Ксения Бубаня

Старший специалист, прошла стажировку Sberseasons|24 года
Москва
«В Сбербанке образование поощряется»

— Твоя позиция звучит непонятно: старший специалист управления инструментов и моделей в блоке «Риски». Хочется разобраться, что всё это значит. Для начала расскажи, чем занимается конкретно блок «Риски»?

 

— Блок «Риски» занимается риск-менеджментом и предиктивной аналитикой. Задача блока — на основе имеющейся информации о наших клиентах спрогнозировать, как с ними будут развиваться отношения у банка. Проще говоря, клиент просит денег у банка — окажется ли он добросовестным заёмщиком? И если всё-таки скоринговые системы ошиблись и он деньги не вернул — есть ли вероятность, что у него заберут хотя бы часть долга? Или, например, компания обанкротилась и решила обратиться в какой-нибудь лондонский суд, где час работы адвоката стоит очень дорого. Банку может оказаться дешевле списать этот долг и забыть о нём, чем тратиться на разбирательство. Наша задача — правильно классифицировать всех заёмщиков и спрогнозировать вероятности разных исходов. Потому что главный драйвер в прибыли любого банка — минимизация затрат на обслуживание риска.

— А что значит «управление инструментов и моделей»?

 

— Мы, data scientists, занимаемся моделированием. Мы это делаем методами машинного обучения, строя модели. Дело в том, что у банка есть такое понятие, как аппетит к риску. Банк может брать на себя больше рисков и получать от этого больше выгоды, но и потери возрастут. А может брать меньше рисков. С одной стороны, кажется, что лучше быть более консервативным — клиенты банку будут больше доверять. Но, с другой стороны, это означает, что банк где-то не получит свою выгоду, хотя мог бы рискнуть и выиграть. Прежде Сбербанк был консервативным, но сегодня приоритет у блока «Риски» — это поиск золотой середины между консервативностью и аппетитом к риску.

 

Мы занимаемся разработкой моделей, которые ищут дополнительные возможности там, где раньше считалось, что вкладываться слишком рискованно. Для этого мы должны усложнять алгоритмы, делать их более точными — но усложнять не слишком сильно.

Почему?

— Логика, которая выдаётся машиной, должна быть легко интерпретируема людьми. Мы должны быть в состоянии объяснить бизнес-партнёру, почему мы соглашаемся или отказываем ему в том или ином случае. Поэтому в банковских рисках пока что не используются нейронные сети — с ними сложно объяснить, в чём логика, ты просто полагаешься на ответ программы. Но мы не можем прийти к клиенту и, воздев руки к небу, сказать: «Так повелела машина!»

— А лично ты чем сейчас занимаешься?

 

— Я занимаюсь прогнозированием вероятности дефолта субъектов Российской Федерации. Модели предсказания отличаются для физических лиц, индивидуальных предпринимателей, крупных корпораций и так далее. А есть целые города, которые занимают деньги у Сбербанка. Мне нужно понять, какова их инвестиционная привлекательность и насколько рискованно давать им деньги.

Сложность задачи в том, что субъекты РФ — это такой вид юридических лиц, у которых формально никогда в истории не было дефолтов: государство всегда покрывает субсидиями дефицит бюджета. Но есть города, у которых вообще долгов нет, а есть муниципалитеты, задолжавшие десятки миллиардов. И чтобы дать им оценку в нашей модели и правильно их рейтинговать, нам надо как-то посчитать вероятность дефолта. Поскольку проект в большой степени состоит из открытых данных, я смогла по нему защитить магистерскую диссертацию в РЭА им. Плеханова.

— Как устроена твоя работа?

 

Мы работаем в Agile Home. Это методология управления человеческими ресурсами. Мы работаем в опенспейсах — здесь нет кабинетов, все руководители подразделений и департаментов сидят рядом друг с другом. Мы всегда можем подойти к любому, спросить совета. Структура и иерархия максимально упрощены и сделаны горизонтальными. Люди разделены не на отделы, а на так называемые трайбы — племена. Тотема у нас, конечно, нет, но надо будет какой-нибудь бубен повесить. Звучит смешно, но на самом деле это очень комфортная среда. В каждой команде по 3–15 человек, и команда решает конкретную задачу. Если мне перестанет нравиться то, чем я занимаюсь, я всегда могу попроситься в другой трайб на другую задачу. Мне не придётся при этом заполнять кучу бумажек и переводиться через HR-отдел.

Раньше, если, например, валидаторы нашли ошибку в нашей модели, они должны были сообщить своему начальнику, их начальник должен был сказать нашему, и наш начальник уже должен был грозить нам пальчиком: «Ай-ай-ай». В новой системе вместо этого валидаторы просто смотрят, кто был в рабочей группе, и напрямую отправляют нам письмо, мол, исправляйте. Всё происходит быстро и без лишней волокиты.

