Správně vypočítaný součet ještě neznamená správný report. Částky mohou navzájem souhlasit a přitom popisovat jiné období, neúplné portfolio nebo odlišný význam položky. Při ověřování bych proto nezačínala otázkou, zda tabulka vypadá věrohodně. Nejprve bych chtěla vědět, jaké rozhodnutí podporuje, co přesně měří a vůči čemu lze její obsah nezávisle porovnat. Teprve potom má smysl řešit jednotlivé výpočty.
V bankovním prostředí se tato otázka týká nejen technické kvality dat. Ovlivňuje, zda odborný útvar vidí skutečnou expozici, zda vedení rozumí koncentraci a zda lze vysvětlit změnu oproti minulému období. Analytik nemusí sám rozhodovat o přijatelnosti úvěrového rizika. Může však významně pomoci tím, že jasně oddělí ověřenou informaci od odhadu a doloží, jak výstup vznikl.
Skutečný případ: Citigroup, Spojené státy, červenec 2024
Federal Reserve 10. července 2024 oznámil pokutu 60,6 milionu USD pro Citigroup. Uvedl nedostatečný postup při nápravě řízení datové kvality a chybějící kompenzační kontroly navazující na opatření z roku 2020. Nejde o důkaz chyby jednoho konkrétního reportu. Případ ukazuje dohledově doložený problém širšího kontrolního rámce.
Pro mě je podstatná právě tato hranice interpretace. Z tiskové zprávy nelze vyvozovat, který konkrétní sloupec byl chybný nebo jaký software měla banka zavést. Lze si ale položit vlastní analytickou otázku: pokud víme o slabině zdrojového procesu, jak zabráníme tomu, aby příjemce reportu považoval neověřený výstup za spolehlivý? Následující postup je moje navržená odpověď, nikoli popis interního řešení Citigroup.
Co bych chtěla znát ještě před kontrolou
Vyžádala bych si definici ukazatele včetně rozhodného data, měny, jednotky a vymezení zahrnutých klientů. Rozdíl mezi čerpanou částkou a schváleným limitem není drobnost, kterou vyřeší přejmenování záhlaví. Stejně tak údaj za skupinu nelze bez vysvětlení porovnávat s údajem za jedinou právnickou osobu. U každé definice bych hledala vlastníka, schválenou verzi a datum účinnosti.
Dále bych prošla datovou cestu. Potřebuji rozumět zdrojům, převodům měn, spojování tabulek, zacházení se zrušenými smlouvami i ručním úpravám. Neznamená to popsat každý technický detail celé banky. Začala bych kritickými údaji, jejichž chyba může změnit rozhodnutí, a k nim dohledala nezbytné přechody. U nejasného kroku bych zaznamenala konkrétní otázku místo předpokladu, že se data určitě zpracovala správně.
Modelový příklad: shodný celek skrývá rozdíl
Představme si dvě sestavy se součtem 100 milionů Kč. V nové sestavě chybí klientská skupina za pět milionů a jiná skupina je o stejnou částku zahrnuta dvakrát. Celkový rozdíl je nula, ale informace o složení portfolia je chybná. Jde o hypotetickou ukázku; čísla nejsou převzata z konkrétní instituce ani z uvedené dohledové události.
Kontrola celkového součtu by prošla. Kontrola počtu jedinečných smluv by mohla rozdíl odhalit, ale nemusí, pokud chybějící a duplicitní skupina obsahují stejný počet smluv. Proto bych kombinovala porovnání identifikátorů, částek a členění. Vznikl by seznam chybějících, nadbytečných a změněných záznamů. Zvlášť bych sledovala, zda se nezměnila pravidla seskupení klientů, protože právě tam se může přesnost celku oddělit od přesnosti jednotlivých kategorií.
Potom bych vybrala několik dohledatelných smluv a prošla je od zdroje k agregaci. Cílem není ručně ověřit všechny hodnoty, ale najít první místo, kde se skutečnost liší od očekávání. Pokud je příčinou vazba jedna ku více, pouhé odstranění duplicit až ve výsledném reportu může zakrýt chybu. Ověřila bych tedy také jiné výstupy využívající stejné spojení a zkontrolovala, zda oprava nevyřadila oprávněné záznamy.
