Grundlage des globalen Handels in Banken und Kapitalanlagegesellschaften ist die korrekte und vollständige Information. Dabei geht es um Marktinformationen, wie Wertpapier- und Kontrahentenstammdaten, Kurs- und Bewertungsdaten, Ratings, Kapitalmaßnahmen, Index- und Benchmarkdaten sowie volks- und betriebswirtschaftliche Informationen, welche die Basis für Anlageentscheidungen bilden. Charakteristisch für die meisten Informationen ist, dass sie permanenten Änderungen unterliegen und über Dritte, den Marktdatenprovidern, bezogen werden.
Sprich: Beide Informationsarten weisen für die Verarbeitung in den unterschiedlichen Systemen der Banken und Kapitalanlagegesellschaften gemäß ihrer Charakteristik verschiedene Problemstellungen auf.
▷Volks- und betriebswirtschaftliche
Informationen
Am Beispiel der Bilanz sind Charakteristik und Problematik gut erläuterbar. Zwar sind die Bilanzen in einheitlicher Form über eine zentrale Bezugsquelle, nämlich dem Unternehmen, verfügbar, jedoch kann der Inhalt je nach Bilanzierungsstandard und Buchungsstil unterschiedlich ausgelegt werden. Der Analyst muss also zunächst unterscheiden, nach welchem Standard, US-GAAP, IFRS/IAS, HGB, bilanziert wurde und die Buchungspositionen so interpretieren, dass sie vergleichbar sind. Nach der Erfassung werden aus diesen Informationen dann Daten, die Grundlage für wichtige Anlage- oder Kreditentscheidungen sind.
▷Marktdaten
Hierunter fallen Wertpapier- und Kontrahentenstammdaten, Kurs- und Bewertungsdaten oder Ratings. Sie werden zumeist nicht direkt geliefert, sondern über sogenannte Marktdatenprovider gesammelt, aufbereitet und dann auf Anforderung geliefert. Der Dienstleister übernimmt also die Transformation der Information zum Datum. Die Bank oder Kapitalanlagegesellschaft muss also genau definieren, welche Daten sie in welchem Umfang in welcher Qualität benötigt. Dabei ist sie vollständig darauf angewiesen, dass der Marktdatenprovider die Transferleistung Information–Daten korrekt vorgenommen hat. Daraus ergeben sich Probleme in der Marktdatenbeschaffung, der Speicherung und Archivierung sowie insbesondere der Distribution innerhalb der Institution. Erfolgt die Distribution nicht zentral, so ist es nicht verwunderlich, dass viele Stellen und Systeme innerhalb des Institutes mit Daten unterschiedlicher Qualität arbeiten. Hieraus entstehen dann hohe operative Risiken.
So unterschiedlich die Problemstellungen bei beiden Informationstypen auch sein mögen, es verbindet sie die Notwendigkeit, die Daten zu speichern, zu qualifizieren, soweit erforderlich zu veredeln und an die Zielsysteme weiterzuleiten, deren Prozesse von diesen Daten abhängen.
▷Datenbezug und -speicherung
Volks- und betriebswirtschaftliche Daten werden zumeist über mehrere Quellen bezogen. Einerseits liefern Marktdatenprovider Zinssätze oder Zinsstrukturkurven. Teilweise auch Länder- und Unternehmensratings bis hin zu Bilanzkennzahlen mancher Unternehmen. Gleichzeitig werden Daten von statistischen Bundesämtern und privatwirtschaftlichen oder universitätsnahen Dienstleistern geliefert. Das Format ist uneinheitlich und die Kennzahlen sind stark interpretierbar.
Unternehmensdaten werden meist in Papierform übermittelt, interpretiert und erfasst. Die Interpretation bei der Bilanzanalyse muss bestehen bleiben, da sie zu den unterschiedlichen Markteinschätzungen führt, die den Finanzdienstleistern Wettbewerbsvorteile bringen.
