Effektiv Data Warehouse Bruk gjennom Strategisk data Management

I dag &'; s kuttet strupen verden av finansielle tjenester bestemmelsen, er evnen til raskt å svare på endrede markedsforhold fundamental.

Dessverre, behovet for å være først av blokkene kan ha negative konsekvenser. Og i trolig ingen andre området er dette mer tydelig enn i konstant tilpasning av bedriftens systemer og datavarehus. Markedspress, business haster og nye forskrifter (som Basel III, Dodd-Frank Act og FATCA) driver rutinemessig finansinstitusjoner inn stop gap, taktisk, omgå respons for sine data management problemer.

Men etter denne minste motstands vei sjelden, om noensinne, løser årsaken til organisasjonen &'; s systemer og data i en langsiktig og bærekraftig måte. Tvert imot, bare det gir midlertidig lindring, fører til problematiske data fragmentering og på lang sikt, forbindelser banken &'; s datautfordringer. Dette er grunnen til at det er behov for å ha en strategisk tilnærming til data management da dette sikrer kostnadseffektive, samarbeids, bærekraftige og verdig løsninger.

Men for strategisk datahåndtering til å bære de ønskede resultater, må det ta hensyn til flere faktorer, inkludert data vekslande, organisasjonskultur, business kompleksitet og senior sponsing. Mer spesifikt, må organisasjoner takle følgende utfordringer:

• Enorme omfanget av bedriftens data – Bankene er sterkt avhengig av data. Faktisk en finansinstitusjon &'; s viktigste ressurs utenfor sine kunder er informasjonen den besitter. For i dag &'; s bank opererer i flere land og med flere forretningsområder, er vital data generert på flere fronter. Selve volumet og mangfoldet av data kan gjøre å bestemme hvor du skal begynne, en vanskelig affære

• Organisering siloer – Enten ut av funksjonell nødvendighet eller ut av behovet for å beholde makten, kan enkelte avdelinger insisterer på å beholde sine data uavhengig av resten av organisasjonen, inkludert å ha sine egne datadefinisjoner, databehandling standarder, data kontroller og datavarehus.

• Obscure ansvar og eierskap til data – Uten en organisasjon for hele visningen av bedriftens data, er det lite sannsynlig å være en klar definisjon av data eierskap, ansvarlighet og autoritet. I slike scenarier, er dataene ofte sett på som ansvarlig for IT-avdelingen som ikke er fageksperter, ikke klarer å definere akkurat hva gode og nøyaktige data skal se ut

• Interferens med standard forretningsprosesser – Selv som banken legger ut på en omfattende prosess for å definere sine data, må forretningsprosesser fortsette. Behovet for å balansere en slik ekspansiv prosjekt med det haster med dag-til-dag operasjoner er en delikat en

• Fravær av globale økonomiske data management standarder – Det finnes flere standarder for dataadministrasjon ofte adressering et bestemt område eller smal nisje. Det er imidlertid ingen som går inn så mye bredde og dybde for å dekke alle områder av den økonomiske data management universet.

Men disse utfordringene kan overvinnes ved hjelp av en systematisk tilnærming. Dette inkluderer:

• Utvikle en innledende omfang – Bankene samle en enorm mengde data. Men ikke alle data er like viktig. Det første skrittet til datastyring er å definere ulike typer enterprise data og etablere dataene som &'; s strategisk viktig for institusjonen. Omfanget definisjonen bør omfatte fange regionalt næringsliv, distinkte divisjoner og bestemte jobber berørt av hver type data

• Rett data med forretningsmessige mål – Hvilken verdi har hver form for data til oppnåelse av virksomhetens mål? I motsetning til en generell uttalelse av mål, bør betydelig innsats gå inn knytte data til berørte interessenter og prosesser (f.eks inntekter, risikostyring, regulatorisk rapportering, kostnadskontroll etc). Så mye som mulig, definerer kvantitative beregninger med bestemte verdier av akkurat hvilke faktorer prege virksomheten måloppnåelse f.eks regning, inntekter etc.

• Skaff Senior Management Sponsing – I moderne organisasjoner, konkurrerende interesser er en uunngåelig realitet. Noen få bedrifter har råd til å beholde ansatte som ikke er fullt engasjert i å skape verdi for kunder og aksjonærer. Som sådan, vil personalet ofte prioritere aktiviteter som tydelig har støtte fra toppledelsen. Innhenting senior sponsing for en strategisk data management prosjektet er derfor avgjørende for å få en bærekraftig drivkraft og oppnå tilstrekkelig hele organisasjonen synlighet. På grunn av den alle gjennomgripende natur data, må senior sponsing omfatte alle avdelinger som har innspill vil være avgjørende

• Utvikle et nettverk av data champions – Senior sponsing er avgjørende. Men ledere vanligvis har for mye på deres plate å ha tid til å vie hele sin energi til forkjemper en årsak – selv når det årsaken er like viktig som data management. Som sådan bør data champions bli identifisert i hver enhet med deres primære formål er å ikke bare tjene som et teknisk samarbeid med bestemte avdelinger, regioner eller produkt lag, men også for å sikre fortsatt bevissthet om strategisk datahåndtering på prosessnivå.

• Utvikle standarder – Bli enige om standard data definisjoner og terminologi som betydningen vil være den samme uavhengig av produkt, prosess eller divisjon innenfor de brukes. Unngå gjenoppfinne hjulet eller motsier allerede eksisterende industristandarder (f.eks som fastsatt i en egen forskrift som Basel III eller Solvens II). Kartlegge virkningen av endringer i referansedata på forretningsdrift og sikre disse standardene er reflektert i datavarehuset

• Utføre og Monitor – Plenty av data kommer fra utenfor institusjonen f.eks markedsdata. Bankene bør samarbeide med andre deltakere fra bransjen for å øke automatisering av datautveksling. Erverve systemer og datavarehus som aktualisere problemstillinger avtalt som skissert i de foregående punktene ovenfor. Når den nye dataforvaltningsstrategi er i kraft, utvikle Key Performance Indicators (KPI) som sikrer vellykkede datastyring er ikke bare oppnådd, men vedvarende
 .;