Die Weiterentwicklung von Datenservices
Finanzinstitute wurden 2020 mit zahlreichen Herausforderungen konfrontiert. Gleichzeitig haben sie jedoch große Fortschritte bei der Entwicklung ihrer Strategien in Bezug auf Datenverwaltung und Datenservices gemacht. Drei große Finanzdienstleistungsunternehmen haben ihre Erfahrungen aus den letzten 12 Monaten beim jährlichen InterSystems Virtual Summit geteilt. Sprecher von Credit Suisse, Broadridge Financial Solutions und Banco do Brasil Tecnologia e Serviços (BBTS) haben erläutert, wie ihre Organisationen das erforderliche Datenfundament ausgebaut haben, um neue Funktionen und Services bereitzustellen.
Smart Data Fabric ermöglicht Broadridge einzigartige Erkenntnisse
Broadridge ist auf eine Data-as-a-Service-Strategie für alle im Unternehmen vorhandenen Funktionen und Services umgestiegen und bietet so einzigartige analytische Erkenntnisse für seine Kunden. Die diesbezüglichen Arbeiten konzentrieren sich hauptsächlich auf die Verbesserung von Datenqualität und -zugriff mithilfe eines mehrstufigen Ansatzes, der zusätzlich zur Etablierung einer Data Fabric auch Datenbereinigung und Data Governance umfasst. Dank der Zusammenarbeit mit InterSystems hat das Unternehmen sichergestellt, dass Daten lokal bleiben und die Datenherkunft für jedes Element über eine konsistente Metadatenschicht über den verschiedenen Datenbanken nachverfolgt werden kann. Das Unternehmen verfügt über eine konsistente Datenintegrationsschicht, die die zugrundeliegenden Daten normalisiert, Machine Learning (ML)-Funktionalitäten zur Unterstützung dynamischer Abfragen und Datenanalysen sowie API-Management-Funktionen verfügbar macht, so dass diese für Daten und Services für verschiedene Zwecke bereitgestellt werden können.
Credit Suisse setzt auf Machine Learning
Der Wall-Street-Riese Credit Suisse hat ebenfalls seine eigene Smart Data Fabric für Unternehmensdaten ausgebaut , um damit die Transformation der geschäftlichen Aktivitäten im Front-Office voranzutreiben. Statt statischer Algorithmen nutzt das Unternehmen nun verteilt arbeitende, anpassungsfähige Algorithmen, die eine Marktvolatilität, wie wir sie zum Beispiel 2020 erlebt haben, wesentlich besser handhaben können. Mithilfe normalisier Datensätze und Machine Learning-Modelle analysiert es die Leistung seiner Algorithmen, um besser von Alpha-Signalen auf dem Markt profitieren zu können.
Zudem hat die Bank ihre Daten im Bereich Prime Brokerage eingesetzt, um die Nutzung ihres Bestands zu optimieren. Prime Broker sind schon seit Längerem mit steigenden Kapitalkosten konfrontiert, und es wird immer wichtiger für Unternehmen, Kostenvorteile zu nutzen, wo immer es möglich ist. In diesem Sinne analysiert Credit Suisse mithilfe von maschinellem Lernen entsprechende Chancen im Zusammenhang mit Kapitaleffizienz.
Open Banking Hub von BBTS integriert mehr als 700 Finanzinstitute
Die brasilianische BBTS hat als Reaktion auf die Einführung von Open Banking auf dem lokalen Markt, die von der Zentralbank vorangetrieben wird und in den nächsten 12 Monaten schrittweise eingeführt werden soll, eigene Datenkapazitäten aufgebaut. Die Zentralbank möchte den Wettbewerb auf dem lokalen Markt fördern und die Einbeziehung von mehr als 40 Millionen Mitbürgern unterstützen, die derzeit noch kein Bankkonto besitzen. Die Tochtergesellschaft der Banco do Brasil reagiert damit zudem auf die neue Datenschutzverordnung des Landes, die im Mai 2021 in Kraft tritt und Verstöße mit Sanktionen und Geldbußen ahndet.
Durch den Fokus auf Datenintegration und Zugriffsbeschränkung im Kontext dieser beiden Entwicklungen auf dem brasilianischen Markt war es für BBTS unumgänglich, mehr als 700 lokale Finanztechnologieunternehmen in einem Hub zur integrieren. Statt der Entwicklung von umständlichen Punkt-zu-Punkt-Verbindungen zu jedem dieser Unternehmen ermöglicht die BBTS den Zugriff per Anwendungsschnittstelle (Application Programing Interface - API), sodass alle Marktteilnehmer Daten sowohl nutzen als auch bereitstellen können.
BBTS nimmt zudem Investitionen im Bereich der Datenanalyse in den Blick, darunter die Entwicklung eines Data Fabric für die über 90.000 Überwachungskameras in Bankfilialen und 500.000 verschiedenen Alarmsysteme und Sensoren zur Überwachung von verdächtigen Ereignissen und Aktivitäten. Das Unternehmen entwickelt ML-Modelle zur Prognose potenzieller Sicherheitslücken an sämtlichen Standorten in Brasilien. Die Daten der unterschiedlichen Geräte werden aggregiert und analysiert, um die physische Sicherheit in den Einrichtungen des Unternehmens zu verbessern.
"Daten intelligent nutzen" bleibt das Leitmotiv
Die intelligentere Nutzung von Daten war 2020 ein Leitmotiv in der Branche und wird auch in näherer Zukunft in den Köpfen der Branche dominieren. Finanzdienstleistungsunternehmen können auf vielfältige Weise von Investitionen in robuste Dateninfrastruktur profitieren, mit der sie Daten im gesamten Unternehmen erfassen und harmonisieren sowie Analysen, maschinelles Lernen und APIs zum Vorteil des Unternehmens und der Kunden einsetzen können.
Hören Sie in der Aufzeichnung der Podiumsdiskussion selbst, was die Unternehmen zu sagen haben. Lesen Sie auch den ersten Teil dieser Blog-Serie.
Über die Autorin
Virginie O’Shea ist Forschungsspezialistin für Kapitalmärkte im Bereich Finanztechnologie. Seit über 20 Jahren verfolgt sie die Entwicklung von Finanztechnologie in der Branche. Ihr Schwerpunkt liegt auf regulatorischen Entwicklungen, Daten und Standards. Sie ist die Gründerin von Firebrand Research, einem innovativen Forschungs- und Beratungsunternehmen, das Einblicke in Kapitalmarkttechnologie und -betrieb für das digitale Zeitalter bietet.
