die bank 04 // 2016

ó IT & KOMMUNIKATION 2

ó IT & KOMMUNIKATION 2 Beispiele für DQ-Regeln Kennzahl Messpunkt DQ-Regel DQ-Dimension Netto-Exposure Trade IT Entwicklung Anzahl Trades im Zeitreihenvergleich zwischen Berichtsstichtagen Ökonomisches Kapital Erwarteter Verlust Kapitalbedarf Hartes Kernkapital (CET1) Vorsystemnahe Lieferstrecke zum Datawarehouse Eingang zur Rechen-Engine Eingang zur Rechen-Engine Post-Produktion Umfang der Korrekturen an Risiko- und Positionsdaten zwischen Tag 1 und Tag x Vergangene Zeit zwischen tatsächlichem Empfang der letzten Handels- und Positionsdaten und der vereinbarten Deadline Anteil der nicht erhaltenen Inputdaten zur vereinbarten Deadline Vollständigkeit Genauigkeit Aktualität Vollständigkeit funktionierender Regelbetrieb etabliert ist. Angesichts des dreijährigen Implementierungszeitraums, der national systemrelevanten Banken zur Erfüllung der BCBS 239-Grundsätze maximal zur Verfügung steht, wird für die Umsetzung von Maßnahmen zur Qualitätsüberwachung ein schrittweises Vorgehen vorgeschlagen. Im ersten Schritt sollte eine Fokussierung auf wesentliche Risikosteuerungsgrößen und die zugrunde liegenden Daten und Prozesse erfolgen. Maßgeblich für die Relevanz der Steuerungsgrößen ist deren Eingang in zentrale Berichte und deren Einfluss auf Entscheidungsprozesse der Risikosteuerung. Die Auswahl wesentlicher Risikokennzahlen sollte sich am Geschäftsmodell und an der Risikostrategie des Hauses orientieren und regelmäßig, beispielsweise im Rahmen der jährlichen Risikoinventur, überprüft werden. Viele Banken starten mit einer Auswahl von 20 bis 30 für die Risikoberichterstattung relevanter Kennzahlen. Hierzu zählen i. d. R. auch Meldewesen- und Finanzinformationen wie die Risikovorsorge und RWA. Beispiele für erfolgreiche Einführungsprojekte verdeutlichen die Vorteile eines abgestuften Vorgehens. Die Verteilung fachlicher und technischer Komplexität im Zeitablauf erhöht die Wahrscheinlichkeit einer erfolgreichen Umsetzung und erlaubt zudem eine bessere Steuerung des Umsetzungsfortschritts. Neben dem geringeren Einarbeitungs- und Koordinationsaufwand gegenüber einer Kompletteinführung lassen sich deutlich schneller erste greifbare Erfolge vorweisen. Um dieses Vorgehen gegenüber der Aufsicht argumentieren zu können, sollten Banken bis zum Inkrafttreten der BCBS 239-Grundsätze ihr DG-Konzept für die wichtigsten Risikosteuerungsgrößen etabliert haben. Darüber hinaus empfiehlt es sich, von vornherein einen Plan zur schrittweisen Erweiterung der DG-Maßnahmen auf weitere Steuerungsgrößen aufzustellen. Beim Aufbau der Datenqualitätsüberwachung werden die ausgewählten Kenngrößen zunächst in ihre fachlichen Bestandteile zerlegt. Dabei werden alle einfließenden Datenobjekte in einer Baumstruktur erfasst und dokumentiert. Entlang dieser Struktur, die den Verarbeitungs- und Aggregationsprozess widerspiegelt, werden Messpunkte definiert. Dabei handelt es sich um ausgewählte Datenobjekte, für die eine Messung der Datenqualität (DQ) möglich und sinnvoll ist ” 2. fl Führungskräfte spielen für die Akzeptanz und die Durchsetzbarkeit von DG- Verantwortlichkeiten eine wesentliche Rolle und sollten frühzeitig eingebunden und von den entwickelten Konzepten überzeugt werden. Umfang der IFRS-Korrekturen, die nach Schließen der Bücher übermittelt wurden Genauigkeit Die Bestimmung der Messpunkte orientiert sich dabei an bekannten Fehlermustern. So sollte ein Messpunkt möglichst nah an dem Verarbeitungsschritt sein, an dem Qualitätsmängel oder Fehler verursacht werden können. Erfolgen Messungen erst am Ende der Verarbeitungskette, haben sich Qualitätsmängel bereits häufig in verschiedenen Datenverarbeitungsprozessen niedergeschlagen. Durch ursachennahe Messpunkte lässt sich die Gesamtzahl der DQ-Kontrollen effektiv auf ein ausgewogenes Maß reduzieren. Die Art der Messungen wird durch Regeln definiert. So sind für jede der zuvor festgelegten DQ-Dimensionen (z. B. Aktualität, Vollständigkeit, Genauigkeit) an jedem Messpunkt eine oder mehrere Messregeln festzulegen. In der Praxis zeigt sich, dass man dabei – unter Verwendung des Kontrollinventars – zum großen Teil auf bereits bestehende Kontrollen zurückgreifen kann. Zielbild sollte eine vollständige Abdeckung über alle relevanten DQ-Dimensionen sein. Die Aggregationslogik im Rahmen der Berichtserstattung über Datenqualität sollte zentral erfolgen, in Abstimmung mit den Kennzahlenverantwortlichen, um volle Kontrolle über die Aussagekraft der Ergebnisse zu behalten. Die Definition von Toleranzen erlaubt zusätzlich die Feinjustierung der Aussagen im Bericht ” 3. DQ-Berichte für das Management und die Bereiche stellen den Bezug zwischen den ausgewählten Steuerungsgrößen und 72 diebank 04.2016