Durch eben diese vielfältigen Übermittlungsformate entsteht jedoch im Research ein erheblicher Mehraufwand, bevor die Interpretation überhaupt beginnen kann. Falsche Erfassungen stellen überdies noch ein hohes operatives Risiko dar. Mit dem Übermittlungsstandard XBRL wird bereits seit Jahren versucht, die Übermittlung von Bilanzdaten zu vereinheitlichen und damit beherrschbarer zu machen. Der Standard ist bereits sehr erfolgreich in den USA etabliert und gewinnt auch in Europa immer höheres Ansehen. Sogar die Behörden arbeiten daran, sich die Unternehmensdaten künftig über XBRL liefern zu lassen. In Bezug auf Marktdaten stellt sich die Situation meist noch diffuser dar, da in unterschiedlichen Abteilungen einer Bank oder KAG Stamm- und Bewegungsdaten gleicher Art, von unterschiedlichen Providern bezogen und teilweise individuell veredelt und verarbeitet werden. Die Strukturierung der Marktdatenversorgung kann Einsparungspotenziale von bis zu 50 Prozent und mehr beinhalten.
▷Datenqualifikation und -validierung
Die Qualifikation und Valdierung bezieht sich hauptsächlich auf den Bereich der Marktdatenversorgung, da diese Daten bewertungsrelevant sind und von daher auch auf ihre Spezifika, z.B. Fire Sales, hin genau geprüft werden müssen.
Die Finanzdienstleister sind, auch im Hinblick auf die gesetzlichen Vorgaben der Rechnungslegungs- und Bewertungsverordnung (InvRBV) gut beraten, die Qualitätskriterien der Marktdatenversorgung in einer Pricing Policy festzuhalten. Die Qualifikation der Stamm- und Bewertungsdaten ist noch häufig als (semi)manueller Prozess in den Finanzinstituten etabliert. Die wachsende Komplexität der Bewertungsarithmetik zwingt jedoch dazu, hochqualifiziertes Personal für das Exception Handling, das heißt für die Behandlung von Problemfällen und die Bewertung komplexer Strukturen, vorzuhalten und die Abwicklung des Massengeschäftes automatisierten Lösungen zu überlassen.
Zur Automatisierung zählen hierbei sowohl die Schnittstellenprozesse als auch die Validierungs- und Historisierungsprozesse.
▷Datenveredelung
Insbesondere Stammdaten werden mit sogenannten Ergänzungsdaten angereichert, die ein Datenprovider in den meisten Fällen nicht liefern kann, wie zum Beispiel Lagerstelleninformationen. Bei der Veredelung der Daten kommt es vor allem auf die Konsistenz an. Sprich: Die bezogenen externen Daten müssen mit einheitlichen, internen Daten angereichert und so gespeichert werden, dass sie unternehmensweit einheitlich angewandt werden. Hier zeigen sich noch große Lücken, da es bereits Erhebungen gibt, die besagen, dass Stammdaten innerhalb einer großen Institution an bis zu 29 Stellen gleichzeitig und unterschiedlich erfasst werden. Nicht nur ist dabei das operative Risiko divergierender Stammdaten zu nennen, sondern auch die folgenden operativen Kosten, die durch die Bereinigung entstehen.
▷ Datendistribution
Die Datendistribution fasst quasi nur die genannten Punkte zusammen. Wenn also an unterschiedlichen Stellen eines Finanzinstitutes Daten unterschiedlich qualifiziert und danach gespeichert werden, kann folglich die Distribution auch nur uneinheitlich sein.
Dort, wo verschiedene Systeme Stamm- und Bewegungsdaten benötigen, ist es oft den Spezifika der Softwarelösungen geschuldet, dass zwar die Daten von einer zentralen Stellen verteilt, aber vor Verarbeitung in den Systemen nochmals umgewandelt und über Konversionstabellen interpretiert werden. Es fehlt somit im Fehlerfalle die Möglichkeit, die Spur eines falschen Datums qualifiziert zurückverfolgen zu können.
Moderne Systeme setzen hierbei an anderer Stelle an, indem sie zentral die Daten für interne und externe Partnersysteme bereitstellen und somit sicherstellen, dass alle Lösungen über die gleiche Datenbasis verfügen.
