Fit für Solvency II – wie man 
Datenqualität messbar macht 
Erik Purwins, PPI AG 
17./ 18.11.2014 DW2014, Zürich
1 
Die PPI AG ist seit 30 Jahren erfolgreicher Partner der 
Finanzindustrie 
Fakten 
 30 Jahre Qualität, Budgettreue und T...
Wir sind die BI-Spezialisten mit dem Blick fürs Ganze 
Ihre Anforderungen 
Geschäftsvorteile sichern 
Komplexität beherrsc...
3 
Solvency II steht auf 3 Säulen 
17./ 18.11.2014 © PPI AG DW2014, Zürich 
I 
Quantitative 
Überwachung 
• marktwertorien...
4 
Derzeitiger Stand bei Solvency II 
 Solvency II soll ab 01.01.2016 in Kraft treten 
 Ende 2013 wurde sich nach 10-jähri...
5 
Eine schlechte Datenqualität wirkt sich auf viele Bereiche 
des Unternehmens aus 
 Außendarstellung kann durch Veröffen...
6 
Datenprozesse bei einem Versicherungskonzern 
OLAP Vertrieb OLAP Marketing Vertriebs-Reporting OLAP Finanzen Reporting ...
7 
Solvency II stellt vielfältige und komplexe Anforderungen an 
Reporting und Datenmanagement 
Wie müssen wir unsere 
Ber...
8 
Relevante Datenqualitätskriterien gemäß CEIOPS-Vorgaben 
für Solvency II 
Angemessenheit 
 relevant für Geschäftsfeld-R...
9 
Datenqualität ist das zentrale Thema bei Solvency II 
 Standardisierung der Daten rückt zunehmend in den Fokus von Solv...
10 
Der Solvency II/Säule III-Check verbindet eine kompakte 
Vorgehensweise mit einem ganzheitlichen Ansatz 
 Vorgehen: 
 ...
11 
Beispielhaftes Assessment zur Datenqualität (DQ-Check) im 
Überblick 
 Datenqualität von z.B. zwei Ausschnitten aus de...
12 
Der Erstellungsprozess zur Messung der Datenqualität. 
16.01.2014 
Felder Regeln Aufgaben 
if isnull(`f_Feld`) 
or isn...
13 
Auswahl der richtigen Lösung 
Anbieter zum Thema Datenqualitätsmanagement lassen sich in drei Kategorien 
einteilen: 
...
14 
Auswahl der richtigen Lösung 
17./ 18.11.2014 © PPI AG DW2014, Zürich 
End-to-End 
Lösung 
Flexible 
DQM-Integration 
...
15 
Beispiele für hinterlegte ETL-Prozesse 
17./ 18.11.2014 © PPI AG DW2014, Zürich
16 
Beispiele DQ-Dashboards 
1. Tacho mit prozentualer 
Schwellwerteinteilung 0-90-98-100 
2. Solvency II Datenqualitätskr...
17 
Softwarebeispiele DQ-Monitoring 
1 
1. Filterungsmöglichkeiten über die 
Messpunkte oder Blick auf das Ganze 
2. betra...
18 
Softwarebeispiel DQ-Glossar 
17./ 18.11.2014 © PPI AG DW2014, Zürich 
Stichwort-auswahl 
Stichwortverzeichnis 
Beschre...
19 
Methodik zur Verbesserung der Datenqualität 
17./ 18.11.2014 © PPI AG DW2014, Zürich 
Definition der 
Zielwerte 
Analy...
20 
Referenzarchitektur für DQ-Management bei Solvency II 
17./ 18.11.2014 © PPI AG DW2014, Zürich 
Repository 
Dateninteg...
21 
Kontakt 
© PPI AG 17./ 18.11.2014 DW2014, Zürich 
Erik Purwins 
Unit Manager Business Intelligence 
PPI Aktiengesellsc...
