01 | 2014 banking insight

18 banking insight
Abb. 13: Datenqualitätsprozess
Sind Mitarbeiter als Daten- und Prozessverantwortliche (Process Owner) benannt und
mit den erforderlichen Durchsetzungskompetenzen ausgestattet?
Min. 5 Prozentpunkte über dem Gesamtwert
Min. 5 Prozentpunkte unter dem Gesamtwert
Banktyp
IRB-Institut
Durchsetzungskompetenzen
Gesamt
Großbank /
Landesbank
Privatbank /
Regionalbank
Sparkasse
Sonstige*
Ja, nach
dem IRB-
Basisansatz
Ja, nach
dem fortgeschrittenen
IRB-Ansatz
Basis (Fallzahl) 111 47 25 14 25 46 33 30
Ja 70 % 81 % 72 % 43 % 64 % 91 % 70 % 40 %
Teilweise 24 % 17 % 24 % 43 % 28 % 9 % 24 % 47 %
Nein 5 % 2 % 4 % 14 % 8 % 0 % 6 % 13 %
Nein
Basis: alle Befragten (Fach- und Führungskräfte aus der IT), N = 111,
nur eine Nennung
* Zu Sonstigen zusammengefasst: genossenschaftliches Kreditinstitut,
Spezialinstitut, Niederlassung eines ausländischen Kreditinstituts
Quelle: Studie banking insight 2014
denkbarer Grund: Sparkassen greifen bei Datenzulieferungen
teils auf externe Dienstleister
zurück. Wer sich dabei für die Datenqualität
verantwortlich zeigt, haben sie oft nur unzureichend
geregelt.
Überraschend ist der Unterschied zwischen
Banken, die bei ihren Mindesteigenkapitalanforderungen
den IRB-Ansatz („IRBA-
Institute“) anwenden oder auf den fortgeschrittenen
IRB-Ansatz zurückgreifen („FIRBA-
Institute“). Mit 70 Prozent sagen deutlich weniger
FIRBA-Institute, dass sie die Verantwortlichkeiten
geregelt haben, als Banken im Basisansatz
(91 Prozent).
Grundsätze 3 und 4: Genauigkeit,
Integrität und Vollständigkeit
Banken sollten ihre Risikodaten einheitlich und
akkurat aggregieren. Um die Genauigkeit zu
gewährleisten, erwarten die Baseler Regulatoren
im dritten Grundsatz eigene Kanäle und
Aktionspläne zur Verbesserung einer schlechten
Datenqualität. Mit der Güte der Daten allein
ist es jedoch nicht getan, sie müssen auch vollständig
bearbeitet werden. Daher heben die
Aufseher im vierten Grundsatz hervor, dass die
Kreditinstitute ihre Risikodaten aus allen Konzernbereichen
erfassen und aggregieren sollen.
Der Haken: Nur ein Drittel der Befragten
betrachtet die Architektur ihrer Risikodatenaggregation
und ihrer Risikoberichterstattung
als geeignet, um die Anforderungen zu erfüllen.
Das heißt im Umkehrschluss: Zwei Drittel der
Banken müssen nachlegen (Abb. 14). Eine Möglichkeit,
der einheitlichen, genauen und vollständigen
Aggregation nachzukommen: ein
integriertes Data Warehouse (DWH), also eine
zentrale Datenbank, mit der Banken die Daten
aus unterschiedlichen IT-Systemen integriert
zusammenfassen können.
Die Studie zeigt jedoch, dass der Status quo
anders ist. Die meisten Bankhäuser besitzen
nur ein Data Warehouse für Finanzdaten (77
Prozent) und für Risikodaten (70 Prozent). Eines
für beide Datenarten zusammengefasst gibt
Abb. 14: Datenarchitektur und IT-Infrastruktur
Wie beurteilen Sie die Eignung der Architektur in Ihrem Institut für Aspekte der Risiko-
Aggregation und des Risikoreportings gemäß den nachfolgenden Kriterien?
Aufnahme zusätzlicher Berichts- und Auswertungsdimensionen
29 %
Schnelle Reaktionsfähigkeit bei Anpassung von Aggregationen
Nachvollziehbarkeit der Aggregationsregeln zum Berichtszeitpunkt
37 %
45 %
Flexible Anpassungsfähigkeit, Erweiterbarkeit des DWH, Data Marts hinsichtlich Änderungen*
34 %
Flexible Auswertung von Szenarien
31 %
0 % 20 % 40 % 60 %
80 %
100 %
*z.B. Aggregationskennzahlen und Dimensionen
44 %
56 %
37 %
42 %
45 %
Basis: alle Befragten (Fach- und Führungskräfte aus der IT), N = 111, Skala: Sehr gut /
Eher gut / Eher schlecht / Sehr schlecht (sortiert nach TOP-2: Sehr gut + Eher gut)
es nur in 50 Prozent der Institute. Weitere 50
Prozent haben außerdem Treasury-Daten in
dieser Datenbank integriert. 47 Prozent besitzen
ein Data Warehouse nur für Treasury. Angesichts
dieser Antworten ist zu erwarten, dass
nur bei der Hälfte der Institute eine integrierte
Datenhaltung vorhanden ist (Abb. 15, S. 20)
Ein weiteres Defizit tut sich bei der geforderten
Genauigkeit der Daten auf. Nur 55 Prozent
der Institute misst die Datenkorrektheit
durchgängig, 40 Prozent macht das teilweise
und fünf Prozent gar nicht (Abb. 16). Da der ➔
16 %
Sehr gut
Eher gut
Eher schlecht
Sehr schlecht
9 %
15 %
20 %
25 %
6 %
3 %
5 %
1%
Quelle: Studie banking insight 2014