Handlungsoptionen
Aus den erläuterten Punkten lassen sich vor allem zwei Handlungsoptionen ableiten, die das Informationsmanagement optimieren:
▷Reevaluation der Anzahl der Datenprovider und deren Services
Es ist kein rein deutsches Phänomen, dass Banken und Kapitalanlagegesellschaften nach der Finanzkrise zwar vorsichtiger investieren, andererseits aber im Bereich des Datenmanagements noch immer an eine Vielzahl von Datenprovidern gebunden werden, die jeweils individuelle, aber redundante, Bedürfnisse einzelner Abteilungen abdecken. Dies betrifft jedoch nicht nur Abteilungen, sondern bei Konzernen auch Tochtergesellschaften.
Mit dem verstärkten Auftritt der Marktdatenprovider, insbesondere in Deutschland, ist zudem die Bereitschaft gestiegen, diese Landschaft noch stärker zu diversifizieren. Dies lässt sich gut am Beispiel der Real-Time-Datenversorgung illustrieren, bei dem die Preisspannen zwischen 250 Euro pro Monat und Bildschirm bis hin zu 1.400 Euro variieren können. Im Zuge von Reorganisationsmaßnahmen ist es interessant, festzustellen, dass manche Abteilungen diese Datenversorgung gar nicht mehr benötigen oder es einfach nur „chic“ aussieht, einen solchen an seinem Arbeitsplatz zu haben.
Durch die Reorganisation kann die Gesamtzahl der Bildschirme bereits um 15 bis 20 Prozent verringert werden können. Die verbleibenden Arbeitsplätze lassen sich zu 85 Prozent problemlos durch neue Real-Time-Bildschirme eines neuen Providers ersetzen, wobei jedoch immer wieder eine Lücke von 15 Prozent verbleibt, deren Ersatz auf politischer Ebene geklärt werden muss. Dies nicht wegen fachlicher Notwendigkeiten, bei den teuren Bildschirmen zu bleiben, sondern aus der Verweigerungshaltung der Anwender, die bei ihrer prestigeträchtigen Versorgung bleiben wollen. Dennoch werden alleine durch eine solche Maßnahme die Kosten für die Real-Time-Versorgung um bis zu 45 Prozent gesenkt. In den Stamm- und Bewertungsdaten, die meist elektronisch angefragt und geliefert werden, zeigt sich ein ähnliches Bild. Die Institute haben meist keine einheitliche Versorgungs- und Distributionslogik, sondern investieren vielmehr in abteilungsspezifische Feeds, begründet mit unterschiedlichen Bewertungsanforderungen. Dabei wird verkannt, dass über eine zentrale Datenbezugs- und Distributionslogik auch verschiedene Bewertungsanforderungen bedient werden und somit bis zu weiteren 35 Prozent der Datenbezugskosten eingespart werden können, ohne Qualitätsverlust.
Nota bene: Dies ist kein Plädoyer, welches die Marktdatenprovider unter Druck setzen soll. Vielmehr ist deren Anzahl, Lieferumfang und -qualität kritisch zu überprüfen. Weiterhin sollte das Leistungsspektrum der Marktdatenprovider überprüft werden, die zwischenzeitlich durchaus unterschiedlich sind und teilweise auch einen sehr hohen Qualitätsstandard und Automatisierungsgrad erreicht haben – im börslichen wie im außerbörslichen Bereich. Der Marktdatenprovider sollte (Premium-)Partner sein und nicht nur Datenlieferant, was im Tagesgeschäft ein enormer Unterschied ist.
▷Reevaluation der Datenversorgungslogik innerhalb eines Institutes
Die Datenversorgungslogik bezieht sich meist auf ein Institut und seine Geschäftsprozesse, ist jedoch auch problemlos auf eine Konzernversorgungslogik auszuweiten, die weiteres Sparpotenzial beinhaltet.
Unter Datenversorgungslogik ist der fachliche und technische Prozess zu verstehen, genau zu wissen, welche Daten in welcher Qualität zu welchem Zeitpunkt an welcher Stelle mit welchen Ergänzungsdaten benötigt werden.
Das Institut muss sich daher zunächst über die „Datenversorgungspolicy“ im Klaren sein und diese analysieren und dokumentieren. Sie dient gleichzeitig der Dokumentation für die Wirtschaftsprüfung, die im Zuge der InvRBV den Instituten abverlangt werden wird.
