Jak inteligentnie robotyzować kluczowe procesy w instytucjach finansowych | Mindbox

Jak inteligentnie robotyzować kluczowe procesy w instytucjach finansowych

Crédit Agricole wykorzystuje narzędzia Robotic Process Automation do przyspieszania procesów związanych z podejmowaniem decyzji kredytowych – uwalnia analityków od manualnych, rutynowych czynności związanych ze zbieraniem i weryfikowaniem danych, pozostawiając w ich rękach ostateczną decyzję.

Klient: Credit Agricole

Zrobotyzowany proces: zbieranie i przetwarzanie informacji potrzebnych do podejmowania decyzji kredytowych przez analityków

Zastosowane rozwiązania: UiPath, UiPath Orchestrator

Korzyści: przyspieszenie procesu, uwolnienie analityków od rutynowej, manualnej pracy

Bank Crédit Agricole, wchodzący w skład Grupy Crédit Agricole, znajdującej się w czołowej 10-tce największych banków na świecie pod względem wartości aktywów, jest obecny na polskim rynku od ponad 20 lat. To bank uniwersalny, który działa w obszarze bankowości detalicznej, korporacyjnej, rolniczej, małych i średnich przedsiębiorstw oraz w obszarze Consumer Finance. Ponadto oferuje także szeroki wybór ubezpieczeń: komunikacyjnych, majątkowych oraz życiowych.

Zgodnie z hasłem „100% cyfrowy, 100% ludzki” bank konsekwentnie inwestuje w nowoczesne technologie i ułatwia zdalny dostęp do usług, a przy tym dba także o pracowników i jakość obsługi w bezpośrednim kontakcie. Jednym z obszarów cyfrowej transformacji organizacji jest konsekwentna, prowadzona z użyciem technologii Robotic Process Automation, inteligentna automatyzacja procesów biznesowych, które wybierane są przez pracowników banku z uwzględnieniem potencjału automatyzacyjnego oraz wyliczanych szczegółowo możliwych do osiągnięcia korzyści.

Wyzwanie: automatyzacja wsparcia podejmowania decyzji kredytowych

Decyzje kredytowe podejmowane przez analityków bankowych są uzależnione od wielu czynników. Jednym z nich jest ocena zdolności kredytowej potencjalnego klienta w oparciu o przedstawione przez niego informacje oraz sprawdzenie danych związanych z jego historią kredytową w internetowych rejestrach zawierających informacje o uregulowanych i nieuregulowanych zadłużeniach.

W Crédit Agricole proces podejmowania decyzji kredytowej de facto dzieli się na dwie ścieżki: standardową oraz indywidualną. Część wniosków wprowadzana jest bezpośrednio przez doradców klienta w odpowiednim systemie bankowym. Na podstawie zapisanych tam danych analitycy sprawdzają w wewnętrznych systemach bankowych oraz zewnętrznych rejestrach, m.in. w Krajowym Rejestrze Długów, Biurze Informacji Kredytowej oraz Biurze Informacji Gospodarczej informacje o klientach a następnie agregują je w specjalnie przygotowanych arkuszach kalkulacyjnych. W nich grupowane są wszystkie informacje, wyróżniane kluczowe dane oraz obliczana jest zdolność kredytowa konkretnego klienta. Ostatecznie wykorzystując efekt tych obliczeń analityk podejmuje decyzję o przyznaniu lub odmowie kredytu.

Istnieje również druga ścieżka, którą spływają wnioski kredytowe, to tzw. Indywidualna Ścieżka Akceptacji. Doradcy klienta w oddziałach wysyłają informacje mailem do działu zajmującego się kredytami, którzy przetwarzają taki wniosek wykonując podobne czynności jednak poza sztywnymi ramami systemu informatycznego, które czasem niepotrzebnie blokują podjęcie pozytywnej decyzji.

„Każdego dnia pojawiają się nowe wnioski o różnego rodzaju kredyty: gotówkowe, hipoteczne, konsolidacyjne itp. Każdy trzeba obsłużyć w podobny sposób, zbierając informacje w internetowych bazach danych kredytowych i gospodarczych i wprowadzając je do arkuszy – było to dla analityków sporym obciążeniem” – Katarzyna Strzelecka, dyrektor Biura Akceptacji Kredytów Detalicznych w Credit Agricole.

Dlatego wyspecjalizowany w robotyzacji bankowy zespół specjalistów we współpracy z przedstawicielami zainteresowanych jednostek biznesowych poddał ten proces analizie pod kątem potencjału automatyzacji oraz możliwych do osiągnięcia korzyści. Efekty analizy były obiecujące, dlatego zdecydowano o jego robotyzacji.