Nächste SlideShare
Wird geladen in …5
×

Fit für Solvency II – wie man Datenqualität messbar macht

1.866 Aufrufe

Veröffentlicht am

Der Start von Solvency II zum 01.01.2016 ist nun definitiv. Die Versicherer stehen vor einer ambitionierten Aufgabe. Für das quantitative Berichtswesen ist die Qualität der zugrundeliegenden Daten ein Unsicherheitsfaktor. Wie gut sind die Daten? Was heißt „gut“ in diesem Zusam-menhang? Wie kann man die Datenqualität konkret messen?

Der Vortrag zeigt anhand eines praktischen Beispiels Möglichkeiten für eine transparente und schnell umsetzbare Messung der Qualität von Solvency-II-Daten auf.

Veröffentlicht in: Software
0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
1.866
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
26
Aktionen
Geteilt
0
Downloads
12
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Fit für Solvency II – wie man Datenqualität messbar macht

  1. 1. Fit für Solvency II – wie man Datenqualität messbar macht Erik Purwins, PPI AG 17./ 18.11.2014 DW2014, Zürich
  2. 2. 1 Die PPI AG ist seit 30 Jahren erfolgreicher Partner der Finanzindustrie Fakten 30 Jahre Qualität, Budgettreue und Termineinhaltung, Fokus auf den Banken- und Versicherungsmarkt Firmengründer, Management und Mitarbeiter halten 100% der Aktien 370 Mitarbeiter erwirtschaften im Geschäftsjahr 2013 einen Umsatz von € 47,6 Mio. Sitz in Hamburg, Geschäftsstellen in Düsseldorf, Frankfurt, Kiel und Paris Geschäftsfelder / Partnerschaften Fachliche Beratung: Prozessmanagement, Unternehmenssteuerung, IT-Strategie IT-Beratung: Architektur, Softwaretechnik, SAP-Beratung, Business Intelligence Softwareentwicklung: Festpreisprojekte bis zu 15.000 Tagen Produkte: Marktführer für E-Banking Software Partnerschaften mit IBM, SAP, SAS und Oracle Wertorientierte Unternehmens-kultur Partnerschaft, Gemeinschaft, Offenheit, Initiative, Kompetenz, Qualität Hervorragendes Abschneiden bei Great Place to Work und Hamburgs bester Arbeitgeber Fluktuationsrate von 5 %: Kontinuität für unsere Kunden und wachsendes Know-how © PPI AG 04.09.2013 SAS Sales-Telco
  3. 3. Wir sind die BI-Spezialisten mit dem Blick fürs Ganze Ihre Anforderungen Geschäftsvorteile sichern Komplexität beherrschen Risiken verringern Gesetzesvorgaben erfüllen Wir sorgen für Bedarfsgerechte Informationsnutzung Unsere Leistungen Strategie Governance Unsere Leistungen Passgenaue Informationsaufbereitung Performante Datenbereitstellung Quellenübergreifende Datenveredelung Konzeption Design Entwicklung Test Betrieb Support Unsere Partner: © PPI AG 27.11.2014 2
  4. 4. 3 Solvency II steht auf 3 Säulen 17./ 18.11.2014 © PPI AG DW2014, Zürich I Quantitative Überwachung • marktwertorientierte Bewertung der Bilanz • Berechnung des Solvenzkapitalbedarfs Nutzung von Standardmodell oder Internem Modell zur Kapitalermittlung II Qualitative Überwachung • Überwachung durch die Aufsicht • Governance-System zur Stärkung der Risikokultur Risikomanagement, Internes Kontrollsystem (IKS), Risiko- und Solvabilitätsbeurteilung (ORSA) III Marktdisziplin / Offenlegung • Reports für Aufsicht und Öffentlichkeit • Vorgabe zu Inhalt, Aufbau und Frequenz Solvency und Financial Condition Report (SFCR), Regulatory Solvency Report (RSR), Quantitative Reporting Templates (QRTs) etc. „Berechnen“ „Organisieren“ „Berichten“
  5. 5. 4 Derzeitiger Stand bei Solvency II Solvency II soll ab 01.01.2016 in Kraft treten Ende 2013 wurde sich nach 10-jährigem Streit zwischen Aufsicht und der Industrie auf neue Kapitalvorschriften geeinigt Lobbyarbeit der Versicherungsbranche war erfolgreich mit der Durchsetzung von weniger strengen Kapitalanforderungen und der Verminderung der Auflagen beim Marktzugang in Schwellenländern für VU nach derzeitigem Stand müssen 280 Milliarden Euro weniger zusätzliches Kapital vorgehalten werden Unternehmensberater sehen größten Kostenfaktor in der Umsetzung der (Berichts-)Vorgaben Bundesregierung hat am 03.09.2014 Gesetzentwurf zur Modernisierung der Finanzaufsicht über Versicherungen (Solvency II) bereits beschlossen Umsetzung in nationales Recht für alle anderen Mitgliedsstaaten hat bis zum 31.03.2015 zu erfolgen, bevor es dann ab Januar 2016 in Kraft tritt 2008 2009 2010 2011 2012 2013 2014 2015 2016 17./ 18.11.2014 © PPI AG DW2014, Zürich Solvency II Rahmenrichtline Phasing-in Go live
  6. 6. 5 Eine schlechte Datenqualität wirkt sich auf viele Bereiche des Unternehmens aus Außendarstellung kann durch Veröffentlichung widersprüchlicher Kennzahlen im Rahmen von regulatorischen Anforderungen in Mitleidenschaft geraten Steigerung des operativen Risikos Verringerung der Datenakzeptanz im Unternehmen Business Intelligence Projekte leiden unter schlechter Datenqualität und subjektiven Datenqualitätsproblemen Erhöhung der Kosten bei zu später Behebung der schlechten Datenqualität sich steigernde Wettbewerbsnachteile 17./ 18.11.2014 © PPI AG DW2014, Zürich Daten-qualitäts-management Compliance Kosten Risiken Wettbewerb Steue-rung vergl. Apel „Datenqualität erfolgreich steuern“, SIGS DATACOM, München 2009
  7. 7. 6 Datenprozesse bei einem Versicherungskonzern OLAP Vertrieb OLAP Marketing Vertriebs-Reporting OLAP Finanzen Reporting Finanzen OLAP Datenextrakte KA Immo Markt Rück RW 17./ 18.11.2014 © PPI AG DW2014, Zürich Besta nd 2 Besta nd 1 Kom-posit Leben (PE., Bilanz, etc.) Finanzen-Ad-hoc- Analysen Vertrieb-Ad-hoc- Analysen Meldewesen
  8. 8. 7 Solvency II stellt vielfältige und komplexe Anforderungen an Reporting und Datenmanagement Wie müssen wir unsere Berichtsprozesse gestalten, um die Liefertermine für das SII-Reporting einzuhalten? Wie gestalten wir unsere Offenlegungs-richtlinie? Welche Datenlücken haben wir beim RSR? Wie heben wir Synergiepotenziale zwischen internem Berichtswesen und SII-Reporting? Sind unsere bisherigen Reporting-Anwendungen hinreichend, um das SII-Reporting abzudecken? Wie stellen wir die Revisionssicherheit für das ORSA-Reporting sicher? Wer ist für die Daten verantwortlich, die für das SFCR benötigt werden? Wie sieht die Datenlogistik aus, die die Ergebnisse aus Säule 1 und 2 in die Berichte der Säule 3 einfließen lässt? Welche Abhängigkeiten gibt es zwischen internem Modell, ORSA und den Berichtsprozessen? Wie gut ist die Qualität unserer Daten für die QRT? Wer ist Ansprechpartner, wenn es widersprüchliche Aussage zwischen internem Berichtswesen und SII-Reporting gibt? Haben Sie diese Fragen für Ihr Unternehmen schon beantwortet? Sind Sie sicher, dass Sie sich mit der Beantwortung der Fragen noch Zeit lassen können, ohne die Einhaltung der Solvency II-Meilensteine zu gefährden? © PPI AG 17./ 18.11.2014 DW2014, Zürich
  9. 9. 8 Relevante Datenqualitätskriterien gemäß CEIOPS-Vorgaben für Solvency II Angemessenheit relevant für Geschäftsfeld-Risiko zweckdienlich (z.B. für die Bewertung von versicherungstechnischen Rückstellungen) Konsistent Richtigkeit frei von semantischen (d.h. inhaltlichen) Fehlern frei von syntaktischen (d.h. formalen und strukturellen) Fehlern Vollständigkeit alle wichtigen/wesentlichen Informationen vorhanden Ausreichende Granularität und Historie 17./ 18.11.2014 © PPI AG DW2014, Zürich
  10. 10. 9 Datenqualität ist das zentrale Thema bei Solvency II Standardisierung der Daten rückt zunehmend in den Fokus von Solvency II geringfügige Abweichungen in den Ausgangsdaten können deutliche Auswirkungen auf die Risikobewertung haben heterogene IT-Landschaften geprägt durch individuelle Lösungen bestimmen immer noch das Bild vieler Versicherungsunternehmen und bergen hohe Risiken 17./ 18.11.2014 © PPI AG DW2014, Zürich
  11. 11. 10 Der Solvency II/Säule III-Check verbindet eine kompakte Vorgehensweise mit einem ganzheitlichen Ansatz Vorgehen: Themenschwerpunkte: Daten Abschluss-präsentation Assessment Datenqualität Informationen Prinzipien, Richtlinien Rahmenwerke Services, Infrastruktur Anwendungen Kultur, Werte Verhalten Mitarbeiter, Fähigkeiten Kompetenzen Prozesse Organisations-strukturen Initialisierung / Kickoff Vorgehensweise für den Solvency II/Säule 3-Check „Ready for Reporting?“ Review Berichtswesen Datenmanagement Ableitung Handlungs-empfehlungen (inkl. Quick- Wins) hier „DQ-Check“ 17./ 18.11.2014 © PPI AG DW2014, Zürich
  12. 12. 11 Beispielhaftes Assessment zur Datenqualität (DQ-Check) im Überblick Datenqualität von z.B. zwei Ausschnitten aus dem Datenhaushalt Solvency II (Kapitalanlagen und Aktuarielles Reporting) wird mit Hilfe von Geschäftsregeln geprüft. Kapitalanlagen ist als Ausschnitt gut geeignet, weil dieser Datenbereich erheblichen Einfluss auf die Höhe des zurückzulegenden Solvenzkapitals hat. Kapitalanlagen in eine Vielzahl von Meldeformularen (QRT) einfließen. Aktuarielles Reporting basierend auf der Risikoberechnung aus Säule 1 erweitert das Assessment von der Passivseite der Bilanz. Umfang Assessment: Regeln zu Datenfeldern mind. im Verhältnis 2:1 z.B. 130 Regeln prüfen 60 Datenfelder Zuordnung zu den relevanten Datenqualitätskriterien gemäß CEIOPS-Vorgaben für Solvency II: Vollständigkeit Angemessenheit Richtigkeit 17./ 18.11.2014 © PPI AG DW2014, Zürich
  13. 13. 12 Der Erstellungsprozess zur Messung der Datenqualität. 16.01.2014 Felder Regeln Aufgaben if isnull(`f_Feld`) or isnumber(`f_Feld`) or isblank(`f_Feld`) then return true else return false If waehrung ‘EUR’ then Fremdwaehrungsrisiko = true PPI AG Trennung von Entwicklung und Datenanbindung ermöglicht eine flexible Übertragung der einmal definierten Regeln auf jede Art von Datensammlung
