A espinha dorsal invisível do setor bancário: um mergulho profundo na correspondência e na reconciliação

Last year I celebrated two decades of immersion in IT, specifically within the Financial Services sector. During this period I have been a witness to remarkable transformations in banking and technology. The emergence of Fintech companies and their customer-centric
approach, along with significant advancements in software engineering like Agile methodologies, microservices, and cloud computing, have reshaped the landscape. Yet, intriguingly, the back-office operations of many financial service companies have remained
relatively static over these years, still grappling with codificação manual, tarefas repetitivas e grande dependência do Excel.

Um processo particularmente manual e ainda assim automatizável no sector dos Serviços Financeiros é correspondência e reconciliação. This process arises in various forms, i.e. from identifying and addressing discrepancies (typically occurring due to issues
or gaps with the integrations) in master-slave integrations to correcting or removing duplicates and semi-automated updates of operational systems with data from external sources.

Apesar da disponibilidade software sofisticado (e.g. FIS IntelliMatch, Calypso Confirmation Matching, Misys CMS, Temenos T24 Confirmation Matching…​) for specific reconciliation tasks, such as payment and trade confirmation matching
(often based on SWIFT messages), the a maioria das tarefas correspondentes geralmente depende de soluções personalizadas ou manuais, including Excel or even paper-based methods. Very often automation is also not pertinent, as matching is often involved in one-time actions
like marketing campaigns, data clean-ups, alignment with partners…​

Compreender uma melhor reconciliação requer dissecando seus componentes, Isto é,

• Começa com coletando e transformando os conjuntos de dados díspares para comparabilidade. This consists of recuperating 2 data sets, which can be delivered in different formats, different structures, different scopes and with different names
  or enumerations. The data needs to be transformed to make them comparable and loaded into the same tool (e.g. a database or Excel), so that they can be easily compared.

• O próximo passo é definir um algoritmo de correspondência precisa. This can be a simple unique key, but it can also a combination of multiple attributes (composite key), a hierarchical rule (i.e. match first on key 1, if no match try on key 2…​) or
  a fuzzy rule (if key of data set 1 resembles key of data set 2 it is a match). Defining this matching algorithm can be very complex, but it is crucial in the ability to automate the matching and reach a good output quality.

• Uma vez definido o algoritmo de correspondência, entramos no fase de comparação. For small data sets, this can be done quite simple, but for very large data sets, it can necessitate all kinds of performance optimizations (like indices, segmentation,
  parallelism…​) in order to execute the comparison in a reasonable time.

• Finalmente, as discrepâncias identificadas devem ser traduzidas em resultados acionáveis, como relatórios, comunicações a colegas ou terceiros ou ações corretivas (por exemplo, geração de arquivos, mensagens ou instruções SQL para corrigir as diferenças).

As complexidades da correspondência em serviços financeiros são diversas. Deixe-nos explorar alguns casos de uso típicos no cenário dos serviços financeiros:

• A maioria dos bancos tem um Arquivo mestre de títulos, describing all securities which are in position or can be traded at the bank. This file needs to be integrated with a lot of applications, but also needs to be fed by multiple data sources, like
  Telekurs, Reuters, Bloomberg, Moody’s…​ This means a security needs to be uniquely matched. Unfortunately, there is not 1 unique identifier describing all securities. Publicly traded instruments have a commonly agreed ISIN code, but private and OTC products
  like e.g. most derivatives usually do not. Banks have therefore invented internal identifiers, use fake ISIN codes (typically starting with an “X”) or use composite keys to uniquely identify the instrument (e.g. for a derivative this can be combination of
  ticker of underlying security, strike price, option type and expiration date).

• Na banca de retalho é obviamente essencial identificar e combinar exclusivamente uma pessoa física específica. However even in a developed country like Belgium, this is easier said than done. Every individual in Belgium has a National Register Number,
  so this seems the obvious choice for a matching key. Unfortunately, Belgian laws restrict the usage of this number to specific use cases. Additionally this identifier is not existing for foreigners and can change over time (e.g. foreign residents receive first
  a temporary National Register number which can change to a definitive, other one later or in case of gender change the National Register Number will change as well). Another option is to use the identity card number, but this is also different for foreigners
  and will change every 10 years. Many banks therefore use more complex rules, like a matching based on first name, last name and birth date, but obviously this comes also with all kinds of issues, like duplicates, spelling differences and errors in the names,
  use of special characters in the names…​

• Um problema muito semelhante é correspondendo a uma empresa ou mais especificamente a uma loja. In Belgium, each company has a company number, which is similar to the VAT number (without the “BE” prefix), but this is again very national and 1 VAT number can
  have multiple locations (e.g. multiple stores). There exists a concept of a “branch number” (“vestigingsnummer” in Dutch), but this concept is not very well known and rarely used. Similar there exists the LEI code (Legal Entity Identifier) which is a code
  of a combination of 20 letters and codes, which uniquely identifies a company worldwide. Unfortunately, only large companies have requested a LEI code, so for smaller companies this is not really an option.
  Again more complex matchings are often done, like a combination of VAT number, postal code and house number, but obviously this is far from being ideal. In search for a unique and commonly known identifier, the Google ID becomes also more and more in use, but
  the dependency with a commercial company might also poses a big operational risk.

