Datenintegration im Finanzwesen
Die vier Säulen der Datenintegrität
Datenintegrität ermöglicht Unternehmen schnelle und sichere Entscheidungen auf der Grundlage zuverlässiger Daten. Für Finanzdienstleister ist die Erkenntnis, dass Daten ein strategischer Unternehmenswert sind, der erste Schritt zur Schaffung klarer Rahmenbedingungen.
Der Artikel liefert unter anderem Antworten auf folgende Fragen:
- Warum ist für Finanzunternehmen eine datengesteuerte Entscheidungsfindung von Vorteil?
- Inwiefern können Daten einen strategischen Unternehmenswert bilden?
- Was sind die vier Säulen der Datenintegrität und wie lassen sich diese umsetzen?
Covid-19 hat die Digitale Transformation im Finanzdienstleistungssektor in einem bisher ungewohnten Tempo beschleunigt und zwingt Unternehmen, sich schnell anzupassen und sich zunehmend auf digitale Dienstleistungen zu verlassen, um wettbewerbsfähig zu bleiben. Um in der neuen Welt ein Vorreiter zu sein, müssen Finanzinstitute in der Lage sein, ein hervorragendes Kundenerlebnis zu bieten, indem sie durch eine Mischung aus strategisch platziertem Filialgeschäft und digitalen Kanälen überzeugende Produkte und Dienstleistungen bereitstellen. Gleichzeitig müssen sich Finanzinstitute auf neue Marktbedürfnisse und -chancen einstellen und die Einhaltung der sich damit möglicherweise ständig ändernden regulatorischen Rahmenbedingungen gewährleisten.
In diesem herausfordernden Umfeld ist es von entscheidender Bedeutung, dass Finanzunternehmen Erst- und Drittdaten sowie räumliche Analysen richtig nutzen, um ihr Verständnis der Marktdynamik und des Kundenverhaltens, die sich auf ihr Geschäft auswirken, zu verbessern – und damit letztlich eine intelligentere, datengesteuerte Entscheidungsfindung zu unterstützen. Eine kürzlich von Corinium Intelligence durchgeführte Studie über Trends im Bereich der Datenintegrität hat jedoch ergeben, dass 50 Prozent der Finanzdienstleistungsunternehmen bei dem Versuch, grundlegende Datenmanagement- und Governance-Rahmenwerke einzurichten, „gemischte“ oder „enttäuschende“" Ergebnisse erzielten. Der Hauptgrund dafür ist das Fehlen einer soliden Datengrundlage, die die Integrität der Daten, auf denen diese Rahmenwerke aufbauen, gewährleistet.
Datenintegrität ermöglicht Unternehmen schnelle und sichere Entscheidungen auf der Grundlage zuverlässiger Daten, die ein Höchstmaß an Genauigkeit, Konsistenz und Kontext aufweisen. Für Finanzdienstleister ist die Erkenntnis, dass Daten ein strategischer Unternehmenswert sind, der erste Schritt zur Schaffung klarer Rahmenbedingungen für die Umsetzung der vier Säulen der Datenintegrität:
- Datenintegration,
- Data Governance & Datenqualität,
- Location Intelligence
- und Datenanreicherung.
Das Potenzial von Unternehmensdaten erschließen
Die meisten komplexen Unternehmen stützen sich auf mehrere, oft unzusammenhängende Anwendungen zur Verwaltung von Daten über Kunden, Interessenten, Lieferanten, Bestände, Mitarbeiter und vieles mehr. Wenn diese Systeme in Silos arbeiten, ist es unmöglich, eine klare, einheitliche Sicht auf das Geschäft zu schaffen. Finanzinstitute haben oft die zusätzliche Komplexität, dass sie auf wichtige Kundendaten aus Mainframe-Anwendungen und -Datenbanken zugreifen müssen ̶ traditionelle Systeme, die zwar äußerst zuverlässig und sicher sind, deren komplexe Datenformate sich aber nicht ohne weiteres in modernere Datenumgebungen integrieren lassen.
Der Aufbau einer ganzheitlichen Sichtweise erfordert die Verknüpfung mehrerer Systeme durch Mapping und Übersetzung. Die Integration von Daten im gesamten Unternehmen, sei es in Mainframes, relationalen Datenbanken oder Enterprise Data Warehouses, erfordert einen sorgfältig durchdachten Ansatz, um die Daten unter einem Dach und in einer Weise zusammenzuführen, die am besten auf die strategischen Ziele des Unternehmens abgestimmt ist.
Unterstützung der Einhaltung gesetzlicher Vorschriften
Wenn es einer Organisation gelungen ist, Datensilos aufzubrechen, bleibt ein häufiges Problem bestehen – das der Datenqualität. Trotz der Integration mehrerer Systeme können Daten fehlen, ungenau oder inkonsistent sein oder Duplikate enthalten. Finanzinstitute stehen zudem unter dem Druck globaler Vorschriften, die vorschreiben, dass sie wissen müssen, woher die Daten stammen, und dass sie in der Lage sein müssen, die Richtigkeit und Gültigkeit der Daten nachzuweisen und ihre Sicherheit zu gewährleisten. Folglich müssen die Datenqualität und -sicherheit im Finanzdienstleistungsbereich proaktiv aufrechterhalten werden, um Standards für eine gute Datenverwaltung bei sich ständig ändernden und sich weiterentwickelnden Vorschriften zu entsprechen.
Gute Datenqualitätspraktiken setzen voraus, dass die Entscheider in Unternehmen zusammenarbeiten, um klare Ergebnisse zu definieren. Dazu gehört auch eine funktionsübergreifende Zusammenarbeit über mehrere Abteilungen hinweg. Da es unmöglich ist, alles zu regulieren, müssen Fachexperten aus dem gesamten Unternehmen zusammenarbeiten, um eine gemeinsame Prioritätenliste für Risiko-, Compliance-, Finanz- und Marketingziele zu erstellen.
Robuste Data-Governance-Praktiken setzen auch eine solide Strategie für den Einsatz von Technologien zur Automatisierung der Datenqualität voraus. Dazu gehört der Einsatz von Tools, die Unternehmen dabei helfen, ihre wichtigen Daten zu bereinigen, zu validieren, Duplikate zu entfernen und zu standardisieren. Datenqualitätstools können Probleme aufdecken, die den Mitarbeitern möglicherweise nicht bewusst sind, und Dashboards sowie automatisierte Workflows bereitstellen, die den Mitarbeitern helfen, Datenqualitätsprobleme schnell und einfach zu erkennen und zu lösen.
Optimale Entscheidungsfindung
Im Zeitalter der Digitalen Transformation können es sich Unternehmen nur schwer leisten, den Mehrwert von Location Intelligence zu ignorieren. Das Hinzufügen von standortbezogenem Kontext verbessert die geschäftliche Entscheidungsfindung in Bezug auf Menschen, Vermögenswerte, Orte und Möglichkeiten. Schließlich kann praktisch jeder Datenpunkt auf der Welt, auf die eine oder andere Weise mit dem Standort in Verbindung gebracht werden.
Dies könnte so einfach sein, wie die Standardisierung und Nutzung von Adressinformationen in einer Kundendatenbank, damit die Daten in einem gemeinsamen Kontext verstanden und analysiert werden können. Eine einzelne Adresse kann sowohl eine Gebäudenummer als auch einen Adressnamen haben, zum Beispiel in München die Schwanthalerstraße 13, die auch als das Deutsche Theater bekannt ist. Das bedeutet, dass die Systeme in der Lage sein sollten, zu verstehen, dass es sich in allen Geschäftsprozessen um denselben Ort handelt.
Location Intelligence kann den Daten auch einen Kontext hinzufügen, der es ermöglicht, Grenzen, Bewegungen und die Umgebung von Kunden, Anbietern oder Standorten besser zu verstehen. Eine häufige Anwendung für Finanzdienstleistungen ist, der Einsatz bei Standortanalysen bei Zweigstellen – zum Beispiel die Nutzung des Standorts, um Erkenntnisse darüber zu gewinnen, welche der bestehenden Zweigstellen nur gelegentlich von den Kunden genutzt werden. Dies hat u.a. Einfluss auf Investitionen oder Modernisierungsprojekte. Außerdem ist ein Verständnis der lokalen Nachfrage, der Intensität des lokalen Wettbewerbs und der aktuellen Zweigstellenabdeckung entscheidend, um neue Standorte mit den besten Erfolgschancen zu identifizieren.
Steigerung des Wettbewerbsvorteils
Um sich einen Wettbewerbsvorteil zu verschaffen, setzen viele Unternehmen auch auf die Datenanreicherung, die vierte Säule der Datenintegrität. Wenn genaue Datensätze von Drittanbietern verfügbar sind, die sich auf Standort, Wirtschaft, Klima oder Demografie beziehen und in den Kontext mit bestehenden Unternehmensressourcen gesetzt werden können, ergibt das Ganze mehr als die Summe seiner Teile. Dazu können auch dynamische Datensätze gehören, zum Beispiel für das Wetter oder die menschliche Mobilität aufzeigen, die starken Veränderungen im Laufe der Zeit unterworfen sein können. Der zusätzliche Kontext, den die Datenanreicherung bietet, hilft Finanzinstituten, wertvollere Erkenntnisse für eine intelligentere Entscheidungsfindung zu nutzen – sei es bei der Auswahl der profitabelsten Filialstandorte, bei der Kreditvergabe, bei der Nachfrageprognose oder bei der Ausrichtung von Marketingprogrammen, um die größte Wirkung zu erzielen.
Letztlich muss die Finanzbranche sich auf rasch ändernde Märkte einstellen und eine solide Datengrundlage schaffen, um den Erfolg dieser Initiativen zu unterstützen. Für Unternehmen, die einen Wettbewerbsvorteil anstreben, ist Datenintegrität eine nicht verhandelbare Voraussetzung. Durch den Aufbau einer sinnvollen Strategie rund um Datenintegration, Data Governance und Datenqualität, Location Intelligence und Datenanreicherung können Finanzdienstleistungsunternehmen sicher sein, dass sie intelligentere Geschäftsentscheidungen auf der Grundlage von Daten treffen, denen sie vertrauen können.
Das könnte Sie auch interessieren
Big Data
SVA und Grau Data erweitern Partnerschaft
Big Data und Netzwerksicherheit
Cisco will Splunk schlucken
Data Driven Company
Dauerbaustelle Datenintegration
SAP S/4Hana-Transformation
NTT Data Business Solutions übernimmt Mehrheit an…
Remote Working
Dezentrale Datenerfassung, zentralisierter Zugriff
Arista
Datendurchsatz und Energieeffizienz für große…
