Datenkultur in der Finanzbranche: Daten sind die stärksten Aktivposten für Innovation!
Databricks
von Junta Nakai, Global Industry Leader, Financial Services & Sustainability bei Databricks
Mit der zunehmenden Nutzbarkeit von Daten im Finanzdienstleistungssektor werden diejenigen Unternehmen überleben, florieren und innovativ sein, die eine solide „Datenkultur“ schaffen. Dies bedeutet, dass sie die Talente für sich gewinnen und halten müssen sowie ihnen fortschrittliche Tools zur Verfügung zu stellen, die Daten und Menschen zusammenbringen.Laut Forbes nutzen schon 70 Prozent aller Finanzdienstleister weltweit datenintensives maschinelles Lernen (ML), um Cashflow-Ereignisse vorherzusagen oder Betrug aufzudecken.”
Von „datengestützt“ auf „datengesteuert“ umstellen
Ohne einfache, offene und leicht zugängliche Daten werden Finanzunternehmen ins Hintertreffen geraten. Die Verankerung einer Datenkultur, die diese Kernprinzipien berücksichtigt, ist jedoch keine leichte Aufgabe. Sie ist es besonders dann nicht, wenn man bedenkt, wie Finanzunternehmen in der Vergangenheit geführt wurden. Start-ups sind in der Regel gut im Umgang mit Risiken geübt und haben eine größere Experimentierfreudigkeit. Es ist der sichere Raum für Iterationen und Verbesserungen, der sie zu Innovationen befähigt. Größere Banken und Finanzorganisationen hingegen sind darauf ausgelegt, nicht zu scheitern und risikoreiche Situationen zu vermeiden.
Die Förderung einer neuen Art von datengesteuerter Kultur wie bei einem Start-up in einem etablierten Institut ist eine große Abweichung von der Art und Weise, wie Finanzorganisationen in der Vergangenheit geführt wurden. Es ist aber eine notwendige Veränderung.”
Wie können Führungskräfte im Finanzbereich damit beginnen, eine Datenkultur zu erschaffen? Zunächst müssen sie ihre Daten in einer modernen Architektur wie einem Data Lakehouse konsolidieren. Das Lakehouse ist derzeit die Datenarchitektur, die Daten am effizientesten speichert, bereinigt und analysiert. Im Gegensatz zu anderen Architekturen ermöglicht ein Data Lakehouse den Data Teams die Zusammenarbeit über den gesamten Daten- und KI-Workflow von einer Plattform aus. Hier werden die Daten offen, leicht kontextualisiert und zugänglich sein.
Des Weiteren müssen die Verantwortlichen festlegen, wer Zugriff auf diese Daten hat, um den Datenfluss im gesamten Unternehmen zu verbessern. In vielen Situationen können Daten von vielen Personen innerhalb eines Unternehmens isoliert und von einigen wenigen kontrolliert werden. Es gibt jedoch verschiedene Benutzer, die Zugang zu unterschiedlichen Datenpunkten benötigen.
Hier ist es wichtig, das auf die richtige Art und Weise zu machen, damit die Daten nicht fragmentiert werden oder es zu Datenabweichungen kommt (unerwartete oder undokumentierte Änderungen der Datenstruktur).”
Und schließlich müssen sie die Datenstrategie auf das Unternehmen abstimmen und dabei die Sicherheits- und Datenschutzprotokolle beachten. Führungskräfte, die ihre Mitarbeiter aktiv zu einer Datenkultur ermutigen und ihnen die entsprechenden Werkzeuge an die Hand geben, werden letztlich eine kollektive Innovation anregen.
Junta Nakai ist Vice President, Global Industry Leader of Sustainability & Financial Services bei Databricks (Webseite). Bevor er zu Databricks kam, war er 14 Jahre bei Goldman Sachs tätig, zuletzt als Head of Asia Pacific Sales in der Equities Division in New York. Er schreibt für verschiedene Publikationen im Bereich Wirtschaft und Technologie und spricht häufig auf Konferenzen und mit Medien auf der ganzen Welt über nachhaltige Transformation. Er hält einen B.A. in Wirtschaftswissenschaften und internationalen Studien von der Northwestern University. Diese Veränderungen müssen von der Unternehmensspitze ausgehen. Führungskräfte müssen Investitionen in die leistungsfähigsten IT-Tools wie die Cloud, die Datenanalyse und Open Source sowie deren Nutzung Vorrang einräumen. Investitionen in diese grundlegenden Bausteine werden es Finanzunternehmen ermöglichen, Menschen und Daten auf die produktivste Weise zusammenzubringen.
