Dataudtræk til Solvens II Compliance

Kvalitet data Midler Kvalitet Beslutninger

Når nogen af ​​os går ind i vores familie læge &'; s kontor for behandling eller en rutinemæssig helbredsundersøgelse, en ting vi forventer, er, at de historiske medicinske data lægen besidder på os er komplet , præcis og passende. Hvis du tidligere har lidt flere knoglebrud på grund af en trafikulykke, skal din familie læge allerede kender det. Hvis du er allergisk over for aspirin, også der bør være en del af din sygehistorie. En sådan baggrund af data er afgørende for at sikre, at uanset hvad narkotika recepter eller anbefalinger livsstil lægen i sidste ende leverer føre til bedre generel velvære.

Dette princip er ikke anderledes i erhvervsklimaet. Hver dag er de ledere af virksomheder over hele verden konfronteret med afgørende beslutninger. For sådanne beslutninger til positivt påvirke virksomheden, skal de være baseret på nøjagtige, helhed og relevante data. Det er netop derfor Solvency II og flere andre finansielle tjenesteydelser regler kræver, at forsikringsselskaberne omfatter dokumentation for, at de regulatoriske rapporter, de indsender, er baseret på data fra upåklagelig kvalitet.

Den rolle Dataudtræk

For kvaliteten af ​​de data, der anvendes til at være sikker, en af ​​de vigtigste faser kvalitetskontrol er ved punktet for dataudtræk. For at generere rapporter, skal hentes relevante data fra derefter ind risikoen data warehouse interne og eksterne systemer. De fleste gange, at dataudtræk er i virkeligheden to processer i ét - dataudtræk og data konvertering. Konverteringen er nødvendig for at sikre data i et format, klar til upload i datawarehouse.

Hvis forsikringsselskaberne skal have en vished om kvaliteten af ​​de data, der i sidste ende går ind i data warehouse og til sidst bruges til generere risikorapporter er kontroller rundt om dataudtræk og omstillingsprocessen skal sikre oplysninger ikke ændret eller tabt. Dette ville være relativt ligetil, hvis de udtrukne data var en fuldstændig kopi af kildedata. Men bortset fra nogle få undtagelser, en meget lille del af det udtrukne data vil sandsynligvis være fuldstændige kopier af originalen.

De fleste data udtrukket for risikostyring og regulatorisk rapportering vil være en delmængde af den oprindelige rekord. For Solvens II, skal de oprindelige data kan for eksempel filtreret for specifikke produkter eller forsikringer. Selvfølgelig hvad burde medtages eller udelukkes skal bestemmes meget tidligt under installationen og /eller konfiguration af risikoen datavarehus som forberedelse til Solvens II.

Trin for Quality Dataudtræk

I betragtning af den stadigt skiftende erhvervsklima, især for de større forsikringsselskaber, som vil blive mest berørt af denne nye forordning, skal reglerne for dataudtræk være fleksibel nok til at tillade fremtidige ændringer af erhvervsklimaet. Hierarki, arbejdsgange og forretningssystemer ændre sig med tiden, og for stift et udtræk proces løber risikoen for at falde bag en udviklende organisation og uforvarende benytter ufuldstændige data.

Derfor udvikle dataudtræk proces til Solvens II rapportering må nødvendigvis omfatte følgende trin:.

a) Identifikation den samlede befolkning i kildedata

b) Sørg for, at oplysningerne er korrekt segmenteret for at lette genfinding af relevante kildedata f.eks ved politik, produkttype, beliggenhed osv

c) udvikle en liste inklusion -. hvilke produkter og politiske typer skal indgå i Solvens II-rapporter

d) Udvikle en udelukkelse liste -? Normalt , hvilket skaber en udelukkelse liste ville simpelthen betyde at komme af alt det, der ikke falder i listen integration. Dog skal data gør dobbelt sikker ved sigtning gennem alle udelukkede posttyper. Solvens II standarder for data fuldstændighed kræver, at ingen relevante og tilgængelige data bør udelukkes uden ordentlig begrundelse. Gennemgang af listen eksklusion er også vigtig for de bredere risikostyring målsætninger i forsikringsselskab. Visse felter kan ikke være direkte relevant for Solvens II rapportering, men de kan være afgørende for at opnå interne aktuarmæssige og risikostyringssystemer mål.

e) Baseret på lister og fravalg, udvikle en kontrol alarm til brug under dataudtræk der ville signalere forekomsten af ​​data, der ikke falder i en af ​​listerne. Dette vil bidrage til automatisk at opfange ændringer i systemets data (fx på grund af den rullende ud af et nyt produkt), som kan have en indvirkning på Solvens II-rapporter.

f) På trods (a), udarbejde en plan for regelmæssig revision for at sikre, at dataudtræk er i overensstemmelse med de nuværende forretningsprocesser
.