Травкин М.А., Шубич Н.М., Иванов Н.А., Мещанинов Д.С. Применение low-code решений для автоматизации обработки и визуализации табличных данных Банка России

Научная статья
УДК 336.71
https://doi.org/10.24158/tipor.2026.5.28
 
Применение low-code решений для автоматизации обработки
и визуализации табличных данных Банка России
 
Михаил Александрович Травкин¹, Николай Михайлович Шубич²,
Никита Андреевич Иванов³, Дмитрий Сергеевич Мещанинов^4
1,2,3,4Финансовый университет при Правительстве Российской Федерации, Москва, Россия
¹travkin.mikhail@bk.ru, https://orcid.org/0009-0004-5467-020X
²2510350@edu.fa.ru, https://orcid.org/0009-0002-0324-4564
³2510346@edu.fa.ru, https://orcid.org/0009-0008-8968-9612
⁴d.meschaninov@mail.ru, https://orcid.org/0000-0001-9538-2504
 
Аннотация. В статье рассматриваются возможности применения low-code решений для автоматизации обработки и визуализации табличных данных Банка России, характеризующих состояние банковского сектора и кредитного рынка. Обоснована актуальность использования инструментов, позволяющих сократить трудоемкость работы с открытыми статистическими данными, повысить воспроизводимость аналитических процедур и снизить зависимость результата от ручных операций. Представлен алгоритм автоматизированного импорта и первичной обработки данных с использованием Power Query и встроенных инструментов Excel, включающий этапы загрузки, преобразования, агрегации и визуализации информации. Показано, что предложенный подход позволяет сформировать воспроизводимый аналитический контур для регулярного мониторинга показателей. Количественная оценка подтвердила прикладную эффективность автоматизации: трудоемкость типового цикла обработки данных сократилась с 45 до 7 минут – 84 % экономии. Сделан вывод о перспективности low-code подхода как инструмента современной аналитической работы с официальной финансовой статистикой.
Ключевые слова: Банк России, банковский сектор, кредитный рынок, табличные данные, открытые данные, автоматизация, визуализация, low-code решения, обработка данных, Power Query, ETL-обработка, аналитические панели, трудоемкость, эффективность автоматизации, цифровые инструменты анализа
Финансирование: инициативная работа.
Для цитирования: Травкин М.А., Шубич Н.М., Иванов Н.А., Мещанинов Д.С. Применение low-code решений для автоматизации обработки и визуализации табличных данных Банка России // Теория и практика общественного развития. 2026. № 5. С. 249–258. https://doi.org/10.24158/tipor.2026.5.28.
 
Original article
 
Low-Code Solutions Using to Automate the Bank of Russia
Tabular Data Processing and Visualization
 
Mikhail A. Travkin¹, Nikolay M. Shubich²,
Nikita A. Ivanov³, Dmitry S. Meshchaninov^4
1,2,3,4Financial University under the Government of the Russian Federation,
Moscow, Russia
¹travkin.mikhail@bk.ru, https://orcid.org/0009-0004-5467-020X
²2510350@edu.fa.ru, https://orcid.org/0009-0002-0324-4564
³2510346@edu.fa.ru, https://orcid.org/0009-0008-8968-9612
⁴d.meschaninov@mail.ru, https://orcid.org/0000-0001-9538-2504
 
Abstract. The article discusses the possibilities of using the low-code solutions to automate the Bank of Russia tabular data processing and its visualization characterizing the state of the banking sector and the credit market. The relevance of using the tools that allow to reduce the labour intensity with open statistical data, increase the analytical procedures reproducibility, and reduce the result dependence on manual operations is substantiated. An algorithm for automated data import and its primary processing using Power Query and built-in Excel tools, which includes the stages of loading, converting, aggregating, and visualizing the information is presented. It is shown that the proposed approach makes it possible to form a reproducible analytical outline for regular monitoring of indicators. The quantitative assessment confirmed the applied efficiency of automation: the labour intensity of a typical data processing cycle has been reduced from 45 to 7 minutes, which corresponds to savings of 84%. The conclusion is made about the prospects of the low-code approach as a tool for modern analytical work with official financial statistics.
Keywords: Bank of Russia, banking sector, credit market, tabular data, open data, automation, visualization, low-code solutions, data processing, Power Query, ETL processing, analytical panels, labour intensity, digital analysis tools
Funding: Independent work.
For citation: Travkin, M.A., Shubich, N.M., Ivanov, N.A. & Meshchaninov, D.S. (2026) Low-Code Solutions Using to Automate the Bank of Russia Tabular Data Processing and Visualization. Theory and Practice of Social Development. (5), 249–258. Available from: doi:10.24158/tipor.2026.5. 28(In Russian).

© Травкин М.А., Шубич Н.М., Иванов Н.А., Мещанинов Д.С., 2026

Список источников:
 
