Eigenschaften eines guten DQM-Systems für Finanzinstitute

(openPR) Mit der am 25. Mai 2018 in Kraft tretenden EU-DSGVO steigt das Haftungsrisiko für unerlaubt gespeicherte Daten deutlich. Für Finanzinstitute, die ohnehin im Fokus des Gesetzgebers und der Öffentlichkeit stehen, bedeutet dies, dass sie sich noch mehr als bisher um eine ausreichende Datenqualität bemühen müssen. Es genügt zukünftig nicht mehr, die aggregierten Daten, die an die BAFIN übergeben werden, auf Unstimmigkeiten hin zu überprüfen. Um den deutlich gestärkten Verbraucherrechten bzgl. Transparenz, Datenminimierung und ein „Vergessen“ nachzukommen, müssen die operativen, im Kernbankensystem vorhandenen Daten eine hohe Qualität aufweisen. In Folge von Betroffenenauskünften können sonst erheblichen Imageschäden entstehen und - bei Klagen - hohe Bußgelder verhängt werden.

Finanzinstitute sammeln und verwalten - nicht zuletzt aus gesetzlichen Gründen - sehr viele personenbezogene Daten in ihren Kernbankensystemen. Eine vollwertige Sicherung der Datenqualität ist deshalb nur softwaregestützt mit einem DQM-System möglich. Aufgrund unserer über zehnjährigen Erfahrung als Spezialist für das Thema Datenqualität bei Finanzinstituten empfehlen wir, bei der Auswahl eines Werkzeuges auf vier Eigenschaften zu achten:

1. Einfache Umsetzung der Prüfanforderungen
2. Hochwertige Prüfergebnisse
3. Ressourcenschonende Bereinigungen
4. Dauerhafte Einsetzbarkeit

Die einzelnen Punkte werden im Folgenden weiter erläutert.

1. Einfache Umsetzung der Prüfanforderungen

Es gibt nicht die eine „richtige Datenqualität“. Die gesetzliche Vorgaben sind zwar einheitlich, unterliegen aber trotzdem der Risikoeinschätzung und der Ressourcenlage des einzelnen Institutes. Dies schlägt sich z. B. in einer unterschiedlichen Prioritätenvergabe nieder. Außerdem werden die Vorgaben von Zeit zu Zeit angepasst - mit neuen Prüfanforderungen als Folge. Darüber hinaus hat jedes Haus eigene Produkte und Richtlinien, die zu individuellen Anforderungen an die Prüfungen führen. Selbst in einem sehr homogenen Markt wie dem Sparkassenmarkt, unterscheiden sich die Angebote an Kunden und damit die Anforderungen an die zu prüfenden Daten.

Für ein DQM-System bedeutet dies, dass sich neue und individuelle Prüfanforderungen schnell und einfach umsetzen lassen müssen, um institutsspezifische Individualisierungen und gesetzliche Veränderungen zeitnah abbilden zu können. Hierzu ist eine hohe Flexibilität notwendig, die gerade bei komplexeren Prüfungen durch die vielfach verwendeten SQL-Abfragen nicht mehr gegeben ist. Vielmehr ist es sinnvoll, Wissenshierachien mit berechneten Merkmalen zu nutzen. Diese ermöglichen es, das dasselbe Merkmal (z. B. das berechnete Merkmal IstKreditnehmer) in mehreren Prüfungen verwendet wird. Ändert sich die Definition des Merkmals, wirkt sich seine Anpassung gleich auf alle relevanten Prüfungen aus. Anpassungen sind so nicht nur einfach, sondern auch sehr schnell umsetzbar.


2. Hochwertige Prüfergebnisse

Ein DQM-System prüft den Datenbestand anhand von Prüfregeln, die die Prüfanforderungen widerspiegeln. Wie oben erwähnt, unterscheiden sich diese selbst in homogenen Märkten und müssen deshalb schnell und einfach erstellbar bzw. anpassbar sein. Dies alleine reicht aber noch nicht aus, um wirklich hochwertige Prüfergebnisse zu erlangen und damit die nötige Bereitschaft zur Bereinigung bei den zuständigen Mitarbeitern zu sichern. Hierzu sind mindestens zwei weitere Dinge unumgänglich. Erstens muss es möglich sein, die Daten des Kernbankensystems mit anderen, außerhalb liegenden Daten zu vergleichen. Und zweitens ist es notwendig, dass Ausnahmen so verarbeitet werden, dass sie sich in den Prüfergebnissen widerspiegeln.