Rozwiązanie: automatyzacja weryfikowania danych w systemach wewnętrznych oraz zbierania informacji w zewnętrznych rejestrach przy wykorzystaniu narzędzi RPA

Ze względu na złożoność procesu a także jego znaczenie dla banku, partnerem przy robotyzacji procesu został doświadczony zespół ekspertów Mindbox, mający blisko współpracować z wewnętrznym zespołem Crédit Agricole, w którego skład wchodzili przedstawiciele jednostek biznesowych odpowiedzialnych za proces oraz członek bankowego zespołu RPA, miał on odpowiadać za poprawne włączenie robota w firmowe środowisko inteligentnej automatyzacji.

Część rutynowych czynności analityków przejął robot UiPath. Sprawdza on dane we wniosku, pobiera kluczowe informacje identyfikujące klienta, sprawdza dane w rejestrach, a następnie zapisuje wymagane informacje i agreguje je w arkuszach kalkulacyjnych – np. wprowadza informacje o wysokości i terminowości spłat posiadanych zobowiązań na odpowiednich kartach, weryfikuje zdolność kredytową, przygotowując tym samym materiał do podjęcia decyzji przez analityka.  W przypadku braku informacji o kliencie z jednej lub wielu baz, robot zwraca stosowny komunikat, dzięki czemu analityk wie, które sprawdzenia należy wyjątkowo wykonać manualnie.

Do budowy robota wybrano technologię UiPath. Dodatkowo wykorzystano UiPath Orchestrator, która umożliwia zarządzanie pracą robota oraz generuje raporty na temat jego pracy.

Korzyści: przyspieszenie procesu i uwolnienie analityków od rutynowych, manualnych czynności sprawdzających oraz wprowadzania danych

Robotyzacja części procesu podejmowania decyzji kredytowej to zdecydowane przyspieszenie procesu oraz zmniejszenie obciążenia analityków powtarzalną, manualną pracą polegającą na sprawdzaniu danych we wniosku, w rejestrach i wprowadzaniu ich do arkusza kalkulacyjnego.

„Praca ta zajmowała analitykom od kilku do kilkunastu minut. Może wydawać się to niewiele, jednak jeśli dodamy, że każdego dnia jest do rozpatrzenia setka lub więcej wniosków, minuty zamieniają się w długie godziny dla wielu osób. Robot potrafi się uwinąć z obsługą jednego wniosku w 120 sekund i przekazać analitykowi gotowy już do oceny materiał” – mówi Radosław Repczyński, koordynator RPA w Credit Agricole.

Sam projekt został zrealizowany w ekspresowym wręcz tempie: prace rozpoczęły się w listopadzie i zakończyły po nieco ponad trzech miesiącach w lutym 2021 r. Źródeł szybkiego sukcesu projektu należy przede wszystkim upatrywać w dojrzałości technologicznej banku, wysokiego poziomu świadomości w obszarze RPA oraz dobrego wstępnego przygotowania do rozpoczęcia projektu.

„Stworzenie robotów do obsługi kredytów detalicznych nie byłoby możliwe, gdyby nie zaangażowanie osób pracujących w Biurze Akceptacji Kredytów Detalicznych, które indywidualnie przygotowywały zakres pracy robotów, na bieżąco współpracowały z architektami robotów oraz testowały wprowadzane rozwiązania, tak, aby w jak największym stopniu robot mógł wspierać analityków w codziennej pracy” – wyjaśnia Katarzyna Strzelecka.

Bank nie jest nowicjuszem w obszarze RPA. Robotyzuje i automatyzuje procesy od dłuższego czasu. Szukając partnera do tego projektu miał już gotowe, zmapowane procesy dla robota. Oceniono także opłacalność tego przedsięwzięcia.

„Przedstawiciele banku zaangażowani w projekty rozumieli na czym polegają główne wyzwania robotyzacji i odpowiednio reagowali na kolejne etapy pracy oraz pojawiające się trudności. Początkowe założenia trzeba było nieco zmodyfikować, procesy okazały się nieco bardziej skomplikowane niż początkowo sądzono, jednak dzięki dobrej komunikacji i współpracy, szybko i sprawnie udawało się przełamywać kolejne bariery. Pomagały w tym cotygodniowe spotkania statusowe, podczas których na bieżąco dyskutowano o celach, trudnościach oraz bieżących priorytetach” – mówi Krzysztof Kuczkowski – Team Leader / RPA Developer
IPA Mindbox.

Dobra organizacja pracy obejmowała także aspekt techniczny. Projekt był w 100% prowadzony w środowisku testowym. To przedstawiciele banku odpowiadali później za przeniesienie zatwierdzonego rozwiązania do środowiska produkcyjnego. Eksperci Mindbox nie mieli dostępu do danych wrażliwych klientów. Wszystkie dane w środowisku testowym były zanimizowane. To ułatwiło i przyspieszyło realizację projektu.