Autor
Autor
Athena Sharma, Consulting Director und Global Financial Services Lead bei Artefact, und Chris Bannocks, Group Chief Data Officer bei QBE Insurance, erörtern die data-Reife - was sie ist, welche Rolle sie in der heutigen Geschäftswelt spielt und warum sie eine besondere Herausforderung für Banken, Versicherungsgesellschaften, Maklerhäuser, Kreditgenossenschaften und andere Unternehmen im Finanzdienstleistungssektor darstellt.
Was meinen wir, wenn wir von der data-Reife sprechen?
Im Großen und Ganzen misst der data-Reifegrad den Grad der Fähigkeit eines Unternehmens, aus seinem data Wert zu schaffen. Um einen hohen Reifegrad zu erreichen, muss data im gesamten Unternehmen tief verankert und vollständig in alle Entscheidungen und Aktivitäten integriert sein. Sie ist ein Schlüsselfaktor für eine erfolgreiche digitale Transformation. Je höher der Reifegrad, desto mehr Wettbewerbsvorteile wird ein Unternehmen haben.
Um die data-Reife zu messen, wird ein Reifegradmodell verwendet, um die verschiedenen data- und digitalen Fähigkeiten eines Unternehmens zu bewerten. “Es gibt viele verschiedene Reifegradmodelle, aber sie alle verwenden eine Reihe von Fragen, um den Reifegrad eines Unternehmens in vielen verschiedenen Dimensionen zu bewerten”, erklärt Chris Bannocks. “Dazu gehören die Fähigkeiten - oder der Reifegrad - eines Unternehmens in den Bereichen Architektur, Mitarbeiter, Analytik, Ethik, Datenschutz und so weiter. Es handelt sich um eine objektive Messung, die entweder durch eine unabhängige Überprüfung oder eine Selbsteinschätzung erfolgen kann.
Warum ist die Laufzeit von data für Finanzinstitute besonders wichtig?
Da die Regulierung in der Finanzwelt von entscheidender Bedeutung ist, ist es umso wahrscheinlicher, dass data gut kontrolliert, gut geführt, gut verwaltet und sicher ist, je höher der Reifegrad einer Bank oder Versicherungsgesellschaft ist.
“Data wie z.B. Risikokennzahlen, Kundenauszüge oder Finanzberichte können aufgrund der data Reife in diesen Bereichen als genauer angesehen werden”, sagt Chris Bannocks.
Aber die Regulierung ist nicht der einzige Treiber für data-Reife. Ein data-reifes Finanzinstitut (FI) kann das gesamte Spektrum der Lösungen nutzen, die Big data Analytics und KI zu bieten haben, was zu einer besseren Entscheidungsfindung, einem stärker vernetzten Geschäft und einem größeren Wettbewerbsvorteil führt. Ein data reiferes Versicherungsunternehmen wäre zum Beispiel besser in der Lage, KI zu nutzen, um das individuelle Versicherungsrisiko für jeden Kunden zu bestimmen, was zu besser zugeschnittenen Policen und erheblichen geschäftlichen Vorteilen führt.
Wo stehen die Finanzinstitute derzeit auf der data-Laufzeitskala?
Viele Finanzinstitute betrachten die data-Reife immer noch als ein Nullsummenspiel - entweder Sie sind data-reif oder nicht. Stattdessen sollte die data-Reife als ein Spektrum betrachtet werden, bei dem unterschiedliche Reifegrade für verschiedene Bereiche des Unternehmens angemessen sind, sagt Athena. “Diese segmentierte Sichtweise des Reifegrads macht die data-Herausforderung für die Finanzinstitute leichter verdaulich und ermöglicht es ihnen, sich zuerst auf die prioritären Bereiche zu konzentrieren und den Reifegrad in Bereichen zu vernachlässigen, die für das Unternehmen nicht so wichtig sind oder einen geringeren ROI generieren könnten.”
Chris zufolge liegen die meisten Finanzinstitute auf einer data-Reifegradskala von 1 bis 5 irgendwo zwischen 3 und 4. “Die Finanzinstitute haben große Fortschritte gemacht, weil sie seit etwa 15 Jahren hart an der Reife und den Fähigkeiten gearbeitet haben. Aber wenn Sie sich die data-Qualität, -Architektur oder -Ethik genauer ansehen, werden Sie feststellen, dass der Reifegrad je nach Branche unterschiedlich ist.”
Vor welchen Herausforderungen stehen Finanzinstitute auf dem Weg zur data-Reife?
Die Komplexität und das Alter von Legacy-Architekturen und -Systemen sind nach wie vor eine der größten Herausforderungen für Bank- und Versicherungsunternehmen. Von den 100 weltweit führenden Banken nutzen 92 immer noch IBM Mainframes für ihre Geschäfte. Der Einsatz eines veralteten Systems bedeutet einen Mangel an Flexibilität und eine Architektur, die nicht in der Lage ist, mit wachsenden Arbeitslasten fertig zu werden, insbesondere wenn es um Big Data geht.
Die zweite große Herausforderung betrifft die Menschen und die Komplexität der Organisation. Verhaltensänderungen und -anpassungen sind in allen Branchen schwer zu erreichen, nicht nur in Finanzinstituten. Aber die organisatorische Komplexität der Finanzinstitute macht es schwieriger, data Verantwortlichkeit und Eigenverantwortung zu fördern und geschäftlichen Nutzen zu schaffen.
Chris meint: “Für die Mitarbeiter von Banken und Versicherungen mag es einfacher sein, ihr Verhalten zu ändern, da sie an ein reguliertes Umfeld gewöhnt sind und Dinge wie data governance leichter übernehmen können als die Mitarbeiter anderer Branchen. Aber die Größe und Komplexität der Organisationsstrukturen selbst kann unterschiedliche Anforderungen an den data-Reifegrad stellen: Eine Privatkundenbank hat einen anderen Reifegradbedarf als eine Investmentbank. Der Unterschied mag geringfügig sein, aber er macht es erforderlich, dass die Reaktion auf jedes Projekt auf den jeweiligen Geschäftswert und nicht nur auf den regulatorischen Wert zugeschnitten ist.”
Welche Schritte können Finanzinstitute unternehmen, um data reifer zu werden?
Die allgemeine Antwort lautet, den Weg zur Analytik zu beschleunigen. Hier sind einige Schritte, die Finanzinstitute unternehmen können, um dies zu erreichen:
