Was den Sherlock Holmes der IT-Ära helfen würde

Hubs verbinden die Datensilos

| Autor / Redakteur: Stefano Marmonti / Ludger Schmitz

(Bild: sparkie / Pixelio.de)

Die Menge der gespeicherten Daten wächst rasant. Das erschwert „Datendetektiven“ die Arbeit, zumal die Informationen auch noch in separierten Silos lagern. Die Lösung heißt Operational Data Hub.

Für geniale Detektive wie Sherlock Holmes mag eine logische Herangehensweise, die Kunst der Ableitung der zugrunde liegenden Muster und das Herstellen von Verknüpfungen zwischen Indizien, ein Kinderspiel sein. „Datendetektive“ haben es etwas schwerer: Laufend wächst die Menge der Daten. Und „die richtigen“ Informationen für das Puzzle sind nicht gerade leicht zu entdecken, weil sie in diversen, isolierten Datensilos stecken.

Der Autor: Stefano Marmonti
Der Autor: Stefano Marmonti (Bild: St. Marmonti)

Wenn sich Daten nicht leichter durchsuchen und Informationen darin entdecken lassen, haben Unternehmen ein Problem: Ihre Daten nicht besonders nützlich. Den Organisationen fehlt eine zentrale 360-Grad-Sicht auf alle Daten. Ihnen entgehen wertvolle, potenziell Umsatz generierende Einblicke in Geschäftsprozesse oder Kundenvorlieben. Auch ließen sich hohe Bußgelder vermeiden, wenn das Data Management heutige und künftige Vorgaben befolgt.

Das schlimmste Übel: Datensilos

Eines der größten Probleme ist, dass sich ein Großteil der Unternehmensdaten derzeit in mehreren, nicht miteinander verbunden Datensilos befindet. Dabei handelt es sich oft um Altsysteme, die vor langer Zeit für eine Abteilung angeschafft wurden. Fusionen und Akquisitionen führen in der Regel zu noch mehr Silos und einer Fülle von Dubletten in den Silos, die die Datenintegrität gefährden.

Erschwerend kommt hinzu, dass viele Branchen – von Finanzdienstleistern bis hin zu internationalen Pharmakonzernen – heutzutage unter dem wachsenden Druck stehen, die Anforderungen neuer und sich ständig ändernder Verordnungen wie der MiFID II (Richtlinie 2004/39/EG über Märkte für Finanzinstrumente) und der GDPR (Datenschutz-Grundverordnung der EU) zu erfüllen.

Das würde auch einen Meister der Datenableitung wie Sherlock Holmes in die Knie zwingen. Aber es gibt eine Möglichkeit, diese Herausforderungen bei Datenintegration zu lösen und dazu von einem Mehrwert zu profitieren: einen Operational Data Hub (ODH).

Lösung des Datenrätsels mit einem Operational Data Hub

Ein Operational Data Hub ist ein virtueller Aktenschrank, der eine einzige, einheitliche 360-Grad-Sicht auf alle Daten bietet. Da 80 Prozent der heutigen Unternehmensdaten unstrukturiert oder nur teilweise strukturiert sind – beispielsweise PDFs, Online-Daten, Audio-Dateien oder Video-Clips –, ist es sinnvoll, dass der Hub auf einer Datenbank basiert, die all diese verschiedenen Arten von Daten verwalten kann.

Eine Enterprise-NoSQL-Datenbank erfüllt diese Anforderungen: Sie kommt mit jedem Datentyp klar und erübrigt die kostspielige und komplexe Datenintegrationen auf Abteilungsebene. Und sie macht eine große Schwachstelle herkömmlicher relationaler Datenbanken überflüssig: aufwändige ETL-Prozesse (Extrahieren, Transformieren, Laden).

Kriterien zur Auswahl der NoSQL-Datenbank

Die Auswahl der richtigen Enterprise-NoSQL-Datenbank ist entscheidend. Sie sollte integrierte Such- und Semantikfunktionen bieten sowie eine vollständige, professionelle ACID-Compliance. Angesichts eines ständig wachsenden Stroms immer umfassenderer Daten ist es wichtig, dass Anwender diese komplexen Daten integrieren und als Datenmodell abbilden können. Denn nur so lassen sich neue Beziehungen, Muster und Trends entdecken. Semantik erleichtert das Ableiten von Fakten und Beziehungen. Sie ermöglicht die Erstellung von Konzepten und Kategorien sowie die Einordnung in den Kontext.

Bietet eine Enterprise-NoSQL-Datenbank ACID-Funktionen, werden selbst die größten Datensätze einheitlich und zuverlässig verarbeitet, ohne dass Daten in irgendeiner Form geändert werden oder verloren gehen. Wegen der Skalierbarkeit und Agilität von NoSQL ist es wichtig, dass sich das System auch schnell an wechselnde geschäftliche und gesetzliche Anforderungen anpassen lässt und jederzeit Erweiterungen und Ergänzungen zulässt.

Im Folgenden zeigen drei Praxisbeispiele aus dem Investment Banking, der Pharmabranche und dem Versicherungswesen, wie sich mit einem Operational Data Hub komplexe Datenintegrationen bewältigen lassen.

Anwendungsbeispiele aus dem Investment Banking

Banken müssen sicherstellen, dass Handelsdaten integer, verfügbar und durchsuchbar sind. Nur so lassen sich Risiken minimieren und die Compliance gemäß regulatorischen Vorschriften wie MiFID II oder Dodd-Frank erfüllen.

