Daten im Finanzsektor: Produktionsfaktor und Treibstoff für Innovationen
In der Finanzbranche sind Daten unverzichtbar und in Fülle vorhanden. Wer sie zu nutzen weiß und ihre Qualität bewerten kann, trifft bessere Entscheidungen, kann Risiken minimieren und bleibt wettbewerbsfähig.
Daten sind entlang der gesamten Wertschöpfungskette im Finanzsektor unverzichtbar. Finanzinstitute nutzen Daten zur Umsetzung regulatorischer Anforderungen, zur Steigerung der Effizienz und zur Verbesserung der Wettbewerbsfähigkeit. Ohne Daten ist eine erfolgreiche Steuerung nicht mehr denkbar – und das gilt in Zukunft umso mehr. Denn Daten werden benötigt, um Entscheidungen zu treffen, Risiken zu minimieren und Kundenbedürfnisse zu erfüllen.
Datengetriebenes Arbeiten bietet enorme Vorteile
Finanzinstitute verfügen über wachsende Mengen von Daten. Sie stammen aus Transaktionen, Kundeninformationen, Geschäfts- oder Schadensverläufen und aus dem Markt. Daten werden zunehmend zum Produktionsfaktor, wenn sie richtig eingesetzt werden. Die Herausforderung besteht darin, all diese Daten zu sammeln, zu speichern und zu analysieren, um wertvolle Erkenntnisse zu gewinnen.
Wie aus der KPMG-Studie „Voices on 2030: Financial Services reinvented“ hervorgeht, zählt Datenkompetenz zu den wichtigen wirtschaftlichen Erfolgsfaktoren unserer Zeit. Denn einen Wettbewerbsvorsprung erarbeiten sich die Unternehmen, die Daten entlang der gesamten Wertschöpfungskette verfügbar machen und systematisch nutzen. Doch welche Schritte sind auf dem Weg zum datengetriebenen Unternehmen notwendig?
1. Datenstrategie: Die Strategie definiert, wie das Geschäftsmodell datengetrieben bestmöglich unterstützt werden kann. Die Organisation legt fest, wie sie zukünftig Daten nutzt wie sie durch eine entsprechende Datenkultur befähigt wird, erfolgreich mit Daten zu arbeiten.
2. Datenarchitektur und -infrastruktur: Die Datenarchitektur und -infrastruktur soll eine integrierte Datennutzung entlang der gesamten Wertschöpfungskette ermöglichen und gleichzeitig eine hohe Flexibilität gewährleisten.
3. Datenmanagement: Das Datenmanagement klärt zentrale Fragen der Data Governance und des Datenschutzes und hat zum Ziel, eine hohe Qualität in der Datennutzung sicherzustellen.
4. Automatisierung: Automatisierungspotenziale werden konsequent genutzt. Ansätze in den Bereichen Robotics, Data & Analytics und KI kommen zunehmend zum Einsatz.
5. Datenbasierte Entscheidungen: Ansätze aus dem Bereichen Data & Analytics und KI können Risiken minimieren und helfen, bessere Entscheidungen zu treffen.
6. Reporting: Moderne Ansätze im Bereich Reporting und Planung ermöglichen eine bessere Unternehmenssteuerung und die Abbildung regulatorischer Anforderungen.
Data Quality Score als Tool zur Bewertung der Datenqualität
Doch wie kann man Datenqualität messen und diese einfach und für alle nachvollziehbar darstellen? Mit dieser Fragestellung haben sich Expertinnen und Experten von KPMG im Rahmen eines Projekts mit der Pfandbriefbank beschäftigt. Bei dem Lösungsansatz, etwas Abstraktes wie Datenqualität darstellbar zu machen, hat sich das Team an der Lebensmittelindustrie orientiert: Hier gibt ein Farbsystem auf vielen Verpackungen unkompliziert Auskunft zu den Nährwerten der einzelnen Nahrungsmittel – Verbraucherinnen und Verbraucher können die Angaben unkompliziert zu Rate ziehen und bei ihrer Kaufentscheidung beachten.
Aus dieser Idee hat sich der Data Quality Score entwickelt, der die Qualität von Daten auf verschiedenen Ebenen dokumentiert. Er kennzeichnet jedes Produkt, jeden Bericht, jede Kennzahl mit einem leicht verständlichen Qualitätshinweis – und lässt dabei sofort erkennen, wie valide die zur Verfügung gestellten Daten sind. Die Bewertung beginnt bei den einzelnen Datenfeldern und wird dann bis zum vollständigen Bericht hochgerechnet.
Visuelle Darstellung macht Datenqualität gut nachvollziehbar und anschaulich
Da das Label auf viele Bereiche anwendbar ist, gibt es zahlreiche Einsatz- und Anpassungsmöglichkeiten. Sehr hilfreich ist der Data Quality Score beispielsweise im Rahmen von Dashboards. Mit ihrer Hilfe lässt sich die Qualität unterschiedlicher Kennzahlen und Berichte überblicksartig darstellen, was die Entscheidungsfindung wesentlich unterstützen kann.
Chancen für Innovation und Wettbewerbsfähigkeit
Damit der Wandel zum datengetriebenen Finanzinstitut gelingt, sind die Unternehmen gefordert, in ihren Organisationen eine Datenkultur zu entwickeln, die Zuständigkeits- und Datensilos überwindet und eine effektive Data Governance ermöglicht. Nur so können sie das volle Potenzial von Daten ausschöpfen, ihre Effizienz steigern, ihren Kunden bessere und innovativere Lösungen anbieten und sich in einer zunehmend komplexen und digitalen Welt behaupten.
Weitere Informationen zum Projekt für die Pfandbriefbank erhalten Sie auf dem KPMG Financial Services Blog. Sie wollen solche Insights nicht verpassen? Jetzt den Newsletter ,KPMG Transformation Insights Financial Services‘ abonnieren!