Боднарук М.Р., Боднарук Т.Р. Автоматизация бизнес-процессов как инструмент обеспечения прозрачности финансовых операций // Экономика и бизнес: теория и практика. 2025. № 4 (122). С. 60–64. https://doi.org/10.24412/2411-0450-2025-4-60-64.
Гаврилин А.В. Опыт внедрения и применения цифровых технологий на примере ПАО «Сбербанк» и АО «ТБанк» // Финансовые рынки и банки. 2024. № 11. С. 95–102.
Донецкова О.Ю. Современные тенденции цифровизации банковского бизнеса в России // Финансы: теория и практика. 2025. Т. 29, № 3. С. 179–193. https://doi.org/10.26794/2587-5671-2025-29-3-179-193.
Зверькова Т.Н. Цифровая трансформация региональных банков: роль AI и Open API // Финансы: теория и практика. 2025. Т. 29, № 5. С. 151–163. https://doi.org/10.26794/2587-5671-2025-29-5-151-163.
Комбу Ф.Л., Гиринский А.В. Цифровизация банковского сектора в России // Финансовые рынки и банки. 2025. № 12. С. 232–234.
Маркова О.М., Стародубцева Е.Б. Цифровые технологии в российских банках // Банковское дело. 2025. № 6. С. 53–60.
Никифорова Н.А., Шихов А.А. Анализ применения технологии Business Intelligence в банковской сфере // Вестник Академии знаний. 2024. № 6 (65). С. 596–601.
Особенности получения и использования открытых данных для проведения социально-экономических исследований / А.М. Патрусова [и др.] // Проблемы социально-экономического развития Сибири. 2024. № 2 (56). С. 75–82. https://doi.org/10.18324/2224-1833-2024-2-75-82.
Применение ETL-процессов для автоматизации анализа данных по розничным продажам / М.И. Шикульский [и др.] // Инженерно-строительный вестник Прикаспия. 2022. № 4 (42). C. 108–113. https://doi.org/10.52684/2312-3702-2022-42-4-108-113.
Селютина О.Г. Основные направления цифровой модернизации банковского сектора в России // Образование. Наука. Научные кадры. 2024. № 3. С. 188–190. https://doi.org/10.24412/2073-3305-2024-3-188-190.
Соколова М.А., Зотова А.А. Характеристика современных BI-систем // Финансовые рынки и банки. 2022. № 11. С. 44–48.
Тавбулатова З.К., Батукаева Л.С.-Э. Финтех-трансформация банковского сектора Российской Федерации в условиях технологического суверенитета // Финансы и кредит. 2025. Т. 31, № 10. С. 46–65. https://doi.org/10.24891/eztyen.
Черненков Ф.О. Особенности использования больших данных в финансовом секторе // Вестник университета. 2024. № 7. С. 181–189. https://doi.org/10.26425/1816-4277-2024-7-181-189.
Шкодинский С.В., Жиляков Н.В. Визуализация данных и BI-системы как инструмент повышения качества финансовой аналитики на предприятии // Региональная и отраслевая экономика. 2026. № 1. C. 188–197. https://doi.org/10.47576/29491916.2026.1.1.023.
 
References:
 
Bodnaruk, M.R. & Bodnaruk, T.R. (2025) Automation of Business Processes as a Tool for Ensuring Transparency of Financial Transactions. Economy and Business: Theory and Practice. (4 (122)), 60–64. Available from: doi:10.24412/2411-0450-2025-4-60-64. (In Russian)
Chernenkov, F.O. (2024) Features of the Use of Big Data in the Financial Sector. Vestnik Universiteta. (7), 181–189. Available from: doi:10.26425/1816-4277-2024-7-181-189. (In Russian)
Donetskova, O.Yu. (2025) Current Trends in Digitalization of Banking Business in Russia. Finance: Theory and Practice. 29 (3), 179–193. Available from: doi 10.26794/2587-5671-2025-29-3-179-193. (In Russian)
Gavrilin, A.V. (2024) Experience of Implementation and Application of Digital Technologies on the Example of PJSC Sberbank And JSC “Tbank”. Financial Markets and Banks. (11), 95–102. (In Russian)
Kombu, F.L. & Girinsky, A.V. (2025) Digitalization of the Banking Sector in Russia. Financial Markets and Banks. (12), 232–234. (In Russian)
Markova, O.M. & Starodubceva, E.B. (2025) Cifrovye tehnologii v rossijskih bankah [Digital technologies in Russian banks]. Banking. (6), 53–60. (In Russian)
Nikiforova, N.A. & Shikhov, A.A. (2024) Analysis of the Application of Business Intelligence Technology in the Banking Sector. Vestnik Akademii znanij. (6 (65)), 596–601. (In Russian)
Patrusova, A.M., Bildanov, A.N., Shadrina, A.V., Vakhrusheva, L.C. (2024) Features of Obtaining and Using Open Data for Socio-Economic Research. Issues of Social-Economic Development of Siberia. (2 (56)), 75–82. Available from: doi:10.18324/2224-1833-2024-2-75-82. (In Russian)
Selytina, O.G. (2024) Main Directions of Digital Modernization of the Banking Sector in Russia. Obrazovanie. Nauka. Nauchnye kadry. (3), 188–190. Available from: doi:10.24412/2073-3305-2024-3-188-190. (In Russian)
Shikulskiy, M.I., Medvedeva, O.V., Barkova, V. M. & Pleshakova, L.A. (2022) Application of ETL Processes for Automation of Retail Sales Data Analysis. Inzhenerno-stroitel’nyj vestnik Prikaspiya. (4 (42)), 108–113. Available from: doi:10.52684/2312-3702-2022-42-4-108-113. (In Russian)
Shkodinsky, S.V. & Zhilyakov, N.V (2026) Data Visualization and Business Intelligence Systems as a Tool for Improving the Quality of Financial Analytics At An Enterprise. Regional and Branch Economy. (1), 188–197. Available from: doi:10.47576/29491916.2026.1.1.023. (In Russian)
Sokolova, M.A. & Zotova, A.A. (2022) Characteristics of Modern Bi-Systems. Finansovye rynki i banki. (11), 44–48. (In Russian)
Tavbulatova, Z.K., Batukaeva, L.S.E. (2025) Fintech Transformation of the Russian Banking Sectorin the Context of Technological Sovereignty. Finance and Credit. 31 (10), 46–65. Available from: doi:10.24891/eztyen. (In Russian)
Zverkova, T.N. (2025) Digital Transformation of Regional Banks: The Role of AI and Open API. Finance: Theory and Practice. 29 (5), 151–163. Available from: doi:10.26794/2587-5671-2025-29-5-151-163. (In Russian)