Autor
Obwohl data mesh schnell zu einem Schlagwort in der Finanzdienstleistungsbranche 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 Basiskomponenten verfügen. Um jedoch die Grundsätze von data mesh effektiv in einer Organisation einzuführen und zu verankern, bedarf es eines soliden Verständnisses der geschäftlichen data Herausforderungen und der Art und Weise, wie die verschiedenen Aspekte von data mesh diese angehen, um greifbare geschäftliche Auswirkungen zu erzielen.
Drei fundamentale Data Herausforderungen für Finanzdienstleistungen
Durch unsere Erfahrung in der Zusammenarbeit mit großen, weltweit tätigen Finanzinstituten haben wir drei grundlegende Herausforderungen festgestellt data . Diese sind nach wie vor in allen Finanzdienstleistungsunternehmen anzutreffen, egal ob es sich um Banken, Versicherungen oder Vermögensverwalter handelt.
Data Mesh: Was es ist und wie es Mehrwert schaffen kann
Data mesh ist ein data Management-Framework, das es dem Unternehmen ermöglicht, Eigentümer der von ihm erstellten data zu sein und sie den Verbrauchern im gesamten Unternehmen zur Verfügung zu stellen, während gleichzeitig sichergestellt wird, dass die richtigen Kontrollen und Vereinbarungen vorhanden sind, damit data in den richtigen Händen bleibt. Data mesh umfasst vier Schlüsselelemente: data Eigentümerschaft; Behandlung von data als Produkt; Einrichtung einer data Plattform zur Selbstbedienung; und Implementierung einer föderierten Governance. Die Umsetzung dieser Komponenten bedeutet, dass data über data Domänen hinweg verantwortungsvoll genutzt werden kann und ermöglicht eine dezentrale data Entscheidungsfindung.
Jede Säule des data Geflechts kommt zusammen, um die häufigsten data Probleme, mit denen Finanzdienstleister konfrontiert sind und die alle die digitale Transformation behindern, umfassend zu verwalten und zu lösen.
Selbstbedienungsplattform Data
Eine data ist oft die Grundlage für die Demokratisierung und die Überwindung der Herausforderungen einer Legacy-Architektur. Eine cloud data ermöglicht den gezielten Zugriff auf data bei gleichzeitiger Wahrung transparenter Compliance-Kontrollen und bietet die flexible, skalierbare Architektur, die für die Entwicklung von data und data erforderlich ist.Artefact hat eine nachgewiesene Erfolgsbilanz bei der schnellen Bereitstellung von data mit einem klaren Blick auf den Geschäftswert, die Benutzerfreundlichkeit und die Informationssicherheit).
Data Eigentum
Die Festlegung der data Verantwortlichkeit zwischen data, Unternehmen und IT ist von entscheidender Bedeutung, da sie eine geregelte data gemeinsame Nutzung und verbesserte Geschäftsergebnisse ermöglicht. Darüber hinaus hilft eine unternehmensweite Sicht auf data Domains und Subdomains, Engpässe zu vermeiden und die Anpassung an sich entwickelnde Geschäftsanforderungen zu gewährleisten. Ein unternehmensweites Data Modell (EDM), das Silos aufbricht und eindeutige data Eigentumsverhältnisse und ein klares Verständnis schafft, ist daher der nächste wichtige Schritt, um die Grundlagen für data Unternehmensverantwortung zu schaffen.
Data als ein Produkt
Ein data produktorientierter Ansatz macht die data Transformation für Geschäftsanwender greifbar, gewährleistet einen klaren Weg zur Wertschöpfung und ermöglicht eine stärkere Demokratisierung von data. Data Produkte können als gebündelte Dienste betrachtet werden, die "internen Kunden" angeboten werden: data-as-a-service bietet standardisierte und saubere 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 den Anforderungen des Unternehmens gerecht zu werden.
Föderale Verwaltung
Data Die Transformation muss durch ein Betriebsmodell und eine Governance-Struktur untermauert werden, die ein angemessenes Maß an Dezentralisierung bei gleichzeitiger Einhaltung der Sicherheits- und Compliance-Anforderungen ermöglicht. Auch wenn die "richtige" Betriebsstruktur je nach Finanzdienstleistungsunternehmen unterschiedlich sein wird, müssen alle Organisationen von der Zentralisierung zu einer kontrollierten Demokratisierung übergehen - ein Wandel, der vom Geschäft und nicht von der IT geleitet werden muss.
Überlegungen und Schlussfolgerungen
Die Einführung eines data im Finanzdienstleistungssektor erfordert mehrere bedeutende Veränderungen - von Altsystemen zu einer skalierbaren cloud , von einer zentralen data zu einer kontrollierten data und von IT-gesteuerten data zu geschäftsgesteuerten data. All dies erfordert sowohl technische als auch organisatorische Veränderungen, die für jedes Unternehmen eine Herausforderung darstellen können.
Mit einem gut umgesetzten data , das die erforderlichen Änderungen umfasst, können Finanzdienstleister ihre data jedoch effektiv nutzen, indem sie Silos aufbrechen und data Entscheidungen treffen, die das Geschäftswachstum und die Innovation fördern. Auf diese Weise können sie sich in zukunftsorientierte Unternehmen verwandeln.
