Effektiv Data Warehouse Brug gennem Strategic Data Management

I dagens &'; s opskåret hals verden af ​​bestemmelse finansielle tjenester, evnen til hurtigt at reagere på skiftende markedsforhold er grundlæggende.

Desværre, at det er nødvendigt at være første off blokkene kan have negative konsekvenser. Og i formentlig intet andet område er dette mere tydeligt end i den konstante tweaking af virksomhedens systemer og data warehouses. Markedspres, business uopsættelighed og nye regler (som Basel III, Dodd-Frank-loven og FATCA) rutinemæssigt driver finansielle institutioner i nødløsning, taktisk, arbejde omkring svar for deres data ledelsesmæssige problemer.

følger denne stien mindst modstand sjældent, om nogensinde, adresser imidlertid den egentlige årsag til organisationens &'; s systemer og data i en langsigtet og bæredygtig måde. Tværtimod er det kun giver midlertidig lindring, fører til problematiske fragmentering af data og på længere sigt, forbindelser banken &'; s data udfordringer. Det er derfor, der er behov for at have en strategisk tilgang til datahåndtering, da dette sikrer omkostningseffektive, kollaborative, bæredygtige og værdifulde løsninger.

Men for strategisk ledelse af data til at bære de ønskede resultater, skal den tage hensyn til flere faktorer, herunder data variegation, organisationskultur, business kompleksitet og senior sponsorering. Mere specifikt skal organisationerne beskæftige sig med følgende udfordringer:

• Langt omfang virksomhedens data – Bankerne er stærkt afhængige af data. Faktisk er en finansiel institution &'; s vigtigste aktiv uden for sine kunder er de oplysninger, den er i besiddelse af. For i dag &'; s bank opererer i flere lande, og med flere forretningsområder, er afgørende data genereret på flere fronter. Den store mængde og mangfoldighed af data kan gøre at bestemme hvor du skal begynde, en vanskelig affære

• Organisation siloer – Hvad enten ud af funktionel nødvendighed eller ud af behovet for at bevare magten, kan visse afdelinger insistere på at fastholde deres data uafhængigt af resten af ​​organisationen, herunder at have deres egne datadefinitioner, data management standarder, data kontrol og data warehouse.

• Obscure ansvar og data ejerskab – Uden en organisation-vid udsigt over virksomhedens data, er der næppe være en klar definition af data ejerskab, ansvarlighed og myndighed. I sådanne scenarier, er dataene ofte ses som ansvar it-afdelingen, der ikke er emne eksperter, ikke er i stand til at definere hvad god og nøjagtige data skal se ud

• Interferens med standard forretningsprocesser – Selv som banken begiver sig ud på en omfattende proces for at definere sine data, skal forretningsprocesser fortsætte. Behovet for at afbalancere sådan en ekspansiv projekt med det haster med dag-til-dag operationer er en delikat én

• Fravær af globale standarder &ndash finansielle data management; Der er flere standarder for data management ofte omhandler et bestemt område eller smal niche. Der er dog ingen, der går ind så meget bredde og dybde, at den dækker alle områder af den finansielle data management univers.

Men disse udfordringer kan overvindes ved hjælp af en systematisk tilgang. Dette omfatter:

• Udvikling af en indledende rækkevidde – Banker indsamle en enorm mængde data. Men ikke alle data er lige så vigtigt. Det første skridt til datahåndtering er at definere de forskellige typer af virksomhedens data og oprettelse af data, &'; s strategisk vigtigt for institutionen. Anvendelsesområde definition bør omfatte opfange de regionale virksomheder, særskilte afdelinger og specifikke job, der berøres af hver type data

• Juster data med forretningsmæssige mål – Af, hvad værdien er hver form for data til opnåelsen af ​​forretningsmæssige mål? I modsætning til en almindelig oversigt over mål, bør en betydelig indsats gå i binde data til berørte interessenter og processer (f.eks indtægter, risikostyring, regulatorisk rapportering, omkostningsstyring osv). Så meget som muligt, at definere kvantitative målinger med specifikke værdier af netop hvilke faktorer karakteriserer business målopfyldelse f.eks udgift, indtægter osv

• Opnå Senior Management Sponsorering – I moderne organisationer, konkurrerende interesser er en uundgåelig realitet. Enkelte virksomheder har den luksus at fastholde medarbejdere, der ikke er i fuld gang med at skabe værdi for kunder og aktionærer. Som sådan vil personale ofte prioritere aktiviteter, der klart har støtte fra den øverste ledelse. Indhentning senior sponsorering for et strategisk data management projekt er derfor afgørende at få bæredygtig fremdrift og opnå tilstrækkelig hele organisationen synlighed. På grund af den alt omsiggribende karakter af data, skal senior sponsorering omfatte alle afdelinger, hvis input vil være afgørende

• Udvikle et netværk af data mestre – Senior sponsorering er afgørende. Men topledere har som regel for meget på deres plade til at have tid til at afsætte hele deres energi på at kæmpe for en årsag – selv når denne årsag er så afgørende som datastyring. Som sådan bør data mestre identificeres i hver enhed med deres primære formål er at ikke kun tjene som en teknisk samarbejde med bestemte afdelinger, regioner eller produktteams, men også for at sikre fortsat opmærksomhed om strategisk ledelse data på procesniveau.

• Udvikle standarder – Aftal standard datadefinitioner og terminologi, hvis betydning vil være den samme uanset produkt, en proces eller afsnit, i hvilket de anvendes. Undgå at genopfinde hjulet eller modsiger allerede eksisterende branchestandarder (fx som beskrevet i en særlig forordning, såsom Basel III eller Solvens II). Kortlægge effekten af ​​ændringer i referencedata om forretningsaktiviteter og sikre, at disse standarder er afspejlet i datawarehouse

• Udføre og Monitor – Masser af data kommer fra uden for institutionen, f.eks markedsdata. Bankerne bør samarbejde med andre deltagere industrien til at øge automatisering af dataudveksling. Erhverve systemer og data warehouses at aktualisere de spørgsmål aftalt som skitseret i de foregående punkter ovenfor. Når den nye data management strategi er i kraft, udvikle Key Performance Indicators (KPI'er), der sikrer vellykkede datastyring er ikke kun opnås, men vedvarende
 .;