SAS VFL Solvency II

Transcription

SAS VFL Solvency II

make connections • share ideas • be inspired
Wie kann die Datenqualität und die notwendige
Zusammenarbeit zwischen Fachabteilung und IT
verbessert werden?
Müll rein, Müll raus – Muss das sein?
Gabriele Smith
SAS Center of Excellence Information Management
Baden, 15. Mai 2012
Copyright
©©2012,
Inc.Inc.
All All
rights
reserved.
Copyright
2012,SAS
SASInstitute
Institute
rights
reserved.
Datenqualität in der Praxis
 Datenqualität – Data Governance –
Master Data Management – was ist
das eigentlich?
 Themenstellungen für Datenqualität
– einige Praxisbeispiele
 Zusammenarbeit von Fachabteilung
und IT
 Zusammenfassung
Copyright © 2012, SAS Institute Inc. All rights reserved.
Kennen Sie diese Zahl?
1,000,000,000,000,000,000*
Der Daten-Tsunami

1 mit 18 Nullen

Das entspricht einer Quintillion
oder fünf Quintillionen Bytes oder
fünf Exabytes an Daten

Das ist die Menge an Daten, die
wir alle zwei Tage neu
generieren!

… und das wiederum entspricht
der Menge an Daten, die wir seit
dem Beginn unserer Zivilisation bis
zum Jahr 2003 insgesamt erzeugt
haben!
*Eric Schmidt, Executive Chairman of Google
Müll rein – Müll raus
Fragen
Datenqualität – Data Governance – Master Data
Management – was ist das eigentlich?
Herausforderungen an Datenmanagement wachsen
Information Management wird zur Kernaufgabe
Big Data
Mobilität
Unified Data
Management
GeschäftsProzessSteuerung
Zus.arbeit
Business- IT
Enterprise
Architektur
Betriebs
-modell
Right
time
“The IT organization needs to
dramatically modernize its IT
systems, transforming outdated
data management infrastructure
and replacing it with a more upto-date and superior information
environment.”
- Gartner Hype Cycle for Enterprise Information
Management, July,2011
SAS Information Management
INCREASING CAPABILITIES
Point Solution
STRATEGIC
DM
DI
DQ
MDM
DI
REACTIVE
MANAGED
PROACTIVE
Information Management Approach
Entwicklung zum Master Data Management
Master Data
Management
Niedrig
Master Data
Foundation
Hoch
Governed
Mehrwert
Proaktiv
Risiko
Datenqualität
Reaktiv
Undiszipliniert
Hoch
Gering
Menschen, Prozesse, Technologien
10
Data Governance
Themenstellungen für Datenqualität –
einige Praxisbeispiele
Merger & Acquisitions sowie
Datenmigrationen
Merger & Acqusitions sowie Daten-Migrationen
 Pan-Europäische ERP-Implementierung
 Globale Migration von Personaldaten von
SAP HR
 Pan-Europäische CRM-Implementierung
 Globale SAP-Migration
 Mehrwert durch
 Risikoreduktion
 Zeitersparnis
 Optimierten Einsatz von Ressourcen
 Involvierung von Fachabteilungen, die lernen,
ihre Daten selbst zu zu verwalten
 Optimiertes Profiling, Bereinigen, De-duplizieren,
Transformieren und Anreichern von Daten
“Einmal implementieren, immer wieder neu einsetzen - unser
Migrationsmodell bietet einen schnellen Return-On-Investment”
Data Quality Dashboards
Kühne + Nagel: Management-Dashboard
16
Kundenreferenz Sally Mae: Data Governance
Die SLM Corporation (Student Loan Marketing Association), allgemein als
Sallie Mae bekannt, ist in den USA die größte Bank für die Vergabe von
Studenten-krediten.
• Umsatzsteigerung: US-$2,4
Mio. durch die Einführung
eines unternehmensweiten
Data Governance-Programms
• Kostenreduktion: US-$ 4,8
Mio. durch die Einführung von
Email-Marketingaktionen
• 75% aller Datenprobleme
werden heute über das Data
Governance-Programm gelöst.
17
Sally Mae: Datenqualitäts-Dashboard
18
Produktdatenmanagement
Produktdatenmanagement
Users create new purchase
requisitions
Operational
Analytics
Purchasing
department
BW
Batch Match &
Cleanse
Purchasing
Batch
User chooses a
category
`
Browse filtered
Generic Classifications