У нас очень классно организовано рабочее время. Если ты пришёл в девять, уходишь в шесть. Если пришёл к десяти, уходишь в семь. HR-отдел понимает, что мы живём в мегаполисе, в котором бывают пробки, причём даже в метро. Мы все сидим в одном помещении, поэтому тут невозможно читерить. Нас не загоняют здесь до полусмерти, все понимают, что ты модель ставишь просчитываться — и образуется свободное время, нет смысла просто сидеть, гипнотизировать экран.

— Тебе 24 года, и ты уже старший специалист. У вас там все такие молодые?

 

— Я недавно встретила коллегу, которая была у нас в Москве в командировке. Мы с ней разговорились в столовой, и она призналась, что каждый раз удивляется, когда бывает в центральном аппарате, что все такие молодые.

В некоторых регионах из-за этого центральный аппарат считают зелёными, ничего не знающими. Мол, песочница какая-то. На самом деле объясняется всё просто. В блоке «Риски» основной возраст людей — от двадцати пяти до тридцати, потому что наше направление разработок в принципе новое. Интегрированный риск-менеджмент — это понятие, которое появилось недавно, как и многие методы машинного обучения. Да что уж говорить, наш выпуск по бизнес-информатике — первый в РЭУ. Факультеты data science только-только начали появляться в топовых вузах. Поэтому в нашем случае опыт работы не играет роли — его просто неоткуда взять.

Если людям постарше сказать, что я работаю в Сбербанке, они не понимают, в каком смысле — где-то в отделении за стойкой сижу? Но если говоришь кому-то помоложе, реакция — «вау, круто!». Сейчас студенты хотят работать в Сбербанке, потому что здесь применяются наиболее современные методы в области data science и машинного обучения. Сбербанк очень много вкладывает в развитие престижа как data-driven company. Реакция экзаменационной комиссии на защите моей магистерской диссертации была — ничего себе у вас студенты!

— Ты попала на работу после стажировки Sberseasons. Как она устроена?

— Стажировки Сбербанка направлены на то, чтобы отлавливать новых сотрудников среди студентов. Sberseasons доступна студентам очного отделения и аспирантам и длится два месяца. Если в отделе есть ставка, можно продлить на третий месяц. Чаще всего это тридцатичасовая рабочая неделя. В отличие от стажировок в других компаниях, она хорошо оплачивается, стажёры действительно работают над проектами, а не служат мальчиками на побегушках. Для того чтобы попасть на стажировку, нужно корректно заполнить резюме и точно указать, что вам нравится. Есть смысл указать все проекты, пускай даже студенческие курсовые работы, которые так или иначе связаны с банкингом. Я очень рекомендую ребятам, которые придут на стажировку, писать здесь дипломы или курсовые. Тут за два месяца это реально.

— Что для тебя важно в работе?

— Мне важно, что здесь можно сочетать учёбу и работу. У нас во время магистратуры и защиты дипломов очень многие ребята жаловались, что их работодатели негативно относятся к тому, что они постоянно бегают в универ. В Сбербанке образование поощряется. Практически все сотрудники имеют какую-то научную степень. Мой начальник, кандидат экономических наук, сам недавно защитил диссертацию и преподает в вузе. Офисный планктон — это, пожалуй, последнее, что можно подумать про сотрудников центрального аппарата. Эти люди не похожи на планктон. Такого количества научных сотрудников в одном месте вы больше нигде не встретите.

Понравилась статья?

Отправь ссылку другу

Задать вопрос
Задать вопрос












Другие истории успеха

Дарья Панфилова
Руководитель направления в управлении корпоративных данных
Москва

«Данные — это новая нефть»

Алексей Леванов
Разработчик «Сбербанк Онлайн»
Москва

«В разработке нельзя дойти до совершенства»

Андрей Бакаленко
Руководитель проектов
Москва

«Сбер — это один из самых классных работодателей в России»

Лилия Алексеева
Исполнительный директор
Москва

«В Сбербанке нормально относятся к тому, что сотрудник хочет радикально сменить сферу деятельности: если опытный работник хочет меняться и развиваться, лучше, чтобы его знания оставались в компании, а не уплывали вовне »

Светлана Сучкова
Главный экономист казначейства
Москва

«Лично я отвечаю за то, чтобы вся группа Сбербанка до шести часов вечера получила процентные ставки в восьми валютах по своим продуктам на следующий рабочий день. Это должно быть сделано во что бы то ни стало: пожар, наводнение, падают серверы, не работают диски — всё это не важно»