Um den ersten Punkt zu erfüllen, muss das DQM-System technisch so aufgebaut sein, dass externe Daten (z. B. Adressverzeichnisse, Handelsregisterinformationen etc.) mit den Daten des Kernbankensystems verglichen werden können. Dies geht in der Regel nur, wenn die notwendigen Daten aus dem Kernbankensystem in eine separate Datenbank überführt und hier gegen aus externen Quellen stammende Daten geprüft werden. Das Einspielen externer Daten direkt in das Kernbankensystem ist aufgrund der hiermit verbundenen Gefahren in der Regel zumindest stark eingeschränkt. Qualitätssteigernde Maßnahmen wie Prüfungen gegen externe Listen sind deshalb sehr viel einfacher in einem vom Kernbankensystem unabhängigen DQM-System umsetzbar.

Das zweite oben erwähnte Kriterium - die Verarbeitbarkeit von Ausnahmen - ist insbesondere notwendig, um die Akzeptanz der Ergebnisse bei den mit der Bereinigung beauftragten Mitarbeitern zu gewährleisten. Da die vom DQM-System vorgenommenen Prüfungen auf Regeln basieren, die den Standardfall repräsentieren, wird es immer Fälle geben, in denen das Prüfergebnis einen Sachverhalt als fehlerhaft klassifiziert, er aber der Wirklichkeit entspricht. Ein sehr einfaches Beispiel ist die Überprüfung, ob eine Hausnummer vorhanden ist. Wenn dies nicht der Fall ist, ist der Datensatz unvollständig und die Prüfung ergibt eine Fehlermeldung. In seltenen Fällen ist aber das Nichtvorhandensein einer Hausnummer kein Fehler, da das Haus einfach keine Hausnummer besitzt. Diese und wesentlich komplexere Ausnahmen finden sich in jedem Datenbestand. Um zu verhindern, dass wiederholte, unberechtigte Fehlermeldungen zur Demotivation der für die Bereinigung vorgesehenen Mitarbeiter beiträgt, ist es notwendig, dass Ausnahmen im DQM-System hinterlegbar sind und damit nicht weiter als Fehler gemeldet werden. Die Hinterlegung muss einfach und schnell erfolgen und im Bedarfsfall auch wieder rückgängig gemacht werden können, da manche Ausnahmen nur eine begrenzte Zeit bestehen.

3. Ressourcenschonende Bereinigung

Die Menge der Datenqualitätsmängel lässt sich unserer Erfahrung nach schon durch die Löschung inaktiver Kunden deutlich reduzieren. In der Regel versieht das eingesetzte Kernbankensystem nicht genutzte Datensätze mit einem Löschkennzeichen und führt sie nach Ablauf der Aufbewahrungsfrist automatisch der Löschung zu. Systembedingt können z. B. aufgrund bestehender Verbünde nicht alle inaktiven Kunden als solche identifiziert werden. Das eingesetzte DQM-System sollte deshalb Möglichkeiten bieten, inaktive Kunden sicher zu identifizieren und anschließend so aufzubereiten, dass sie der Bereinigung zugeführt werden können.

Ein DQM-System sollte immer verschiedene Bereinigungsverfahren unterstützen. Automatische Massendatenänderungen stellen die ressourcenschonendste Bereinigungsmethode dar, eignen sich aber nur für eindeutige Fehler, bei denen es keinen Interpretationsspielraum bezüglich der Bereinigung gibt. Offene Schnittstellen des DQM-Systems sorgen dafür, dass auch beim Wechsel des Massenänderungswerkzeuges diese Methode weiter verwendet werden kann.

