыть раздел кредитов, затем выбрать историю. Либо можно перейти в общий каталог, потом зайти в кредиты и открыть услугу кредитная история;
- кликнуть на кнопку заказать отчет.
Если нет возможности активировать услугу самостоятельно, любой клиент может обратиться в ближайшее отделение Сбербанка и получить бесплатную консультацию у сотрудников.

Автор статьи

Куприянов Денис Юрьевич

Юрист частного права

Страница автора

Читайте также: