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

16 апреля, 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.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *

Свежие комментарии

    chat 2

    Экосистема Q-rating:

    Экосистема Q-Rating:

    SmileCard - программы привилегий
    Конференция "От рисков к возможностям - 2020"  

     

     © Q-Rating, 2012- 2020