Sobald eine Bereinigung der Datenqualitätsmängel menschlicher Ressourcen bedarf, sollte das DQM-System diese so gut wie möglich unterstützen. Hierzu gehört die Verwendung etablierter Prozesse genauso wie die Ansteuerung bereits bekannter Werkzeuge. Je nach Adressat des Bereinigungsauftrages ist es z. B. notwendig, dass das DQM-System die Meldungen entweder thematisch oder kundenspezifisch filtern und gruppieren kann. Für einen reibungslosen Ablauf der Bereinigung ist außerdem entscheidend, dass – egal ob die Fehlermeldungen über ein Verteilungssystem oder als Listen erfolgt – genügend Informationen über den gefundenen Fehler und seine Ursachen mitgeliefert werden. Nur so ist gewährleistet, dass die mit der Bereinigung beauftragten Mitarbeiter ohne zeitaufwendiges Nachschauen den Fehler auch bei komplexen Ursachen zeitnah korrigieren können.

Bei knapper Ressourcenlage ist es außerdem wichtig, dass ein DQM-System die richtige Allokation unterstützt. Es sollte auf jeden Fall möglich sein, Prüfregeln mit Prioritäten zu versehen, damit die Beseitigung von Gesetzesverstößen vorrangig erfolgen kann. Wichtig ist aber auch, dass es möglich ist, Meldungen nach verschiedenen Zeitschichten zu staffeln. Gerade gesetzliche Vorschriften betreffen in der Regel die ab einem bestimmten Zeitpunkt erhobenen Daten. Das DQM-System muss deshalb sicherstellen, dass ein besonderes Augenmerk auf diese Daten gelegt wird, indem es z. B. nur Meldungen ab diesem Datum anzeigt. Für ältere Daten gilt häufig eine Übergangsfrist, so dass Bereinigungen auch zu einem späteren Zeitpunkt erfolgen können.

4. Dauerhaft einsetzbar

Aufgrund der sich über die Zeit ändernden Anforderungen ist es zur Erreichung und Erhalt der gewünschten Datenqualität notwendig, sich kontinuierlich mit dieser zu befassen. Ideal ist die Etablierung eines Prozesses, bei dem die Anforderungen bei Bedarf angepasst, Bereinigungen koordiniert angestoßen und Fortschritte dokumentiert werden. Für das eingesetzte DQM-System bedeutet dies neben der bereits angesprochenen Flexibilität bei der Erstellung von Prüfregeln und der Unterstützung verschiedener Bereinigungsmethoden vor allem eine gute Skalierbarkeit in Bezug auf die Anzahl der Prüfregeln und der zu prüfenden Daten. Zum Zeitpunkt der Anschaffung ist der Umfang der benötigten Prüfungen meistens noch nicht bekannt. Ein nicht ausreichend skalierbares System stößt deshalb häufig sehr bald an seine Grenzen, so dass Prüfungen nicht mehr zeitnah durchgeführt werden können.

Für den dauerhaften Einsatz ist es weiterhin von Vorteil, wenn das System Analysen für verschiedene Zielgruppen unterstützt. Dies setzt voraus, dass es möglich ist, auf Prüfregelebene zu bestimmen, ob eine Regel in das Reporting einfließen soll oder nicht. Je mehr Prüfungen erfolgen, umso notwendiger wird es, eine übersichtliche Darstellung im Bezug auf die erreichte Qualität zu gewährleisten. Bewährt hat sich hierbei das einführen von themenspezifischen Quoten, die allerdings technisch vom DQM-System unterstützt werden müssen.

Für den dauerhaften Einsatz ist es ebenfalls sinnvoll, dass das DQM-System historische Verläufe darstellen kann. Grundvoraussetzung hierfür ist, dass es sich die Prüfergebnisse je Prüflauf merkt. Ist dies nicht der Fall, so können Fortschritte nicht dokumentiert werden. Dies ist aber nicht nur für externen Prüfungen sinnvoll, sondern kann auch hausintern zur Schaffung einer positiven Sicht auf das Thema Datenqualitätssicherung eingesetzt werden.