Eine führende Investmentbank hat mit einer Enterprise-NoSQL-Datenbank einen Operational Data Hub angelegt. Der Data Hub bietet eine einzige, zentrale Sicht auf den Derivatenhandel und bietet einen vollständigen Audit-Trail für Wirtschaftsprüfer und Aufsichtsbehörden. Eine einzige Datenbank ersetzt jetzt insgesamt 20 Sybase-Datenbanken. Dadurch lassen sich Handelsdaten jetzt in Echtzeit abrufen und verwenden.

Das verbessert nicht nur Compliance-Berichte. Auch sanken die Wartungskosten stark, weil das System jetzt auf einer einfach skalierbaren Commodity-Architektur basiert. Das Ergebnis sind geringere Kosten pro Handelsvorgang. Die Bank kann jetzt neue Software – und damit neue Produkte in Reaktion auf den Markt – wesentlich schneller entwickeln und einführen.

Eine andere führende Investmentbank entschied sich für die Einführung eines Trade Repositorys. Durch die Kombination von technischer Innovation und Einblicken in die Betriebsvorgänge lässt sich jederzeit feststellen, welche Informationen zu einem bestimmten Zeitpunkt vorlagen – ein Aspekt, der in Zukunft sehr wichtig sein wird. Zu diesem Zweck wurde das bitemporale Data Management entwickelt.

Die bitemporale Funktion verringert die Risiken, die den Banken durch technisch bedingte Zeitverschiebungen entstehen. Dokumente werden mit Zeitstempeln versehen, und Änderungen lassen sich zurückverfolgen, ohne erst Daten-Backups hochladen zu müssen. Dies ist unerlässlich, um die Einhaltung der Anforderungen an Datenanalyseprozesse nachzuweisen, die sich beispielsweise durch die Dodd-Frank-Vorschriften ergeben.

Anwendungsbeispiel aus der Pharmabranche

Pharmaunternehmen haben damit zu kämpfen, ihre Daten fit für IDMP, die neue ISO-Norm zur Identifizierung medizinischer Produkte, zu machen und Arzneimitteldaten an die Europäische Arzneimittelagentur zu übermitteln. Dazu zählen auch Angaben zur Verwendung, Haltbarkeit und Verpackung von Medikamenten. Noch komplexer wird das Ganze dadurch, dass sich ein Großteil dieser Informationen derzeit in mehreren, nicht miteinander verbundenen Datensilos befindet, unter anderem auf Systemen für die Abrechnung, den klinischen Bereich, die Fertigung oder die Supply Chain.

Die Entwicklung eines Operational Data Hub mit einer Enterprise NoSQL-Datenbank mit integrierter Semantik, um all diese Datensilos zu integrieren, ist die mit Abstand kostengünstigste Methode, um all diese Datenquellen zu identifizieren und einzubinden. Ist diese 360-Grad-Sicht erst einmal aktiviert, ist es auch ein Leichtes, die für die Einhaltung der IDMP-Normen erforderlichen Daten aufzufinden und Gemeinsamkeiten zwischen Datensätzen zu erkennen. Dies ist beispielsweise für die Erstellung von Zusammenfassungen zur Produktsicherheit auf Grundlage der in Arzneimitteltests und nach Zulassung des Medikaments erfassten Daten wichtig.

Anwendungsbeispiel aus dem Versicherungswesen

Die Aufklärungsrate von Versicherern ist weiterhin frustrierend gering. Oft wird Betrug erst viel zu spät bemerkt, und die Zurückforderung des verlorenen Geldes ist meist zu teuer.

Derzeit basiert die Aufklärungsrate allein auf der Erfahrung der Mitarbeiter und liegt bestenfalls bei zehn Prozent, oft jedoch weit darunter. Mit einem Operational Data Hub profitieren Versicherer von den leistungsstarken Möglichkeiten von Big Data, Semantik und Schlussfolgerungen, um bislang unbekannte Betrugsfälle aufzudecken.

Mit einer 360-Grad-Sicht auf Daten lassen sich Ansprüche im Kontext bewerten sowie mit ähnlichen Transaktionen und bisherigen Ansprüchen vergleichen, um Muster zu erkennen.

Durch Analyse der Daten, Zuweisung einer Risikobewertung, Alarmierung der richtigen Personen in Echtzeit und Verzögerung von Zahlungen bei stark verdächtigen Ansprüchen können Versicherer die Aufklärungsrate von zehn Prozent quasi „umkehren“.

Das Ergebnis: Durchbruch bei der Datenstrategie

Unabhängig vom Format oder der Quelle – der Teufel sitzt im Detail. Kann ein Unternehmen seine Daten genau analysieren und heranziehen, ist das ein wichtiges Alleinstellungsmerkmal. Ein Operational Data Hub ist die perfekte flexible Datenplattform, um heutige komplexe Datenintegrationsprobleme zu lösen.

Unternehmen profitieren damit von den leistungsstarken Möglichkeiten von Big Data, Semantik und Schlussfolgerungen, um entscheidende, genaue Einblicke zu erhalten. Auch die internationale Komplexität sich ständig verändernder regulatorischer Compliance-Anforderungen wird dadurch wesentlich besser handhabbar. Auch wenn es wie ein Klischee klingen mag: Mit einem Operational Data Hub wird die Datenerkennung zum Kinderspiel.

* Stefano Marmonti ist DACH Sales Director bei MarkLogic.

Was meinen Sie zu diesem Thema?

Schreiben Sie uns hier Ihre Meinung ...
(nicht registrierter User)

Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
Kommentar abschicken
copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44620650 / Software on premise)