User enters a text
description of the
product to be
ordered
Return most likely
Classification Options
Standardization /
consolidation
Interactive
Vendors
Master reference data e.g.
eCl@ss
Matching Reference
Database
20
DataFlux
Spend Management
Zusammenarbeit von Fachabteilung und IT
Point of View
Wie IT das Thema ”Data Ownership” sieht
“The business
own the data
– but they’re
not great
owners”,
Architect, Global
Manufacturer
Herausforderungen
für eine Unternehmens-Organisation
Ziel:  Ein Austausch der Daten scheitert oftmals
an Abteilungsgrenzen
und Abstimmungsprozessen
Schaffung
zentraler Verantwortlichkeiten
zur Steuerung der
Datenund Informationsgewinnung
sowie
Organisation
 Historisch
gewachsene Daten
Silosderen
in verschiedenen
und Verteilung
über und
Abteilungsgrenzen
Abteilungen
verschiedenen hinweg
Technologien
 Die verschiedenen Datenbestände haben
unterschiedliche Qualität, Vollständigkeit und Aktualität
 Entscheidungsrelevante Daten liegen in Spreadsheets
auf lokalen Rechnern einzelner Mitarbeiter
DQ Prozess (Rollen)
Business User
DQ Analyst
Data Steward
Business Term
Description
Category of insurance contracts for
which the benefit payment is based…
Rule
Expression:
Alerts
Rule
Date
Trade Out of Range
6/10/2010 1:14:13
AM
Incorrect ZIP
Incomplete Phone
Trade Out of Range
Requirements
The classes of life insurance that EU
insureres can write….
Policy ID must be 2 characters then 8
digits
Mandatory fields….
%
Triggers
#
Triggers
Row
Count
3
563
5002
6/9/2010 4:5:27 AM
6
786
4789
6/8/2010 11:23:7 AM
2
42
4378
5/29/2010 1:1:1 AM
3
453
3689
 Drei Rollen sichern das Zusammenspiel Business und IT:
 Der Business User (Fachbereich) definiert Begriffe, Zusammenhänge und verantwortliche Personen nach Rolle (Data Dictionary).
 Der DQ Analyst (IT-Architekt) verbindet die Begriffe mit den Daten,
definiert Prüfregeln und modelliert die Monitoring-Prozesse.
 Der Data Steward (Fachbereich) verantwortet das Ergebnis der
Regelprüfung im Dashboard (Controlling der Entwicklung je
Dimension) und wird über Alerts bei Abweichungen informiert.
SAS Business Data Network
Definieren der Solvency II Begriffe
Identifizieren der Quellen und Verantwortlichen
1
Definieren der
Begriffe+Quellen
Business Owner
Zusammenfassung
Warum SAS Information Management?
Typische Aufwände und deren Optimierungspotential
Fachbereich - Analyst
40%
40%
IT - Entwickler
20%
Zu geringer
Wertbeitrag
10
%
Data Gathering
Data Quality
30%
20%
40%
Mehr Zeit für Analysen,
neue Verfahren, auf mehr
und besseren Daten
Data Analysis
SAS Benefit
70%
30%
Zu hohe
Kosten
Zu viele
Aufwände
50%
10 10
% %
30%
Mehr Zeit für Innovationen,
geringere Kosten, höhere
Wertigkeit der Arbeit
Zusammenfassung
 Vielfältige Herausforderungen
 Verschiedene Themenstellungen
 Merger & Acquistions sowie Datenmigrationen
 Data Quality Dashboards
 Data Governance im Bankenbereich
 Produktdatenmanagement
 Zusammenarbeit Fachabteilung und IT
 Rollenkonzept
 Business Data Network
Viele Herausforderungen – viele Themen – eine Lösung
SAS Information Management
Fragen???
make connections • share ideas • be inspired
Vielen Dank für Ihr Interesse!
Für weitere Fragen oder Terminwünsche stehen
meine KolleegInnen und ich Ihnen gerne zur
Verfügung!

SAS VFL Solvency II

Transcription

Similar documents

PHYSIK I: Mechanik und Thermodynamik Übungsblatt 10

Daten als Vermögenswert: Information besser managen

Optimierung der Kreditprozesse

Profil - eBizz.solutions

Dispositionskredit – einfach einräumen

Und was machen die Mahdi-Verkünder - Die Endzeit

Intershop Communications AG

LV3 - Security Engineering Group | TU Darmstadt

3M™ KODIP® DRG

Hilfe bei der Spurensuche