Efficiënte Data Warehouse gebruiken door middel van Strategic Data Management

In de huidige &'; s moordlustige wereld van de financiële dienstverlening, de mogelijkheid om snel te reageren op veranderende marktomstandigheden is fundamenteel.

Helaas, de noodzaak om de eerste te zijn uit de blokken kan negatieve gevolgen hebben. En in waarschijnlijk geen enkel ander gebied is dit duidelijker dan in de constante tweaken van enterprise-systemen en data warehouses. Druk van de markt, zakelijke urgentie en de nieuwe regelgeving (zoals Basel III, de Dodd-Frank Act en FATCA) routinematig drijft financiële instellingen in stop gap, tactisch, omzeilen antwoorden voor hun data management problemen.

Echter, na deze weg van de minste weerstand zelden of nooit, richt zich op de oorzaak van de organisatie &'; s systemen en gegevens in een lange termijn en duurzame manier. Integendeel, het biedt slechts een tijdelijke verlichting, leidt tot problematische data fragmentatie en op de lange termijn, verbindingen van de bank &'; s data uitdagingen. Daarom is er behoefte aan een strategische aanpak van data management hebben, omdat dit zorgt voor kostenefficiënte, samenwerkend, duurzame en waardevolle oplossingen.

Maar voor strategische data management om de gewenste resultaten te dragen, moet het rekening houden met verschillende factoren, waaronder data schakering, organisatiecultuur, zakelijke complexiteit en senior sponsoring. Meer in het bijzonder, moeten organisaties omgaan met de volgende uitdagingen:

• Enorme omvang van enterprise data – Banken zijn sterk afhankelijk van de gegevens. In feite, een financiële instelling &'; s belangrijkste activa buiten haar klanten is de informatie waarover zij beschikt. Voor vandaag &'; s bank die actief zijn in verschillende landen en met verschillende business lines, is van vitaal belang gegevens die op meerdere fronten. De enorme omvang en diversiteit van de gegevens kan

&bull te bepalen waar te beginnen, een moeilijke aangelegenheid; Organisatie silo's – Of van functionele noodzaak of uit de behoefte om de macht te behouden, kunnen bepaalde afdelingen aandringen op het behoud van hun gegevens, onafhankelijk van de rest van de organisatie, waaronder het hebben van hun eigen gegevens definities, data management standaarden, data controles en data warehouse.

• Obscure verantwoordelijkheid en gegevens eigendom – Zonder een organisatie-breed beeld van enterprise data, is het onwaarschijnlijk dat een duidelijke definitie van de gegevens eigendom, verantwoordelijkheid en autoriteit. In dergelijke scenario's, worden de gegevens vaak gezien als de verantwoordelijkheid van de IT-afdeling, die, niet zijnde vakexperts, zijn niet in staat om te bepalen wat goed en nauwkeurige gegevens eruit moet zien

• Interferentie met de standaard business processen – Zelfs als de bank zich opmaakt voor een uitgebreid proces voor het bepalen van de data, moeten bedrijfsprocessen blijven. De noodzaak om een ​​dergelijke expansieve project in evenwicht te brengen met de urgentie van de dag-tot-dag operaties is een delicaat

• Afwezigheid van de wereldwijde financiële data management normen – Er zijn verschillende normen voor data management vaak de aanpak van een bepaald gebied of een smalle niche. Er is echter niets dat gaat in zo veel breedte en diepte om elk gebied van de financiële data management universum te dekken.

Maar deze uitdagingen kan worden overwonnen door middel van een systematische aanpak. Dit houdt in:

• Het ontwikkelen van een eerste scope – Banken verzamelen een enorme hoeveelheid data. Maar niet alle informatie is even belangrijk. De eerste stap om data management is het definiëren van de verschillende types van enterprise data en tot vaststelling van de gegevens die &'; van strategisch belang voor de instelling is. Scope definitie moet omvatten het vastleggen van de regionale bedrijven, afzonderlijke afdelingen en specifieke banen beïnvloed door elk type gegevens

• Lijn gegevens met zakelijke doelstellingen – Welke waarde is elke vorm van gegevens aan de verwezenlijking van de doelstellingen van het bedrijf? In tegenstelling tot een algemene verklaring van de doelstellingen, moeten aanzienlijke inspanningen gaan in koppelverkoop data naar de getroffen stakeholders en processen (bijvoorbeeld de inkomsten, risicomanagement, regelgeving rapportages, kostenbeheersing etc.). Zoveel mogelijk, definiëren kwantitatieve maatstaven met specifieke waarden van precies welke factoren karakteriseren bedrijf doelrealisatie bv kosten, inkomsten etc.

• Verkrijgen Senior Management Sponsoring – In moderne organisaties, concurrerende belangen zijn een onvermijdelijke realiteit. Weinig bedrijven hebben de luxe van het behoud van medewerkers die niet volledig betrokken zijn bij het creëren van waarde voor klanten en aandeelhouders. Als zodanig, zal het personeel vaak voorrang geven aan activiteiten die duidelijk de steun van het senior management. Het verkrijgen van senior sponsoring voor een strategisch data management-project is daarom van vitaal belang bij het verkrijgen van een duurzame impuls en het bereiken van voldoende organisatiebrede zichtbaarheid. Vanwege de alles doordringende aard van de gegevens, moet senior sponsoring omvatten alle afdelingen waarvan de ingang van vitaal belang zullen zijn

• Het ontwikkelen van een netwerk van data kampioenen – Senior sponsoring is cruciaal. Maar senior managers hebben meestal te veel op hun bord om de tijd om hun volledige energie te wijden aan het verdedigen van een oorzaak &ndash hebben; zelfs wanneer dat oorzaak is zo belangrijk als data management. Als zodanig moet gegevens kampioenen worden geïdentificeerd in elke eenheid met hun primaire doel is om niet alleen dienen als een technische samenwerking met specifieke afdelingen, regio's of product teams, maar ook om verdere bewustwording van strategische data management op procesniveau te verzekeren.

• Ontwikkelen van normen – Eens over standaard data definities en terminologie waarvan de betekenis zal hetzelfde zijn, ongeacht van het product, proces of de sector waar ze gebruikt worden. Voorkomen dat het wiel opnieuw uitvinden of tegenstrijdige reeds bestaande industriële normen (bijvoorbeeld zoals uiteengezet in een specifieke regelgeving zoals Basel III en Solvency II). Kaart brengen van de impact van wijzigingen te verwijzen naar gegevens over de bedrijfsvoering en ervoor zorgen dat deze normen worden weerspiegeld in het datawarehouse

• Uitvoeren en Monitor – Tal van gegevens afkomstig van buiten de instelling bv marktgegevens. Banken moeten samenwerken met andere industriële deelnemers aan automatisering van de uitwisseling van gegevens te verhogen. Verwerven systemen en data warehouses dat het op zoals beschreven in de voorgaande punten boven overeengekomen kwesties actualiseren. Zodra de nieuwe data management strategie is in feite de ontwikkeling van Key Performance Indicators (KPI's) die een succesvolle data management wordt niet alleen bereikt, maar aanhoudende
zorgen.