• Outro caso interessante é o correspondência de uma autorização e a mensagem de compensação em um pagamento com cartão VISA. Normally a unique identifier should match both messages, but due to all kinds of exception cases (e.g. offline authorizations or
  incremental authorizations), this will not always be correct. Therefore a more complex rule is required, looking at several identifiers, but also to other matching criteria like acquirer ID, merchant ID, terminal ID, PAN (card number), timestamp and/or amount.
  Este tipo de correspondência também se aplica a outros casos de uso de pagamento, como, por exemplo, combinar uma conclusão de pré-autorização com sua pré-autorização anterior ou um reembolso com uma compra anterior.

• Um caso de uso financeiro que diz respeito a quase todos os negócios é fatura e correspondência de pagamento. When a company issues an invoice, it needs to be able to see when the invoice can be considered as paid. This is important for the accounting, but also
  to see if reminders for unpaid invoices should be sent out.
  To uniquely match the payment with the invoice, in Belgium typically a structured comment is used in the payment instruction. This unique code with check digit provides a unique matching reference. Unfortunately, customers often forget to put the structured
  comment or use the wrong one (e.g. copy/paste of a previous invoice). This means a company needs to have a fallback matching rule in case the unstructured comment is missing or wrong. Typically a combination of payment amount, payment date, IBAN of counterparty
  and/or name of counterparty can give an alternative way to match those invoices.

Como você pode ver, a correspondência está longe de ser fácil, mas compreender as etapas básicas pode ajudar em melhores correspondências. Entretanto, apesar das suas limitações, o Excel continua a ser uma ferramenta poderosa para correspondência (manual). Portanto um quick reminder for everyone who wants
to do matching in Excel:

• Use VLOOKUP para realizar a correspondência. VLOOKUP tem, no entanto, certas limitações, como o facto de dar um erro se não houver correspondência e de só poder pesquisar na primeira coluna. Uma alternativa poderosa é usar XLOOKUP, o qual
  does not have these limitations.

• Se você precisa de um chave de pesquisa composta, adicione uma coluna em seu conjunto de dados de pesquisa, com a chave de pesquisa composta (ou seja, concatene os diferentes atributos, por exemplo, “#” como separador) e, em seguida, use VLOOKUP/XLOOKUP para pesquisar nesta nova coluna.

• Alguns pontos de atenção ao usar PROCV:

  • Não se esqueça de adicionar “falso” como último argumento da função VLOOKUP para garantir uma correspondência exata.

  • Ensure that data formats are the same. E.g. a number “123” and the text “123” will not match, so it is important to convert them to the same format first. Idem for identifiers starting with leading 0’s. Often Excel will convert those to numbers, thus removing
    the leading 0’s and not resulting in a match.

  • Não use conjuntos de dados com mais de 100.000 linhas no Excel. Conjuntos de dados maiores são problemáticos para o desempenho e a estabilidade do Excel.
    Também pode ser interessante colocar o modo de cálculo em “Manual” se você estiver trabalhando com VLOOKUP em grandes conjuntos de dados, caso contrário o Excel recalculará todos os VLOOKUPs cada vez que você fizer uma pequena alteração nos dados.

  • VLOOKUP possui o número da coluna para retornar como terceiro argumento. Este número não é adaptado dinamicamente ao adicionar ou remover colunas, portanto lembre-se de adaptar ao adicionar ou remover colunas.

  • Se você deseja apenas uma correspondência, pode usar a fórmula “=IF(ISERROR(VLOOKUP(,,1,false),,”NO MATCH”,”MATCH”)”

Esses truques podem ajudar a acelere suas correspondências manuais, mas obviamente a automação real é sempre melhor.

A correspondência nos serviços financeiros é uma desafio multifacetado, but understanding its fundamental steps is key to improving outcomes. While tools like Excel offer temporary solutions, the future lies in intelligent automation, which can significantly
streamline these processes. For those seeking to delve deeper into matching complexities or automation, leveraging advanced tools and platforms, including AI-driven solutions like ChatGPT, can provide both insights and practical solutions.

Confira todos os meus blogs no https://bankloch.blogspot.com/

• Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
• PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
• PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
• PlatãoESG. Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
• PlatoHealth. Inteligência em Biotecnologia e Ensaios Clínicos. Acesse aqui.
• Fonte: https://www.finextra.com/blogposting/25297/the-unseen-backbone-of-banking-a-deep-dive-into-matching-and-reconciliation?utm_medium=rssfinextra&utm_source=finextrablogs