Data Warehouse: Drei Entwicklungsstränge zur Modernisierung des DWH & der Wertbeitrag der IT

Datenmanagement ist zu einer Kerndisziplin der Finanzinstitute herangewachsen. Die von der Bank bereitgestellten Informationen müssen den hohen Qua­li­täts­an­sprü­chen der internen und externen Stakeholder genügen, da eine mangelhafte Informationsgüte sowohl rechtliche als auch ökonomische Konsequenzen zur Folge hat. Finanzinstitute sind daher gefordert, ein durchdachtes, durchgängiges und effektives Datenmanagement (im Data Warehouse) zu betreiben.

von Alexander Pauli und Adam Zlotnik, Finbridge

Der Bankenwelt ist bewusst geworden, dass der professionelle Umgang mit Informationen essentieller Bestandteil des eigenen Wertschöpfungsprozesses ist.

Effizienz und Ge­schwin­dig­keit in den Da­ten­ver­ar­bei­tungs- und Be­reit­stel­lungs­pro­zes­sen, die zu­grun­dege­leg­te In­for­ma­ti­ons­qua­li­tät so­wie die Nach­voll­zieh­bar­keit der Da­ten ge­hö­ren in­zwi­schen zu aus­schlag­ge­ben­den Wett­be­werbs­merk­ma­len in der Branche.”

Konsequenterweise müssen Marktentwicklungen und Kundenanforderungen nicht nur im operativen Business schnell umgesetzt werden, sondern unmittelbar auch in den front-to-end-Prozessen der Bank, um neue Services auf operativer und dispositiver Ebene vollumfänglich zu prozessieren.

Qualitative Daten gefordert

Auf der anderen Seite stellen Aufsichtsbehörden mit ihren jüngsten regulatorischen Initiativen hohe Anforderungen an den Bankensektor. Die immer weitergehende qualitative Verknüpfung von Informationen in der Berichterstattung, die Komplexität der Vorschriften und immer kürzere Umsetzungszyklen stellen hohe Ansprüche an die bestehenden ­Systeme und Prozesse der Banken dar. Die regulatorischen Initiativen sind eine substanzielle Belastung für Häuser, in denen das Datenmanagement nicht auf die Anforderungen ausgelegt ist. Hinzu kommt, dass sich der regulatorische Trend auch künftig fortsetzt. Es zeichnet sich bereits heute ab, dass geplante Vorgaben ebenso tiefgehende Anpassungen im Datenmanagement adressieren wie in der Vergangenheit.

Professionelles Datenmanagements – Status quo im DWH-Umfeld

Die beschriebenen Herausforderungen zeigen deutlich, dass es für Finanzinstitute unumgänglich ist, ein an den heutigen Anforderungen zugeschnittenes Datenmanagement zu betreiben. Eine wesentliche Voraussetzung hierzu ist der Betrieb eines Data Warehouse, das die marktseitigen und aufsichtsrechtlichen Herausforderungen erfüllen kann.

Allerdings erfüllen heutige Data Warehouse-Umgebungen, die vor fünf, zehn oder mehr Jahren eingerichtet wurden nicht zwangsläufig die Anforderungen, denen sie ausgesetzt sind. Oftmals wird davon gesprochen, dass ältere Umgebungen begrenzt, schwerfällig und nahezu unadministrierbar sind – alles Attribute, die mit den heutigen Ansprüchen nicht vereinbar sind. Hinzu kommen die ansteigenden Kosten für Wartung und Betrieb, die historisch bedingt durch komplexe, sehr ressourcenintensive und wenig automatisierte Prozesse verursacht werden.

Aufgrund dessen haben zahlreiche Großbanken der DACH-Region in den letzten Jahren entsprechende Investitionen in ihre IT getätigt, um alte DWH-Umgebungen auf die heutigen Standards anzupassen. Unsere Projekterfahrungen aus dem Data Warehouse-Umfeld zeigen jedoch, dass allen Modernisierungsanstrengungen zum Trotz die notwendige Passgenauigkeit in den einzelnen Maßnahmen fehlt. Besonders in puncto Komplexitätsbewältigung, Steigerung der Datenbeschaffenheit und -qualität sowie der Verzahnung von Business und IT bleiben die erzielten Resultate oftmals hinter den Erwartungen zurück.

