3 Dilemmas der Datenkonsolidierung in Banken

Mit Hilfe von Daten identifizieren Institute KPIs, isolieren und beseitigen Pain Points für Kunden und stärken zugleich die Kundenbindung. Doch in vielen Finanzinstituten lassen sich bei der Datenkonsolidierung drei Dilemmas feststellen.

Herausforderungen bei der Datenkonsolidierung in Banken

Vom Datenmanagement bis zur sicheren Datenmigration: So verursacht man in Sachen Datenkonsolidierung kein Chaos.

Daten, der Heilige Gral der Finanzdienstleistung; Ohne sie könnten die Finanzinstitute viele Elemente ihrer täglichen Arbeit nicht ausführen. Daten können extrahiert und dazu genutzt werden, um ein besseres Profil der Kunden zu erstellen, neue Möglichkeiten der Interaktion zu schaffen, Pain Points entlang der Customer Journey zu identifizieren und sowohl Loyalität, als auch Bindung zu Kunden durch gezielte Marketingkampagnen zu erhöhen.

Doch wo diese Daten gespeichert werden und wie sie verwendet und gemanagt werden, wirft einige wichtige Fragen auf: Wie können Finanzinstitute ihre Daten auf eine leicht zugängliche Weise speichern? Gibt es eine dynamische Lösung für den Umgang mit Daten, die den Vorschriften entspricht? Und wie kann Data Governance in der gesamten Institution kommuniziert werden, um die Akzeptanz für Datenkonsolidierungsprojekte zu erhöhen?

Das Management-Dilemma

Im Jahre 2020 stehen Finanzinstituten zwanzig Mal mehr verwertbare Daten zur Verfügung als noch in 2016. Mit allen diesen verfügbaren Daten obliegt es den Instituten, diese effektiv und dennoch angemessen zu verwalten. Dafür gibt es typischerweise drei Optionen:

Data Warehouses,
Data Lakes,
Data Hubs.

Eine Studie von Gartner hat ergeben, dass 57 Prozent der Daten- und Analyseverantwortlichen in Data Warehouses investieren, 46 Prozent nutzen Data Hubs und 39 Prozent setzen Data Lakes ein. Doch inwiefern profitieren Finanzinstitute bei der Datenverwaltung von den einzelnen Lösungen?

Während Data Warehouses strukturierte Daten speichern und dabei auch die Kapazität für ein standardisiertes Reporting für alle Benutzer innerhalb eines Instituts vorhanden ist, bieten Data Lakes die Möglichkeit zur Verarbeitung von unstrukturierten Rohdaten durch Data Scientists, um hier relevante Daten zu extrahieren und zu bearbeiten. Bieten Data Hubs möglicherweise eine effektivere Lösung?

Durch die Konsolidierung und den Austausch von Daten über Remote-Cloud-Server, sind Institutionen in der Lage, ihre Daten dynamisch und kostengünstig zu verwalten, da sie keine Server vor Ort hosten müssen.

Doch Management ist hier weit mehr als nur eine garantiert effiziente Datenspeicherung. Es umfasst die Bereiche Datensicherheit, Zugang und die Frage, ob sich aus diesen Daten überhaupt nützliche Erkenntnisse ableiten lassen. Hinzu kommt die Problematik der Beschaffung von ausreichendem Know-how für den Betrieb dieser Dateninfrastrukturen.

Das Sicherheitsdilemma

Datensicherheit ist in der Welt der Finanzdienstleistungen das A und O. Unsichere Daten können Millionen kosten. Diese Hürde wird noch größer, wenn es darum geht, Daten von einem Server auf einen anderen zu migrieren, denn dadurch steigt auch die Gefahr für Datenlecks.

Eine Ponemon-Studie von August 2016 zeigte, dass 62 Prozent der Befragten Zugriff auf Daten hatten, die sie nicht hätten sehen dürfen. Vor diesem Hintergrund ist es umso wichtiger, dass bei einer Datenmigration Datenlecks auf ein Minimum beschränkt werden, um hohe GDPR-Strafen zu vermeiden.

Der beste Ansatz, um für Sicherheit bei der Datenmigration zu sorgen, ist, den Fokus auf Data Governance zu legen. Dies setzt voraus, dass alle Personen, die im Finanzinstitut mit Daten agieren, so früh wie möglich in den Migrationsprozess eingebunden werden. Das ist insbesondere dann von großer Bedeutung, wenn mehrere Nutzer mit unterschiedlichem technischem Background Zugriff auf die Datenplattform benötigen. Maßgebend ist dabei die Kommunikation zwischen Entwicklern, die an dem Migrationsprojekt mitwirken, und Institutsmitarbeitern, die täglich mit den Daten arbeiten.

Das Kommunikationsdilemma

Kommunikation ist für ein erfolgreiches Datenkonsolidierungsprojekt von zentraler Bedeutung. Wenn Aspekte der Datenmigration nicht klar kommuniziert werden, steigt das Potenzial für menschliche Fehler bei der Übertragung der Daten. Dies könnte im weiteren Verlauf zu erheblichen regulatorischen Auswirkungen führen, einschließlich der bereits erwähnten GDPR-Strafzahlungen.

Kommunikation kann auch zu einem besseren Buy-in zu einem früheren Zeitpunkt im Prozess der Datenkonsolidierung führen. Wenn diejenigen, die mit den Daten arbeiten, sämtliche Governance-Regeln besser verstehen (z. B. die regulatorischen Auswirkungen eines Regelverstoßes) und erkennen, wie sich das Ganze auf die Interaktion mit der Datenplattform auswirkt, steigt die Bereitschaft zur strikten Einhaltung der Regeln.

Zu diesem Zweck ist es unerlässlich, dass die Teams innerhalb der Institution während des gesamten Lebenszyklus vollumfänglich hinter dem Datenkonsolidierungsprojekt stehen und etwaige Zweifel schon während des Prozesses und nicht erst im Nachhinein ausgeräumt werden.

Der Critical Software–Ansatz zur Datenkonsolidierung

Die Datenkonsolidierung umfasst noch weit mehr Herausforderungen. Die Institute dürfen die Auswirkungen des Wandels, getrieben durch Digitalisierung und Kundenanforderungen, auf die gesamte Branche nicht aus den Augen verlieren. Verlieren sie bei der Datenkonsolidierung an Fahrt, ist ihr Rückstand bei den Bemühungen um die digitale Transformation kaum mehr aufzuholen.