Bei der Datenkultur geht es nicht darum, die eine Person einzustellen, die das Unternehmen revolutioniert, sondern darum, dass sich neue Arten von Datenfunktionen im gesamten Unternehmen entfalten können.”
Um dies zu beschleunigen, sollten sich Führungskräfte an anderen Unternehmen orientieren, die in Sachen Daten und KI schon weiter sind, und von ihnen lernen. Es lohnt sich zum Beispiel, die Stellenausschreibungen auf den Websites der Innovatoren in diesem Bereich sowie die Anzahl und Art der Stellen, die sie besetzen, sorgfältig zu prüfen. Welche Erkenntnisse lassen sich aus den detaillierten Fähigkeiten, der Unternehmenskultur und anderen für das Unternehmen wichtigen Aspekten ziehen?
Wie würde eine datengesteuerte Finanzorganisation aussehen?
Daten haben bereits die Art und Weise revolutioniert, wie Banken Betrug aufdecken. Die meisten Finanzunternehmen verwenden heute historische Analysen von Transaktionsdatensätzen, um Muster zu finden und Betrug auszuschließen. Das funktioniert, aber es ist rückwärtsgewandt, starr und beruht auf engen Datensätzen. Betrüger sind ständig auf der Suche nach neuen Wegen, um Betrug zu begehen. Daher müssen Finanzunternehmen genauso flexibel sein und Echtzeitanalysen und KI nutzen, um den Kriminellen immer einen Schritt voraus zu sein. Die fortschrittlichsten Unternehmen nutzen heute alternative Daten wie Geo-Daten, um die Betrugserkennung in Echtzeit zu verbessern. Anstatt stumpfe Instrumente wie hart kodierte Betrugsalgorithmen zu verwenden, können Finanzunternehmen die Echtzeit-Analyse von Transaktionsdaten mit Geo-Daten kombinieren. Denn um anormale Muster zu erkennen, muss das Datenteam erst einmal verstehen, was normales Verhalten ist. Und dies für Millionen von Kunden zu tun, ist eine Herausforderung, für die Daten und KI in einer Plattform kombiniert werden müssen.
Und nicht nur das:
Die richtige Architektur ermöglicht eine wirklich personalisierte KI.”
Daten und KI ermöglichen es Unternehmen, das Ausgabeverhalten ihrer Kunden besser zu verstehen, und zwar im Hinblick darauf, wer sie sind und wie sie mit Geld umgehen. Es gibt kein „Standardverfahren“, sondern ein individuelles Erlebnis für jeden Kunden, das sich aus seinem eigenen Verhalten ergibt. Dieser Rahmen kann in allen Unternehmensbereichen genutzt werden, von der Betrugserkennung über das Risikomanagement bis hin zur ökologischen und sozialen Governance (ESG).
Fazit
Es lassen sich viele Parallelen zwischen einer Bank mit einer starken Datenkultur und einer Bank mit einer starken Unternehmenskultur ziehen. KI und Unternehmenskultur ähneln sich insofern, als dass jeder darüber spricht, ihre Vorzüge überall beschrieben werden, aber niemand wirklich weiß, was sie bedeutet, solange keine klaren Maßnahmen und keine Führung dahinterstehen.
Der Unterschied zwischen einer Bank mit und ohne Datenkultur ist derselbe wie der Unterschied zwischen Banken mit und ohne starke Unternehmenskultur. Die eine Bank lebt ihre Werte. Die eine Bank tut es nicht.”
Das Gleiche gilt für KI. Langfristig hat das erhebliche Auswirkungen auf jeden Teil der Geschäftstätigkeit einer Bank von der Rekrutierung bis zum Risikomanagement. Wenn man sich heute weltweit Finanzorganisationen ansieht, stellen Banken mit einer starken Unternehmenskultur weiterhin die besten Mitarbeiter ein und treffen im Durchschnitt bessere Entscheidungen. Die Kombination mit einer starken Datenkultur bedeutet, dass Unternehmen neue Wege finden können, um mit ihren stärksten Aktivposten (Daten) innovativ zu sein und die besten technischen Talente (Mitarbeiter) zu rekrutieren und an sich zu binden, um weiterhin zu wachsen.Junta Nakai, Databricks
Sie finden diesen Artikel im Internet auf der Website:
https://itfm.link/130954
Schreiben Sie einen Kommentar