Lorem ipsum dolor sit amet, consectetuer adipiscing elit. IT & KOMMUNIKATION ó der zugrunde liegenden Datenqualität her und liefern bereits zu einem frühen Zeitpunkt den Nachweis für die Wirksamkeit von DG-Maßnahmen. In der Praxis zeigt sich, dass die Transparenz über Datenqualitätsprobleme durch ein adäquates Reporting über Datenqualitätsprobleme und deren Ursachen bereits maßgeblich zur Verbesserung der Datenqualität beitragen. Zwingend notwendig sind aber auch definierte Prozesse zur systematischen Verbesserung der Datenqualität. Dazu können detaillierte Erfassungsregeln und systemseitige Eingabevalidierungen zur Vermeidung von Fehlern sowie automatisierte Datenbereinigungen in operativen und dispositiven Systemen gehören. Ausgehend von den als wesentlich definierten Kennzahlen hat es sich in der Praxis als hilfreich erwiesen, mit einer Pilotierung zu beginnen. Grundsätzlich empfiehlt sich für diese erste Verprobung eine Kennzahl von geringerer Komplexität zu wählen, um möglichst schnell den Gesamtprozess zu durchlaufen. Danach kann eine Ausweitung auf weitere und komplexere Kennzahlen erfolgen. Eine Pilotphase dient einerseits dazu, bereits zu Beginn von mehrjährigen Umsetzungsprojekten eine theoretische Governance-Diskussion in praxisrelevante Sachverhalte zu übersetzen. Dadurch werden die DG- und DQ-Anforderungen für die Fachbereiche greifbarer. Andererseits liefert sie Erkenntnisse für die Anforderungsspezifikation im Rahmen einer Softwareauswahl sowie für zu erwartende Aufwände für die Umsetzung und den späteren Regelbetrieb der DG-Linienorganisation. Die Wirksamkeit der Pilotphase wird signifikant durch Einbindung potenzieller Mitarbeiter der DG-Linienorganisation gesteigert. Ergebnisse der Pilotierung können darüber hinaus gezielt in Kommunikationsmaßnahmen einfließen. Verknüpfung von DG-Strukturen mit bestehenden Funktionen Eine wichtige Fragestellung bei der Konzeption von bankindividuellen DG- Strukturen betrifft das spätere Zusammenspiel mit den bereits etablierten qualitätssichernden Funktionen der Bank. Dabei ist zu bestimmen, wie zentrale und dezentrale DG-Funktionen bei der Überwachung und Behandlung von DQ-Problemen und deren Ursachen, etwa mit dem Management operationeller Risiken, dem Internen Kontrollsystem aber auch mit steuernden Funktionen, wie einer Dienstleistersteuerung oder einem IT-nahen Incident Management, zusammenarbeiten sollen. Mess- und Kontrollaktivitäten sowie Berichts- und Eskalationsprozesse sollten von vornherein überschneidungsfrei geplant bzw. aufeinander abgestimmt werden. Das DG-Konzept bildet eine zentrale Klammer und definiert Vorgaben für ein geordnetes und effektives Zusammen- 3 Von der Berichtskennzahl über DQ-Regeln hin zum DQ-Bericht Messobjekte Messpunkte DQ-Regeln Was messe ich? Auswahl wesentlicher Berichtskennzahlen 1 KNZ-Dekomposition MO Wo messe ich? Definition der Messpunkte MP 2 3 Definition DQ-Regeln pro Kennzahl pro DQ-Dimension Wie messe ich? 4 DG-/DQ-Gremium Ggf. Austausch KNZ-Owner MO MO MO MP DQ-KPI DQ-KPI DQ-KPI KNZ_a KNZ_b KNZ … KNZ_y KNZ_z T A C T A C T A C T A C T A C MP MO MO MO Vorstand Aggregation MP MO MO MP MP Markt Marktfolge DWH Backoffice Berichte Front-to-End Lieferstrecke MO MO KNZ 3 KPIs berechnen & reporten 2 Aggregieren & KNZ betrachten 1 Messen & Bewerten 04.2016 diebank 73