Ondanks het feit dat data mesh een modewoord aan het worden is in de financiële dienstensector, blijft het gehuld in mysterie. Organisaties willen het omarmen, maar slechts weinigen hebben een holistisch begrip van wat het is. Nog minder realiseren zich dat de onderdelen van een data mesh geen gloednieuwe concepten zijn, wat betekent dat veel financiële instellingen al over een aantal basisonderdelen beschikken. Maar de principes van data mesh effectief toepassen en verankeren in de hele organisatie hangt af van een goed begrip van de zakelijke data uitdagingen en hoe de verschillende aspecten van data mesh deze aanpakken om een tastbare zakelijke impact te bereiken.

Drie fundamentele Data uitdagingen voor financiële diensten

Door onze ervaring met het werken met grote wereldwijde financiële instellingen, hebben we drie fundamentele data uitdagingen waargenomen. Deze zijn nog steeds endemisch en komen vaak voor bij financiële dienstverleners, of het nu gaat om banken, verzekeraars of vermogensbeheerders.

  • Complexe legacyarchitectuur veroorzaakt inflexibiliteit: Legacy-architectuur vormt een belangrijk obstakel voor het bereiken van data volwassenheid en digitalisering in de financiële dienstverlening. Vooral banken vertrouwen sterk op verouderde technologie, wat resulteert in een gebrek aan flexibiliteit binnen hun bestaande infrastructuur. Deze beperking belemmert hun vermogen om digitale processen te schalen en effectief te werken in het moderne landschap.

  • Data Silo's beperken strategische besluitvorming: Divisies en business lines opereren onafhankelijk van elkaar, wat het delen van kennis belemmert, terwijl data domeinen meestal aansluiten bij business units in plaats van bredere bedrijfsconcepten, waardoor silo's ontstaan. Dit wordt nog verergerd door complexe legacy-architectuur in combinatie met over-governance van data processen; het netto-effect is dat het delen van inzichten binnen de organisatie wordt belemmerd en strategische besluitvorming wordt beperkt. Het resultaat is dat bedrijfsleiders vaak een beperkt wereldbeeld hebben en moeite hebben om strategische beslissingen te nemen op basis van data.

  • Centralisatie blokkeert democratisering: Gecentraliseerde data teams worden vaak als noodzakelijk gezien door financiële dienstverleners om strikte data governance, toegang en compliance regels te handhaven. Maar rigide centralisatie kan ervoor zorgen dat andere teams geen toegang hebben tot de data, en de resulterende achterstand in aanvragen creëert knelpunten; dit gebrek aan data democratisering is niet afgestemd op de veranderende bedrijfsbehoeften en kan innovatie blokkeren.

Data Mesh: Wat het is en hoe het waarde kan toevoegen

Data mesh is een data managementraamwerk dat de onderneming in staat stelt eigenaar te zijn van de data die ze creëert en deze beschikbaar te maken voor consumenten in het hele bedrijf, terwijl de juiste controles en overeenkomsten worden ingesteld zodat deze data in de juiste handen blijft. Data mesh bestaat uit vier belangrijke elementen: data eigendom; data behandelen als een product; een zelfbedieningsplatform data opzetten; en gefedereerde governance implementeren. Het implementeren van deze componenten betekent dat data verantwoordelijk gebruikt kan worden in data domeinen en maakt gedecentraliseerde data besluitvorming mogelijk.

Elke pijler van de data mesh komt samen om de meest voorkomende data problemen waarmee financiële dienstverleners te maken hebben, die allemaal de digitale transformatie belemmeren, te beheren en op te lossen.

Platform voor zelfbediening Data

Een self-serve data is vaak de basis die nodig is om democratisering mogelijk te maken en de uitdagingen van legacyarchitectuur te overwinnen. Een data cloud maakt gerichte toegang tot data mogelijk, met behoud van transparante compliance-controles, en biedt de flexibele, schaalbare architectuur die nodig is om data en data te ontwikkelen.Artefact heeft een bewezen staat van dienst voor het snel leveren van data , met een duidelijk oog voor bedrijfswaarde, bruikbaarheid en informatiebeveiliging).

Data eigendom

Het definiëren van data eigenaarschap over data, business en IT is essentieel omdat dit het mogelijk maakt om data te delen en de bedrijfsresultaten te verbeteren. Bovendien helpt een bedrijfsbrede visie op data domeinen en subdomeinen knelpunten te voorkomen en zorgt het voor afstemming op veranderende bedrijfsbehoeften. Een Enterprise Data Model (EDM), dat silo's doorbreekt en zorgt voor duidelijk data eigenaarschap en begrip, is daarom de volgende belangrijke stap in het leggen van de basis voor business data eigenaarschap.

Data als product

Een data productgerichte aanpak maakt data transformatie tastbaar voor zakelijke gebruikers, zorgt voor een duidelijk pad naar waarde en maakt een grotere democratisering van data mogelijk. Data producten kunnen worden gezien als pakketdiensten die aan 'interne klanten' worden aangeboden: data-as-a-service biedt gestandaardiseerde en schone data; analytics-as-a-service services geavanceerde statistische of machine learning berekeningen; en KPI-as-a-service levert cruciale bedrijfsprestatie-indicatoren. Deze data producten worden onderhouden door cross-functionele productteams die zakelijke en technische middelen combineren om aan de behoeften van de organisatie te voldoen.

Federaal bestuur

Data transformatie moet worden ondersteund door een besturingsmodel en -structuur die een passende mate van decentralisatie mogelijk maakt, terwijl de beveiligings- en compliance-eisen gehandhaafd blijven. Hoewel de 'juiste' operationele structuur zal variëren afhankelijk van de financiële dienstverlening organisatie in kwestie, moeten alle organisaties overstappen van centralisatie naar gecontroleerde democratisering, een verandering die door de business en niet door IT moet worden geleid.

Overwegingen en conclusies

Het invoeren van een data mesh-benadering in de financiële dienstverleningssector vereist een aantal belangrijke verschuivingen - van legacysystemen naar schaalbare cloud , gecentraliseerd data naar gecontroleerde data , en IT-gestuurde data naar bedrijfsgestuurde data. Dit alles vereist zowel technische als organisatorische veranderingen, die voor elke organisatie een uitdaging kunnen vormen.

Een goed geïmplementeerde data mesh-aanpak die de vereiste veranderingen omvat, kan financiële dienstverleners echter in staat stellen om hun data effectief te benutten door silo's te doorbreken en data beslissingen te nemen die bedrijfsgroei en innovatie stimuleren. En zo helpen ze zichzelf om te vormen tot toekomstgerichte organisaties.