Monthly Archives: Апрель, 2018

Система рейтингования и улучшения качества услуг_Q_Rating

Экосистема рейтингования и улучшения качества услуг: новые возможности для оценки рисков

Апрель 16th, 2018 Posted by Uncategorized 0 thoughts on “Экосистема рейтингования и улучшения качества услуг: новые возможности для оценки рисков”

В статье (Риск-менеджмент в кредитной организации, №2 2018, готовится в выпуску) рассматривается возможность внедрения в банковскую практику источников прогнозной информации, предусмотренных стандартом, из цифровых экосистем на примере экосистемы рейтингования и улучшения качества медицинских услуг.

Юрий СОКОЛОВ, Skyline Risk Solutions, генеральный директор, МВА

Сергей КУЗНЕЦОВ, РОО «Стоматологи Столицы», президент, профессор, д.м.н.

Очередной виток американских санкций в отношении фигурантов «кремлевского списка» стал причиной не только резкого падения стоимости акций многих российских компаний, но и резкого снижения курса национальной валюты. Перед финансовыми институтами возникают сразу два вопроса:

1) как изменение рыночной среды повлияет на профиль рисков кредитных портфелей?

2) каким образом изменение профиля риска отразится на прибыли финансовых институтов с учетом внедрения нового МСФО (IFRS) 9 «Финансовые инструменты»?

Влияние валютного курса на экономику — хорошо известное явление: отклонения обменного курса от среднесрочного равновесного курса имеют противоположное влияние на экономических агентов (балансовые эффекты, динамическая голландская болезнь).  Сегодня не возникает сомнений в том, что в условиях возможной девальвации рубля банки заинтересованы не столько в определении уровня риска исходя из статистики, сколько в определении степени воздействия FX-фактора на кредитоспособность заемщиков. Это является целью причинно-следственного анализа (сausal analysis), где наиболее адекватным может быть вопрос: «Насколько изменится уровень кредитоспособности заемщика в результате его адаптации к новым рыночным условиям?»

Так, из-за ослабления рубля некоторые импортеры (кредитные портфели IF-типа) могут столкнуться с трудностями при обслуживании дорожающих в рублевом выражении долгов, а организации с высокой долей импортного оборудования и материалов, например стоматологические организации, могут столкнуться с необходимостью выбора между снижением рентабельности и повышением цен с последующим снижением спроса.

Sokolov Y. (2009). Interaction between market and credit risk: Focus on the endogeneity of aggregate risk

Одним из решений для определения источников прогнозной информации, отвечающих требованиям МСФО (IFRS) 9, может являться информация цифровых экосистем, в которых отраслевые границы (например, финансы–здравоохранение) размываются, а качество сотрудничества между организациями и клиентами переходит на принципиально новый уровень.

Говоря о прогнозной информации и опережающих показателях, необходимо отметить, что по аналогии с банками[1] медицинские организации все чаще включают в число контрольных показателей индекс потребительской лояльности (Net Promoter Score — NPS).

В рамках экосистемы рейтингования и улучшения качества услуг Q-Rating компанией SRS совместно с ассоциацией РОО «Стоматологи Столицы — СтАР» (РООСС) сформирован ряд решений для клиник и пациентов по предоставлению максимально объективной информации о качестве медицинских услуг на основе обратной связи с пациентами

Ранее на примере финансовых институтов было показано, что острота поведенческих реакций клиентов определяется степенью их лояльности к организации. См.: Соколов Ю., Моря О. Лояльность клиентов как фактор риска // Риск-менеджмент в кредитной организации. 2014. № 1.

В связи с тем что ключевым риском медицинской организации является риск удовлетворенности (лояльности) пациентов, с которым тесно связаны показатели экономической и медицинской эффективности клиники, в центре экосистемы расположена система управления возможностями и рисками, разработанная на основе ISO 31000:2009 (AS/NZS 2009) и лучшей мировой практики управления рисками.

Система Аудита Лояльности _Модуль МСФО_блог

Оценка риска удовлетворенности клиентов должна представлять собой единую систему элементов, их свойств и характеристик. Системный подход с использованием системы аудита лояльности позволяет решить проблему определения структуры показателей удовлетворенности клиентов. Такая структура в свою очередь является основой для агрегирования ряда неоднородных показателей в интегральный индекс удовлетворенности и далее в матрицу рисков организации.

Система аудита лояльности клиентов является ключевым решением экосистемы. В основе системы аудита лояльности лежит механизм оценки влияния аспектов удовлетворенности клиентов на достигнутые организацией результаты.

Авторы статьи надеются, что уже в ближайшем будущем участниками цифровой экосистемы станут финансовые институты, заинтересованные в получении информации, в том числе прогнозной, о работе медицинских организаций — участников экосистемы. Учитывая высокие требования банковских процессов к входным данным, а также требования МСФО (IFRS) 9 обосновать, почему банк принимает те или иные допущения для расчета кредитного риска и с использованием каких моделей он применяет прогнозируемые отраслевые, рыночные или иные показатели, использование данных описанной экосистемы может быть отличным решением для расширения источников прогнозной информации.

Q_SRS black 3

Экосистема Q-Rating:

Программы лояльности и привилегий
Управление  возможностями и рисками

 

 © Q-Rating, 2018