Vállalati hitelportfólió minőségének nyomon követése adatvizualizációs eszközökkel
Elmentve itt :
| Szerző: | |
|---|---|
| További közreműködők: | |
| Dokumentumtípus: | Diplomadolgozat |
| Kulcsszavak: | adatbázis adatok bank hitel - hitelezés hitelmonitoring vizuális modellezés |
| Online Access: | http://dolgozattar.uni-bge.hu/28884 |
MARC
| LEADER | 00000nta a2200000 i 4500 | ||
|---|---|---|---|
| 001 | dolg28884 | ||
| 005 | 20210301132949.0 | ||
| 008 | 210301suuuu hu om 000 hun d | ||
| 040 | |a BGE Dolgozattár Repozitórium |b hun | ||
| 041 | |a hu | ||
| 100 | 1 | |a Harsányi Eszter | |
| 245 | 1 | 0 | |a Vállalati hitelportfólió minőségének nyomon követése adatvizualizációs eszközökkel |c Harsányi Eszter |h [elektronikus dokumentum] |
| 520 | 3 | |a A világban napról napra folyamatosan növekvő adatmennyiségnek köszönhetően egyre nagyobb az érdeklődés és a kereslet az adatelemzéshez kapcsolódó tudományterületek iránt. Dolgozatom két adatvizualizációs eszköz összehasonlítását mutatja be az OTP Bank Nyrt. külföldi leányvállalatainak kibocsátott hitelek kockázati besorolásának alakulása, valamint a vállalati portfólió minőségének nyomon követése kapcsán. Az összehasonlítás alapjául a Microsoft Excelben és a Microsoft Power BI-ban elkészített dashboardok szolgálnak. Elemzésem alapja az OTP Bank Nyrt. adatbázisa, az LRDB (Loan and Risk Database), mely egy multidimenziós (OLAP) adatmodell. Az OLTP rendszerekkel ellentétben az OLAP tárolja a múltbéli adatokat is lehetővé téve az adatelemzést. Az LRDB az OTP Bank elsődleges, egy csatornás adatszolgáltatási rendszere. Kockázatelemzésre az OTP Bank a Korai Figyelmeztető Rendszert (EWS) alkalmazza, mely a figyelmeztető jelek előre definiált, strukturált rendszere. Az EWS feladata, hogy támogassa az ügyfél kockázati besorolását. A használt ügyfélkockázati státuszok (CRS) a következők: Normal, WL1, WL2, WL3, WO. A CRS kategóriák közül a Normal és a WL1 az IFRS 9 szerinti besorolás alapján a Stage 1 kategóriába, a WL2 a Stage 2 kategóriába, míg a WL3 és WO a Stage 3 kategóriába tartozik. A leánybankok hatékonyságának vizsgálatára kétféle módszer is alkalmazható, az egyik CRS-alapú, a másik pedig Stage-alapú. Fontos megjegyezni, hogy a CRS ügyfélszinten, a Stage pedig ügylet/tranzakciószinten kategorizál. A Predictivity, Efficiency, Recovery és Deterioration mutatók mindig 2 időszak összehasonlításából adódnak. Dolgozatomban a YYYY Qn-1-ről Qn-re történt változásokat elemeztem. Dolgozatomban azt vizsgáltam, hogy a kulcs kockázati mutatók hogyan és milyen hatékonysággal mutathatók be vizuálisan mind a MS Excel-ben, mind a MS Power BI-ban. Összességében véleményem szerint a Power BI profibb, látványosabb és mélyebb elemzések elvégzésére képes, ha az illető rászánja az időt a rendszer kiismerésére, de ennek ellenére úgy gondolom, hogy egyelőre nem alkalmas az Excel teljes mértékű kiváltására. Amíg szinte minden adat Excel táblákban szerepel egy vállalat működésében, addig egyértelműen a legkézenfekvőbb megoldás helyben elvégezni a kimutatások, diagramok elkészítését. Véleményem szerint a két eszköz tökéletesen kiegészíti egymást, így a két szoftver ötvözését javasolnám egy komplex, mindent átfogó kimutatás készítéséhez. | |
| 695 | |a adatbázis | ||
| 695 | |a adatok | ||
| 695 | |a bank | ||
| 695 | |a hitel - hitelezés | ||
| 695 | |a hitelmonitoring | ||
| 695 | |a vizuális modellezés | ||
| 700 | 1 | |a Dobák Dr. Dóra |e ths | |
| 700 | 1 | |a Matus Dániel |e ths | |
| 856 | 4 | 0 | |u http://dolgozattar.uni-bge.hu/28884/1/Szakdolgozat_Hars%C3%A1nyi%20Eszter_SJR80R.pdf |z Dokumentum-elérés |
| 856 | 4 | 0 | |u http://dolgozattar.uni-bge.hu/28884/2/Hars%C3%A1nyi%20Eszter_Titkos%C3%ADt%C3%A1si-k%C3%A9relem-2020.pdf |z Dokumentum-elérés |
| 856 | 4 | 0 | |u http://dolgozattar.uni-bge.hu/28884/3/BA_TO_Hars%C3%A1nyi_Eszter_SJR80R.pdf |z Dokumentum-elérés |