Daneben ist ein technisches Procedere einzurichten, welches als Schnittstellenmanagement zu den unterschiedlichen Marktdatenprovidern charakterisiert werden kann. Die Marktdatenprovider haben zwischenzeitlich enorme Anstrengungen unternommen, um einen technologischen Versorgungsprozess qualitativ hochwertig und „straight through“ zu gewährleisten. Es ist jedoch auch erforderlich, dass die Institute mit diesen technologischen Sprüngen Schritt halten.
Hinter dieser Bezugslogik ist dann das Herzstück der zentralen Datenversorgungslogik zu implementieren. Das heißt, alle Validierungs- und Plausibilisierungsregeln aus der Datenversorgungspolicy sind hier abgebildet, werden weitgehend automatisiert durchgeführt und Aussteuerungen von qualifizierten Fachanwendern bearbeitet. Ebenso gehört die Veredelung oder Ergänzung von Daten für spezifische Zielsysteme zu diesem Prozessbaustein.
Die Datendistribution hin zu den Stellen, an denen die Daten in einer spezifischen Qualität benötigt werden, kann auch über ein EAI-System erfolgen und steht nicht im Widerspruch zu dessen Charakter.
Systeme, die diese Datenversorgungslogik abbilden, tragen die Bezeichnung Data-Hub. Sie übernehmen entweder den gesamten Prozess der Datenspeicherung, -validierung und -distribution oder interagieren mit vorhandenen Data Warehouses und EAI-Systemen. Sie tragen generell dazu bei, dass der Grundcharakter von Data Warehouses (Speicherung) und EAI-Systemen (Distribution) nicht mehr verändert werden muss, weil beide Systemtypen mit intransparenten Funktionslogiken ausgestattet werden.
In der Summe erbringen diese Data-Hubs einen wesentlichen Erfolgsbeitrag für die Bank- oder Kapitalanlagegesellschaft, weil sie operative Risiken und Prozesskosten reduzieren und stabilere Abläufe und Datensicherheit gewährleisten. Der Return on Invest stellt sich meist unter 1,5 Jahren ein, weil viele operative Fehlerquellen nahezu ausgeschaltet werden können. So stabilisieren sie generell die Bewertung von Vermögensgegenständen der Portfolios, vermeiden Settlementfehler durch die zentrale Verwaltung und Validierung von Settlementinstruktionen und sind in der Lage, Abgleichprozesse zu vereinfachen und zu automatisieren – was wiederum für Depotbanken sehr interessant ist.
Hinzu kommt, dass neue regulatorische und operative Anforderungen leichter umgesetzt werden können. Beispielsweise die Optimierung von Risikoprämien durch korrekte Zerlegung von Finanzinstrumenten oder die korrekte Ermittlung des Emittentenrisikos auf Basis validierter Basisdaten.
Die Bezeichnung Data-Hub ist allerdings nicht geschützt und es gibt daher eine Vielzahl von Systemen am Markt, welche die angeführten funktionalen Anforderungen nicht erbringen. Im Auswahlprozess muss daher sehr genau geprüft werden, welches Produkt welche Anforderungen erfüllt und wie die Bank- oder Kapitalanlagegesellschaft ihre Projektziele erreicht.
Neben der Skalierbarkeit ist das Datenmodell von entscheidender Bedeutung. Es muss vom Anwender selbst erweiterbar sein. Ein weiterer wesentlicher Bestandteil sind die vom Anwender konfigurierbaren Qualitäts-, Validierungs- und Veredelungsregeln.
Fazit
Das Thema Datenmanagement erhält in einer immer stärker von der Validität der Informationen geprägten Finanzwelt eine immer höhere Bedeutung. Dabei ist der Prozess ganzheitlich (von der Informationsquelle bis hin zu den informationsbeziehenden Systemen) zu betrachten und zu optimieren, um Einsparpotenziale bei gleichzeitiger Erhöhung der Informations- und Verarbeitungsqualität besser als bisher zu nutzen. Informationsvielfalt muss der Informationspräzision, das heißt die richtige Information zur richtigen Zeit in der richtigen Qualität, weichen.