  14. 14. 13 Auswahl der richtigen Lösung Anbieter zum Thema Datenqualitätsmanagement lassen sich in drei Kategorien einteilen: Reine DQM-Anbieter Große Anbieter von ERP- und CRM-Systemen bzw. Infrastruktursoftware BI- und ETL-Anbieter Teilweise konkurrierende Ziele der Lösungsfindung können sein: End-to-End Lösung von den Datenquellen bis in die Auswertung Lösung soll einfach, verständlich und von IT-fernen Abteilungen nutzbar sein Lösung soll sich flexibel an die bisherige Datenlandschaft anbinden lassen 17./ 18.11.2014 © PPI AG DW2014, Zürich
  15. 15. 14 Auswahl der richtigen Lösung 17./ 18.11.2014 © PPI AG DW2014, Zürich End-to-End Lösung Flexible DQM-Integration Reine DQM-Lösungen Einfache DQM-Lösung BI- und ETL-Lösungen Große ERP-und CRM-Anbieter Vorhandensein und Notwendigkeit folgender Features sollte in Vorfeld geprüft werden: Data Profiling Datenvalidierung über Regelimplementierung Datenbereinigung Duplikatslokalisierung und -zusammenführung DQ Monitoring Integriertes Business Glossar
  16. 16. 15 Beispiele für hinterlegte ETL-Prozesse 17./ 18.11.2014 © PPI AG DW2014, Zürich
  17. 17. 16 Beispiele DQ-Dashboards 1. Tacho mit prozentualer Schwellwerteinteilung 0-90-98-100 2. Solvency II Datenqualitätskriterien mit Ampel und Drilldown-Funktion (2b) auf die hinterlegten Datenqualitätsregeln 3. zeitlicher Trendverlauf mit Auswahlmöglichkeit der verschiedenen Zeit-Messpunkte 4. Konfiguration der Zeitachsen 1 17./ 18.11.2014 © PPI AG DW2014, Zürich 1 2 3 3 4 4 2b 2
  18. 18. 17 Softwarebeispiele DQ-Monitoring 1 1. Filterungsmöglichkeiten über die Messpunkte oder Blick auf das Ganze 2. betrachtete Messpunkte 3. laut Regel anzupassende Daten 17./ 18.11.2014 © PPI AG DW2014, Zürich 2 3 1 2 3
  19. 19. 18 Softwarebeispiel DQ-Glossar 17./ 18.11.2014 © PPI AG DW2014, Zürich Stichwort-auswahl Stichwortverzeichnis Beschreibung und Zuordnung des Stichwortes
  20. 20. 19 Methodik zur Verbesserung der Datenqualität 17./ 18.11.2014 © PPI AG DW2014, Zürich Definition der Zielwerte Analyse Entwurf Design Durchführung Kontrolle Evaluierung DQM Methodik Planung Ausführung Über-wachung
  21. 21. 20 Referenzarchitektur für DQ-Management bei Solvency II 17./ 18.11.2014 © PPI AG DW2014, Zürich Repository Datenintegration Datenquellen Zielsysteme Zusammenführung / Mapping Referenzdaten Datenqualität Risiken Datenprofile Datenregeln Standardisierungsregeln Bereinigungsregeln Anpassungsregeln Vereinigungsregeln Qualitätskennzahlen Überwachung Assets Emittenten … Validierung Standar-disierung Bereinigung Zusammen-führung / Vereinigung Clusterung Anreicherung Untersuchung / Analyse Profiling Regeldefinition Kennzahlen-definition Überwachung Prozesse API DQ-Bericht, Problem-analyse, Maß-nahme Laufzeit Entwicklung vgl. Apel „Datenqualität erfolgreich steuern“, SIGS DATACOM, München 2009
  22. 22. 21 Kontakt © PPI AG 17./ 18.11.2014 DW2014, Zürich Erik Purwins Unit Manager Business Intelligence PPI Aktiengesellschaft Peter-Müller-Straße 10 40468 Düsseldorf Telefon: +49 211 97552-5010 Mobil: +49 151 17468586 erik.purwins@ppi.de

×