Fehlende Verknüpfungen verwandter Daten, eine mangelnde Datenqualität oder auch eine erhöhte Anfälligkeit für Fehlinterpretationen durch ein abweichendes Begriffsverständnis – die Probleme der Datenarchitekturen von Banken sind vielschichtig. Darunter leiden die Effizienz der Datenbeschaffung und auch ebenjene Arbeitsprozesse, die man durch den Einsatz moderner Technologien zu optimieren versucht. Es hapert vor allem an Struktur, wodurch eine anforderungsgerechte Aufbereitung und Analyse der vorhandenen Datenmassen verhindert wird.

Weitreichende regulatorische Anforderungen an die Datenarchitektur von Banken

Der Grund für diese Misere ist schnell gefunden: Beim Aufbau und in der Fortentwicklung der IT-Architekturen von Banken hat die strategische Weitsicht häufig gefehlt. So wurden von Seiten des Managements so gut wie keine Bemühungen unternommen, ein unternehmensweit einheitliches Datenverständnis und eine bereichsübergreifende Organisation und Verwaltung der Daten zu forcieren. Ein intransparentes Sammelsurium unterschiedlicher Definitionen und Granularitäten von grundsätzlich identischen Basisdaten in den verschiedenen Fachbereichen ist eine häufige Folge.

Diese Nachlässigkeit rächt sich spätestens jetzt: Denn schlechtes Datenmanagement mindert nicht nur die Effizienz interner Reporting-Prozesse und verursacht Inkonsistenzen bei der disziplinübergreifenden Interpretation von Ergebnisdaten. Entscheidend ist, dass die Aufsicht erstmals konkrete Anforderungen an IT-Architekturen von Banken stellt. So sollen diese Risikodaten zukünftig konsistent und granular bereitstellen und bei Anfragen der Aufsicht ad-hoc einen aussagekräftigen Gesamtüberblick über die gruppenweite Risikosituation liefern. Bislang können dies nur die wenigsten Geldhäuser. Ein Festhalten der Entscheider am Status Quo wäre daher grob fahrlässig.

Einheitliches Datenverständnis ist Erfolgsfaktor für intelligentes Datenmanagement

Um nicht nur den Verpflichtungen gegenüber der Aufsicht nachzukommen, sondern auch um das interne Datenmanagement intelligenter zu gestalten, ist die Implementierung eines strukturbringenden Elements unerlässlich. Ein Data Dictionary ist für diesen Zweck das ideale Werkzeug, da es als „Zentrales Nachschlagewerk“ die Inhalte einer ganzheitlichen Datenarchitektur logisch zusammenführt und strukturiert aufbereitet. Durch die Verknüpfung sämtlicher Datenbankobjekte und -beziehungen mit deren objektspezifischen Definitionen, Attribut- und Speicherstrukturen, kann das Data Dictionary schon als Glossar einen erheblichen Mehrwert für jeden Datenhaushalt leisten. Trotzdem empfiehlt es sich bei der Erfüllung der regulatorischen Vorgaben nicht nur auf Sicht zu fahren, sondern mit Weitblick die vielfältigen und flexiblen Gestaltungsmöglichkeiten eines Data Dictionary zu nutzen.

Die Umsetzung weiterer Funktionalitäten, wie beispielsweise die Abbildung von Abhängigkeiten und Beziehungen zwischen Datenfeldern und Lieferstrecken durch das sogenannte Data Lineage, hilft bei Analyse- und Berichterstellungsprozessen Transparenz herzustellen. Nach erfolgter Implementierung können unter anderem folgende wichtige Fragen geklärt werden: Woher kommen die Daten? Was passiert mit ihnen? Wohin fließen sie? Dies schafft die ideale Voraussetzung um Datenqualitätsproblemen auf den Grund zu gehen und überflüssige Datenfelder und Redundanzen im Datenhaushalt zu identifizieren, da – von der Quelle bis zur Kennzahl – jeder Schritt in der Datenverarbeitung mit Data Lineage nachvollzogen werden kann.

Im Zusammenspiel mit dem komplementären Aufbau eines harmonisierten Datenmodells sowie mit der Einführung von Metadatenverknüpfungen und einheitlichen Datentaxonomien kann die Nutzung eines Data Dictionary als Grundlage für ein umfassendes, disziplinübergreifendes Datenmanagement dienen. Dieses ermöglicht nicht nur eine zuverlässige Erfüllung regulatorischer Anforderungen, sondern verschlankt auch interne Reporting-Prozesse und erleichtert die Umsetzung zukünftiger Veränderungen mit Datenmanagement-Relevanz.

Unternehmerischen Mehrwert schaffen, Wettbewerbsfähigkeit verbessern

Bei Entscheidern sollte schleunigst die Erkenntnis reifen, dass der Fokus anstatt auf der möglichst kostengünstigen Umsetzung regulatorischer Mindestanforderungen, auf der nachhaltigen Schaffung unternehmerischen Mehrwerts und der Sicherung der Wettbewerbsfähigkeit liegen sollte. Denn noch ist es nicht zu spät – ganz im Gegenteil: wer jetzt seine Chance erkennt, kann mehrere Fliegen mit einer Klappe schlagen. Durch die Umsetzung eines Data Dictionary wird der Datennebel gelichtet, Durchblick verschafft und Prozesse verschlankt, während zugleich aktuelle und zukünftige Anforderungen der Aufsicht umgesetzt werden.