Um der Komplexität und Breite im DWH-Umfeld zu begegnen und hausindividuelle Maßnahmen zur DWH-Modernisierung abzuleiten, empfiehlt Finbridge die Orientierung an drei Entwicklungsstränge:

1. Integration der Steuerungsdisziplinen
2. Aufbau einer einheitlichen Datentaxonomie
3. Erzeugung eines Business- und IT-Alignment

Werfen wir einen Blick auf die genannten Entwicklungsstränge und die Umsetzung in der Praxis:

Integration der Steuerungsdisziplinen

Obwohl verpflichtende Regularien (wie bspw. BCBS 239) eine Vereinheitlichung der Gesamtbanksteuerung forcieren, ist eine vollständige Integration der einzelnen Steuerungsfunktionen samt ihrer Informationslandschaft nur selten beobachtbar. Inkonsistenzen in fachlichen Ermittlungsmethoden und heterogene Datenbestände auf dispositiver Ebene sind keine Seltenheit, da integrative Ansätze einen gewissen Interpretationsspielraum erlauben, so dass deren Umsetzung oftmals nur bis zur Grenze der (regulatorischen) Notwendigkeit erfolgt. Das Zielbild sollte jedoch derart ausgestaltet sein, dass durch die Integration sämtlicher Gesamtbanksteuerungsdisziplinen auf einer technologischen Plattform eine Daten-, Methoden- und Reportingkonsistenz gewährleistet wird. Dazu empfiehlt es sich im Vorfeld eine Standortbestimmung im bankeigenen DWH-Umfeld durchzuführen, um eine auf die Gegebenheiten angepasste Gesamtbanksteuerungsplattform umzusetzen.

Aufbau einheitliche Datentaxonomie

Ein mehrwertstiftendes Werkzeug für die bankweite Datenarchitektur ist der Aufbau und Einsatz einer einheitlichen und harmonisierten Datentaxonomie, welche übergreifende Abfragen, Analyse und Reports für die Banksteuerung gewährleistet. Dabei gilt es sowohl semantische Interdependenzen im Fachvokabular als auch redundante Datenelemente und Attribute der einzelnen Steuerungseinheiten zu identifizieren und möglichst weit zu harmonisieren. Die Ergebnisse der Harmonisierungsaktivitäten werden im Anschluss in eine Instituts- oder Gruppenweit geltende Datentaxonomie übersetzt, auf Basis dessen der Übergang zu einem physischen Datenmodell vollzogen wird. Neben der einheitlichen Definition einzelner Daten und (Sub-)Entitäten (z.B. Vertragskonditionen, Zahlungsströme etc.), gewährleistet die Datentaxonomie konsistente Auswertungsdimensionen (z.B. Segmente, Branchen) und Kennzahlendefinitionen. Business-seitig entsteht dadurch ein gemeinsames Verständnis zur Banksteuerung sowie ein konsistentes und überleitbares Reporting zwischen den einzelnen Fachbereichen. Für die IT ist eine harmonisierte Datentaxonomie ein Medium auf dessen Basis der automatisierte Aufbau technischer Datenmodelle konfiguriert werden kann. Des Weiteren gewährleistet das Werkzeug eine Zusammenfassung der Funktionen, wodurch Mehrfach-Implementierungen durch die IT vermieden werden.

Über die Vorteile für Business und IT hinausgehend bildet die Datentaxonomie die Basis für unterschiedliche Datenmanagementdisziplinen – unter Data Governance-Gesichtspunkten beispielsweise lässt ich unter Zuhilfenahme einer einheitlichen Datentaxonomie die Festlegung der Informationshoheit, die sog. Data Ownership für einzelne Informationsmodule identifizieren und definieren.

