Autor
Obwohl data Mesh in der Finanzdienstleistungsbranche schnell zu einem Schlagwort wird, bleibt es geheimnisumwittert. Die Unternehmen wollen es einführen, aber nur wenige haben ein ganzheitliches Verständnis davon, was es ist. Noch weniger wissen, dass die Bestandteile eines data-Netzes keine brandneuen Konzepte sind, was bedeutet, dass viele Finanzinstitute bereits über einige Grundbestandteile verfügen werden. Um die Prinzipien des data-Geflechts jedoch effektiv in einem Unternehmen einzuführen und zu verankern, bedarf es eines soliden Verständnisses der geschäftlichen data-Herausforderungen und der Art und Weise, wie die verschiedenen Aspekte des data-Geflechts diese angehen, um greifbare geschäftliche Auswirkungen zu erzielen.
Drei fundamentale Data-Herausforderungen für Finanzdienstleistungen
Bei unserer Arbeit mit großen globalen Finanzinstituten haben wir drei grundlegende data-Herausforderungen beobachtet. Diese sind nach wie vor endemisch und in allen Finanzdienstleistungsunternehmen anzutreffen, ganz gleich, ob es sich um Banken, Versicherungsunternehmen oder Vermögensverwalter handelt.
Data Mesh: Was es ist und wie es einen Mehrwert schaffen kann
Data mesh ist ein data-Verwaltungsrahmen, der es dem Unternehmen ermöglicht, die von ihm erstellten data zu besitzen und sie den Verbrauchern im gesamten Unternehmen zur Verfügung zu stellen. Gleichzeitig wird sichergestellt, dass die richtigen Kontrollen und Vereinbarungen vorhanden sind, damit diese data in den richtigen Händen bleibt. Das Data-Netz umfasst vier Schlüsselelemente: data-Eigentum, Behandlung von data als Produkt, Einrichtung einer data platform-Selbstbedienung und Implementierung einer föderierten Governance. Die Umsetzung dieser Komponenten bedeutet, dass data in allen data-Domänen verantwortungsvoll genutzt werden kann und ermöglicht eine dezentrale data-Entscheidung.
Jede Säule des data-Geflechts kommt zusammen, um die häufigsten data-Probleme von Finanzdienstleistungsunternehmen, die alle die digitale Transformation behindern, umfassend zu verwalten und zu lösen.
Selbstbedienungsplattform Data
Ein data platform mit Selbstbedienung ist oft die Grundlage, die erforderlich ist, um die Demokratisierung zu ermöglichen und die Herausforderungen der Legacy-Architektur zu überwinden. Ein cloud-betriebenes data platform ermöglicht den gezielten Zugang zu data bei gleichzeitiger Beibehaltung transparenter Compliance-Kontrollen und bietet die flexible, skalierbare Architektur, die für die Entwicklung von data-Anwendungen und data-Produkten erforderlich ist. (Artefact hat eine nachweisliche Erfolgsbilanz bei der schnellen Bereitstellung von data platforms mit einem klaren Blick auf Geschäftswert, Benutzerfreundlichkeit und Informationssicherheit).
Data Eigentum
Die Definition von data-Eigentümerschaft in den Bereichen data, Business und IT ist von entscheidender Bedeutung, denn sie ermöglicht eine geregelte gemeinsame Nutzung von data und verbesserte Geschäftsergebnisse. Darüber hinaus hilft eine unternehmensweite Sicht auf data-Domänen und Subdomänen, Engpässe zu vermeiden und die Anpassung an die sich entwickelnden Geschäftsanforderungen sicherzustellen. Ein unternehmensweites Data-Modell (EDM), das Silos aufbricht und klare data-Eigentümerschaft und -Verständnis schafft, ist daher der nächste wichtige Schritt, um das Fundament für die geschäftliche data-Eigentümerschaft zu legen.
Data als Produkt
Ein produktorientierter data-Ansatz macht die data-Transformation für Geschäftsanwender greifbar, gewährleistet einen klaren Weg zur Wertschöpfung und ermöglicht eine stärkere Demokratisierung von data. Data-Produkte kann man sich als gebündelte Dienste vorstellen, die ‘internen Kunden’ angeboten werden: data-as-a-service liefert standardisiertes und sauberes data; analytics-as-a-service bietet fortgeschrittene statistische oder maschinelle Lernberechnungen; und KPI-as-a-service liefert wichtige Geschäftsleistungsindikatoren. Diese data-Produkte werden von funktionsübergreifenden Produktteams gewartet, die geschäftliche und technische Ressourcen kombinieren, um die Anforderungen des Unternehmens zu erfüllen.
Föderierte Verwaltung
Data-Transformation muss durch ein Betriebsmodell und eine Governance-Struktur untermauert werden, die ein angemessenes Maß an Dezentralisierung ermöglicht und gleichzeitig die Anforderungen an Sicherheit und Compliance erfüllt. Auch wenn die ‘richtige’ Betriebsstruktur je nach Finanzdienstleistungsunternehmen unterschiedlich sein wird, müssen alle Organisationen von der Zentralisierung zu einer kontrollierten Demokratisierung übergehen, eine Veränderung, die vom Geschäft und nicht von der IT geleitet werden muss.
Überlegungen und Schlussfolgerungen
Die Einführung eines data-Mesh-Ansatzes im Finanzdienstleistungssektor erfordert mehrere bedeutende Veränderungen - von Altsystemen zu einer skalierbaren cloud-Infrastruktur, von einer zentralisierten data-Verwaltung zu einer kontrollierten data-Demokratisierung und von einer IT-geführten data zu einer geschäftsgeführten data. All dies erfordert sowohl technische als auch organisatorische Veränderungen, die für jedes Unternehmen eine Herausforderung darstellen können.
Mit einem gut umgesetzten data-Mesh-Ansatz, der die erforderlichen Veränderungen umfasst, können Finanzdienstleister jedoch ihre data effektiv nutzen, indem sie Silos aufbrechen und data-driven-Entscheidungen treffen, die das Geschäftswachstum und die Innovation fördern. Auf diese Weise können sie sich in ein zukunftsorientiertes Unternehmen verwandeln.
