Data-Driven Banking: Mission Data – Unternehmensschätze heben

Data Governance und Data Management sind spätestens seit dem Aufkommen von KI ganz oben auf der Prioritätenliste von Geschäftsleitungen angekommen. Denn ohne Datenstrategie und ohne ein umfassendes Data Management kann auch eine künstliche Intelligenz die in diesen Daten vergrabenen Schätze nicht heben. Die Vision von der datengetriebenen Bank (Data-Driven Banking) bleibt so genau dies – eine Vision. In unseren Projekten bei Banken erleben wir immer wieder, mit welchem Enthusiasmus innovative Ideen angegangen und Projekte realisiert werden. Wir stossen aber auch allzu oft an die Grenzen des Machbaren, einfach weil die Basis fehlt, weil der «Werkstoff Daten» nicht in ausreichender Qualität bereitsteht. Dabei ist eine erfolgreiche Umsetzung einer Datenstrategie kein Hexenwerk. Es erfordert gleichwohl eine Fokussierung von Management- und Engineering-Prozessen auf die Unternehmensdaten.

Der Beratungsansatz von ti&m konzentriert sich in einer ersten Phase auf drei Fragen:

Welches sind die relevanten Daten?

Wer arbeitet mit diesen Daten?

Wie werden die Daten bearbeitet?

Diese Daten führen direkt auf die drei Grundpfeiler einer effektiven Datenstrategie.

Die Frage nach den relevanten Daten führt direkt auf die Frage nach den Geschäftstätigkeiten und -fähigkeiten des Unternehmens. Weiss man, welche Fähigkeiten im Unternehmen besonders ausgeprägt sind, bzw. welche für neue Geschäftsmodelle neu aufgebaut werden müssen, so hat man die direkte Verbindung von den strategischen Geschäftsentscheiden zur Priorisierung der Daten-Assets hergestellt.

Die Frage, wer mit den Daten arbeitet, zielt darauf, wer im Unternehmen den meisten Nutzen aus den Daten für seinen Aufgabenbereich zieht. Dort sollte dann auch die Verantwortung für die Daten platziert werden. Diese Verantwortung zuzuweisen, zu operationalisieren ist die Aufgabe einer effektiven Daten-Governance. Der Terminus «Verantwortung» beinhaltet dabei ein breites Spektrum an Aufgaben, grob unterteilbar in einen defensiven und einen offensiven Teil. «Defensiv» im Sinne des Schutzes der Daten im Interesse des Unternehmens, der Bewahrung von Geschäftsgeheimnissen sowie der Einhaltung von regulatorischen und gesetzlichen Vorgaben. «Offensiv» im Sinne der Nutzung der Daten zum Vorteil des Unternehmens: Direkte Monetarisierung, indirekte Chancen durch Erkenntnisgewinn, frühzeitige Erkennung von Risiken und Gefahren. Daten eröffnen unzählige Möglichkeiten, sofern sie transparent, konsistent und leicht verfügbar sind.

Das führt uns direkt zum grössten Zeit- und Ressourcenfresser, nämlich der Frage nach der Bearbeitung und Aufbereitung der Daten. Wenn ein gutes Business Alignment und eine etablierte Governance auch dabei helfen, die Aufwände auf die «richtigen» Daten zu fokussieren, so bleiben doch noch viele Fragen offen. Hält man die Daten in der Cloud oder im eigenen Datacenter, benötigt man die Werte im Zeitverlauf oder nur den aktuellen Stand, in real time oder im Rhythmus einer Batch- Verarbeitung? Müssen die Daten archiviert werden, und falls ja, wie lange? Werden gesetzliche Vorgaben eingehalten? Welche Technologien und Tools werden für die Bearbeitung eingesetzt und welche Kompetenzen müssen die Mitarbeitenden mitbringen? Sowohl die operativen als auch die dispositiven Daten werden hier über den gesamten Lebenszyklus hinweg betrachtet.

Die gute Nachricht für die meisten Unternehmen ist, dass in allen genannten Bereichen nicht bei Null angefangen werden muss. Der Umgang mit Daten ist heute für kein Unternehmen mehr Neuland. So reicht es im Bereich der Verantwortlichkeiten und Prozesse meistens, eine Fokussierung und/oder Erweiterung dieser Bereiche auf die aktuellen Aufgaben des Datenmanagements vorzunehmen. Auf der technischen Seite ist im Verlaufe der letzten Jahre eine rasante Entwicklung erfolgt, die Daten werden nicht nur unternehmensweit aus ihren Silos befreit, sie werden auch für den Zugriff von externen Parteien bereitgestellt. Dies erfordert eine neue Qualität an Verfügbarkeit, Konsistenz und Sicherheit der Daten. Für viele Unternehmen bedeutet dies, dass sie ihre Datenarchitektur und ihr technisches Datenmanagement grundlegend überprüfen müssen. Der Aufwand wird sich lohnen, sobald neue Technologien und neue Betriebsmodelle ihre Stärken ausspielen können.

Nun werden die Freiheiten bei der Gestaltung einer Datenarchitektur häufig von ökonomischen oder von externen Faktoren eingeschränkt – alte Technologien, verfügbares Know-how oder, der häufigste Fall, Standardsoftwaresysteme mit proprietärem Datenmodell. In diesem Fall ist es hilfreich, mit Softwarekomponenten zu arbeiten, die eine abstrakte Sicht auf die zugrundeliegenden Komponenten realisieren. Auf dieser Ebene können zum einen die notwendigen Sicherheitsmechanismen realisiert werden, um die Daten extern verfügbar zu machen, zum anderen kann eine konsistente Sichtweise auf unterschiedliche Datenquellen ermöglicht werden. Ein Beispiel für eine solche Komponente ist die ti&m Banking Integration: Er entkoppelt Kernbankensysteme wie Avaloq oder Finnova, aber auch neue, moderne sogenannte «Neocores» vom Frontend und reduziert so Komplexität. Dies ermöglicht die Entwicklung und Integration innovativer Frontend-Applikationen mit einer schnellen Time to Market und die einfache Integration von Drittsystemen. Ausserdem unterstützt die Integration komplexe Migrationsszenarien und ermöglicht so einen Weg aus dem gefürchteten Vendor Lock-in.

Daten gewinnen an Wert, je besser sie organisiert und gepflegt werden. Ob als Basis für Erkenntnisse aus KI-basierten Anwendungen, als Entscheidungsgrundlage für weitreichende Strategieentscheide oder als «Treibstoff» von komplexen Ökosystemen erfordern und verdienen sie die notwendige Aufmerksamkeit von Management und Mitarbeitenden. Nur ein Unternehmen, das diese Erkenntnis verinnerlicht und in seiner Kultur verankert hat, wird sich in einer sich immer schneller drehenden Welt mit der notwendigen Agilität und dem gebotenen Tempo behaupten können.