Erzeugung eines Business- und IT-Alignments

Die Schaffung eines Business- und IT-Alignments im DWH-Umfeld besteht im Wesentlichen im Einsatz von interaktiven und auf Vereinheitlichung ausgerichteten Methoden sowie einem partnerschaftlichen Zusammenarbeitsmodell zwischen Fachbereichen und IT. Ausgangspunkt bildet ein zentraler Anforderungsmanagement-Prozess zur (Weiter-)Entwicklung des DWHs. Der Prozess gewährleistet eine systematische, vollständige und strukturierte Erfassung von Anforderungen aus den einzelnen Fachbereichen hin zu einer zentralen Instanz. Aufgabe der zentralen Instanz ist die Konsolidierung der Fachanforderungen und Identifikation von Harmonisierungspunkten. Die Kanalisierung der Anforderungen über eine zentrale Stelle vermeidet den bekannten „Wildwuchs“ im DWH. Darüber hinaus erfolgt über das zentrale Anforderungsmanagement eine Bewertung und Priorisierung von Anforderungen entlang der Zielsetzungen des Unternehmens sowie dem Wertbeitrag der IT.
Die konkrete Umsetzung von Fachanforderungen sollte unter Einsatz von agilen Entwicklungsmethoden erfolgen. Der hohe Interaktivitätsgrad zwischen Fachbereich und technischen Umsetzern sowie die Festlegung kurzer, iterativer Zyklen im Rahmen der Anforderungspräzisierung und -entwicklung erhöhen die Time-to-Market und vermeiden die Problematik der fehlerhaften Umsetzung. Initiale Zwischenergebnisse werden als MVP (Minimal Viable Product) dem Anforderer zur Verfügung gestellt und durch kontinuierliche Feedbackschleifen passgenau präzisiert, bis das erwartete Ergebnis erreicht ist.
Ferner ist für die Schaffung eines Business- und IT-Alignments die Abkehr vom klassischen Auftraggeber-Auftragnehmer-Verhältnisses zwischen Fachbereich und IT notwendig. Der Kulturwandel muss dahingehend vollzogen werden, dass die IT als aktiver Partner und Enabler des Fachbereiches wahrgenommen wird – unterstützende Maßnahme hierzu ist die Bildung interdisziplinärer Teams aus Fach-, IT-Experten und Business Analysten zur Etablierung eines bereichsübergreifenden Zusammenarbeitsmodells innerhalb der Organisation
.

Fazit

Die marktseitigen und regulatorischen Herausforderungen zeigen, dass sich das Datenmanagement bei Finanzinstituten mehr denn je zu einer Kerndisziplin entwickelt. Ein auf die heutigen Anforderungen zugeschnittenes Datenmanagement ist elementarer und inzwischen unverzichtbarer Bestandteil der Bank zur Versorgung ihrer internen und externen Stakeholder mit qualitativ hochwertigen Informationen. Wesentliches Merkmal hierbei ist der Betrieb eines auf Veränderungen schnell reagierenden Data Warehouses, das ein stabiles und effizientes Daten- und Prozessmanagement gewährleistet.

Zahlreiche Banken erkannten in Vergangenheit ihren Handlungsbedarf und investierten in die Modernisierung ihres DWH-Umfelds. Zielgerichtete Aktivitäten wurden initiiert, jedoch beobachten wir im Rahmen unserer Data-Warehouse-Projekte, dass die notwendige Passgenauigkeit in den einzelnen Maßnahmen nicht vorhanden ist.”

Daher empfehlen wir eine auf die Bank zugeschnittene Umsetzung der oben beschriebenen Ansätze. Sie gewinnt dadurch an Flexibilität, Schnelligkeit und Nachvollziehbarkeit im Datenhaushalt. Zudem vergrößern Banken somit ihre Handlungsfreiheit und legen den Grundstein für eine Differenzierung gegenüber ihren Wettbewerbern.Alexander Pauli und Adam Zlotnik, Finbridge