Fit für Solvency II – wie man Datenqualität messbar macht

Erik Purwins, PPI AG17./ 18.11.2014 DW2014, Zürich

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

2© PPI AG 27.11.2014

Ihre Anforderungen

Wir sind die BI-Spezialisten mit dem Blick fürs Ganze

Unsere Leistungen

Unsere Partner:

Wir sorgen für Bedarfsgerechte Informationsnutzung

Passgenaue Informationsaufbereitung

Performante Datenbereitstellung

Quellenübergreifende Datenveredelung

Geschäftsvorteile sichern

Komplexität beherrschen

Risiken verringern

Gesetzesvorgaben erfüllen

Unsere Leistungen Strategie & Governance

Konzeption & Design

Entwicklung & Test

Betrieb & Support

3

Solvency II steht auf 3 Säulen

17./ 18.11.2014 DW2014, Zürich© PPI AG

IQuantitative

Überwachung

• marktwertorientierte Bewertung der Bilanz

• Berechnung des Solvenzkapitalbedarfs

Nutzung von Standardmodell oder Internem Modell zur

Kapitalermittlung

IIQualitative

Überwachung

• Überwachung durch die Aufsicht

• Governance-System zur Stärkung der

Risikokultur

Risikomanagement, Internes Kontrollsystem (IKS), Risiko- und Solvabilitätsbeurteilung (ORSA)

IIIMarktdisziplin /

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“

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

17./ 18.11.2014 DW2014, Zürich© PPI AG

2008 2009 2010 2011 2012 2013 2014 2015 2016

Solvency II Rahmenrichtline Phasing-in Go live

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 DW2014, Zürich© PPI AG

Daten-qualitäts-

managementComplianceCompliance

Kosten & Risiken

Kosten & Risiken

WettbewerbWettbewerb

Steue-rung

Steue-rung

vergl. Apel „Datenqualität erfolgreich steuern“, SIGS DATACOM, München 2009

6

Datenprozesse bei einem Versicherungskonzern

17./ 18.11.2014 DW2014, Zürich© PPI AG

MarktImmoKA Rück RWBestand 2

Bestand 1

Kom-posit

Leben

OLAP FinanzenOLAP Vertrieb Vertriebs-Reporting Reporting Finanzen OLAPOLAP Marketing Datenextrakte (PE., Bilanz, etc.)

Finanzen-Ad-hoc-Analysen

Vertrieb-Ad-hoc-Analysen

Meldewesen

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 bisherigenReporting-Anwendungen hinreichend, um das SII-Reporting abzudecken?

Wie stellen wir die Revisionssicherheit

für das ORSA-Reporting sicher?

Welche Abhängigkeiten gibt es zwischen internem Modell, ORSA

und den Berichtsprozessen?

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?

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

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 DW2014, Zürich© PPI AG

9

Datenqualität ist das zentrale Thema bei Solvency II

17./ 18.11.2014 DW2014, Zürich© PPI AG

� 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

10

Der Solvency II/Säule III-Check verbindet eine kompakte Vorgehensweise mit einem ganzheitlichen Ansatz

� Vorgehen:

� Themenschwerpunkte:

Prinzipien, Richtlinien &

Rahmenwerke

Daten & Informationen

Services, Infrastruktur & Anwendungen

Mitarbeiter, Fähigkeiten & Kompetenzen

Kultur, Werte & Verhalten

Organisations-strukturen

Prozesse

Initialisierung/ Kickoff

Vorgehensweise für den Solvency II/Säule 3-Check „Ready for Reporting?“

ReviewBerichtswesen &

Datenmanagement

Ableitung Handlungs-

empfehlungen (inkl. Quick-

Wins)

Abschluss-präsentation

AssessmentDatenqualität

hier „DQ-Check“

17./ 18.11.2014 DW2014, Zürich© PPI AG

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 DW2014, Zürich© PPI AG

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

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

17./ 18.11.2014 DW2014, Zürich© PPI AG

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

14

Auswahl der richtigen Lösung

17./ 18.11.2014 DW2014, Zürich© PPI AG

End-to-End Lösung

Flexible DQM-Integration

Einfache DQM-Lösung

Reine DQM-Lösungen

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

15

Beispiele für hinterlegte ETL-Prozesse

17./ 18.11.2014 DW2014, Zürich© PPI AG

16

Beispiele DQ-Dashboards

17./ 18.11.2014 DW2014, Zürich© PPI AG

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

1

2

3

3

4

4

2b

2

17

Softwarebeispiele DQ-Monitoring

17./ 18.11.2014 DW2014, Zürich© PPI AG

1. Filterungsmöglichkeiten über die Messpunkte oder Blick auf das Ganze

2. betrachtete Messpunkte3. laut Regel anzupassende Daten

1

2

3

1

2

3

18

Softwarebeispiel DQ-Glossar

17./ 18.11.2014 DW2014, Zürich© PPI AG

Stichwort-auswahl

Stichwortverzeichnis

Beschreibung und Zuordnung des

Stichwortes

19

Methodik zur Verbesserung der Datenqualität

17./ 18.11.2014 DW2014, Zürich© PPI AG

Definition der Zielwerte

Analyse

Entwurf Design

Durchführung

Evaluierung

Kontrolle

DQM Methodik

Planung

Ausführung

Über-wachung

20

Referenzarchitektur für DQ-Management bei Solvency II

17./ 18.11.2014 DW2014, Zürich© PPI AG

Repository

Datenintegration� Datenquellen� Zielsysteme� Zusammenführung / Mapping

Datenintegration� Datenquellen� Zielsysteme� Zusammenführung / Mapping

Referenzdaten

RisikenRisikenDatenqualität� Datenprofile� Datenregeln� Standardisierungsregeln� Bereinigungsregeln� Anpassungsregeln� Vereinigungsregeln� Qualitätskennzahlen� Überwachung

Datenqualität� Datenprofile� Datenregeln� Standardisierungsregeln� Bereinigungsregeln� Anpassungsregeln� Vereinigungsregeln� Qualitätskennzahlen� Überwachung

AssetsAssets

EmittentenEmittenten ……

ValidierungValidierungStandar-disierungStandar-disierung

BereinigungBereinigungZusammen-

führung / Vereinigung

Zusammen-führung /

VereinigungClusterungClusterung AnreicherungAnreicherung

Untersuchung / Analyse

Untersuchung / Analyse ProfilingProfiling RegeldefinitionRegeldefinition

Kennzahlen-definition

Kennzahlen-definition

ÜberwachungÜberwachung

ProzesseProzesse

APIAPI

DQ-Bericht,

Problem-analyse,

Maß-nahme

DQ-Bericht,

Problem-analyse,

Maß-nahme

En

twic

klu

ng

Lau

fzei

t

vgl. Apel „Datenqualität erfolgreich steuern“, SIGS DATACOM, München 2009

21

Kontakt

© PPI AG 17./ 18.11.2014 DW2014, Zürich

Erik PurwinsUnit Manager Business Intelligence

PPI AktiengesellschaftPeter-Müller-Straße 1040468 Düsseldorf

Telefon: +49 211 97552-5010Mobil: +49 151 17468586erik.purwins@ppi.de