Jak bych rozdělila kontrolu a odpovědnost
Odborný vlastník by měl potvrdit význam a rozsah reportu. Datový nebo IT tým by vysvětlil zdroje a transformační pravidla. Svou roli bych viděla v přesném zachycení rozdílů, reprodukovatelné kontrole a propojení obou pohledů. Když se odborníci neshodnou na definici, neoznačovala bych to předčasně za programovou chybu. Nejprve je potřeba vyřešit očekávání, vůči němuž se bude výsledek ověřovat.
Každé zjištění bych popsala pomocí podmínky, očekávání, skutečnosti, důkazu a možného dopadu. „Report je chybný“ nepomůže rozhodnout, zda zastavit jeho použití. Konkrétní informace, že vybraná skupina obsahuje dvakrát stejných dvacet smluv, už umožní zaměřit prověření. Možný dopad bych označila jako předběžný, dokud není ověřen rozsah, a zapsala, kdo jej má odborně posoudit.
Co dělat do doby opravy
Pokud je report potřebný dříve než definitivní náprava, navrhla bych dočasný kontrolní režim. Může zahrnout nezávislé odsouhlasení kritických položek, zveřejnění omezení příjemci nebo vyřazení konkrétního ukazatele z rozhodování. Výběr závisí na významnosti a účelu; nelze jej nahradit univerzální tolerancí. Dočasná kontrola potřebuje vlastníka, četnost, důkaz provedení a konec platnosti. Jinak se z nouzového řešení snadno stane neviditelná součást procesu.
U opravy bych chtěla opakovat stejnou kontrolu se zachovanými vstupy a poté prověřit nové období. Úspěch nad jedním vzorkem dokládá jen tento vzorek. Vhodně zvolená automatická kontrola by měla sledovat i další běhy a výjimky předávat konkrétnímu člověku. Měřila bych čas od zjištění k vysvětlení a množství opakovaných odchylek, nikoli pouze počet vytvořených validačních pravidel.
Jak poznat, že kontrola opravdu pomáhá
Užitečnou zkouškou by pro mě byla situace, kdy původní autor není přítomen. Dokáže kolega podle záznamu sestavit stejnou populaci, vybrat stejný okamžik a získat stejný rozdíl? Pokud potřebuje telefonicky doplnit nezdokumentované filtry, postup ještě není dostatečně předatelný. Do pracovního podkladu bych proto přidala názvy vstupů, použitá kritéria a vysvětlení oprávněných výjimek. Citlivé údaje bych sdílela pouze v nezbytném rozsahu a odpovídajícím interním prostředí, nikoli v běžně dostupném příkladu.
Zvláštní pozornost bych věnovala změnám významu. Nová verze reportu může záměrně zahrnout jinou skupinu smluv. Pak není správným cílem mechanicky vynutit shodu se starou verzí. Potřebuji vytvořit převodový můstek: jakou část rozdílu vysvětluje schválená změna, jakou nové obchody a jakou neobjasněná odchylka. Takové rozdělení usnadní odborné posouzení a zabrání tomu, aby kontrola brzdila oprávněnou změnu jen kvůli historickému očekávání.
Za důležité považuji také rozlišit chybu vstupu a chybu kontroly. Někdy výjimku vyvolá zastaralé pravidlo, které nezná nový produkt. Nechtěla bych automaticky opravovat správná data, aby se přizpůsobila chybnému testu. Každý nález bych proto ověřila proti schválenému významu a zaznamenala, zda se mění data, implementace nebo samotná kontrolní podmínka. Součástí nápravy je i rozhodnutí, kdo bude pravidlo udržovat při příští změně produktu nebo metodiky.
Shrnutí a doporučení
Důvěryhodnost reportu stojí na významu, úplnosti, dohledatelnosti a prokazatelné kontrole, ne na vzhledu tabulky. Doporučila bych začít jedním rozhodnutím a jedním kritickým ukazatelem, sjednotit definici a projít jeho cestu. Kombinovat celkové odsouhlasení s kontrolou jednotlivých záznamů, uvádět známá omezení a u každé nápravy požadovat ověření účinnosti. Přínosem analytika je především výstup, který další člověk dokáže pochopit, zpochybnit a zopakovat.
Kontrola po zveřejnění
Ani po schválení reportu práce nekončí. Navrhuji uchovávat seznam následných oprav a pravidelně jej porovnávat s původními kontrolními body. Pokud stejné vysvětlení chybí několik měsíců, není vhodné pokaždé přidat další ruční komentář. Vlastník dat a vlastník metodiky by měli společně rozhodnout, zda změnit vstup, transformační pravidlo nebo způsob prezentace. Tento postup pomáhá rozlišit jednorázovou opravu od opakující se slabiny procesu.