Wenn wir Snowflake und Databricks haben, warum brauchen wir dann noch Stammdatenmanagement?

In Gesprächen mit Banken, Versicherungen und Finanzdienstleistern höre ich immer häufiger folgende Frage: „Wir nutzen bereits Snowflake und Databricks – warum brauchen wir dann noch Stammdatenmanagement?“

Das ist eine berechtigte Frage. Und auch eine sehr verständliche.

Die kurze Antwort: Moderne Datenplattformen erleichtern den Zugriff auf Daten und deren Analyse – aber sie geben keine Auskunft darüber, wen oder was diese Daten tatsächlich repräsentieren. Das ist die Aufgabe des Stammdatenmanagements (MDM), auf dem die „Trusted Intelligence Platform“ von Stibo Systems aufbaut.

Was Snowflake und Databricks leisten

Finanzinstitute haben massiv in moderne Datenplattformen investiert. Snowflake hat Unternehmen dabei geholfen, Daten in großem Maßstab zu zentralisieren, gemeinsam zu nutzen und zu analysieren. Databricks hat dazu beigetragen, Analytik, Data Science und KI zu beschleunigen. Beide sind wichtige Bestandteile der modernen Datenarchitektur.

Dennoch machen sie MDM nicht überflüssig.

Was sie nicht lösen

Stellen Sie sich das wie beim Fußball vor. Sie können ein brillantes Stadion, erstklassige Analysten, ausgefeilte Taktiken und die besten Trainingsanlagen haben. Aber wenn die Aufstellung falsch ist, Spieler doppelt aufgeführt sind, niemand weiß, wer welche Position besetzt, und die Hälfte des Kaders die Formation der letzten Saison spielt, wird es schnell chaotisch.

Beim Unternehmensdatenmanagement verhält es sich ähnlich.

Eine moderne Datenplattform kann den Zugriff auf Daten erleichtern, deren Verarbeitung beschleunigen und sie für Berichte, Analysen und KI besser nutzbar machen. Aber sie beantwortet nicht automatisch die geschäftlichen Fragen, die Führungskräften nach wie vor am wichtigsten sind:

• Um welchen Kunden handelt es sich?
• Welche Produktversion ist die richtige?
• Welcher Rechtsträger ist für diese Geschäftsbeziehung zuständig?
• Welcher Makler, Berater oder Vermittler ist beteiligt?
• Wem gehören die Daten?
• Können wir ihnen genug vertrauen, um sie als Entscheidungsgrundlage zu nutzen?

Genau hier entsteht die Lücke.

Wo sich die Lücken im Finanzdienstleistungssektor zeigen

Obwohl viele Unternehmen mittlerweile über moderne Cloud-Plattformen verfügen, sehen sie sich nach wie vor mit den altbekannten Problemen konfrontiert:

• Doppelte Kundeneinträge
• Uneinheitliche Produktdefinitionen
• Unklare Hierarchien
• Zersplitterte Daten zu juristischen Personen
• Widersprüchliche Identifikatoren
• Manueller Abgleich zwischen Systemen

Auch wenn die Technologiearchitektur modern wirkt, ist das geschäftliche Problem nicht verschwunden. Es ist das datentechnische Äquivalent dazu, einen Video-Schiedsrichterassistenten, GPS-Tracker und ein ganzes Analyseteam zu haben, das die Leistung Ihrer Spieler auswertet, während man sich weiterhin über die offizielle Mannschaftsaufstellung streitet.

Die Auswirkungen variieren je nach Branche:

• Im Bankwesen kann dies Auswirkungen auf die Neukundenakquise, die „Know Your Customer“-Prüfung (KYC), Kreditentscheidungen, das Gegenparteirisiko, die aufsichtsrechtliche Berichterstattung und das Kundenerlebnis haben.
• In der Versicherungsbranche kann dies die Erkennung von Versicherungsnehmern, die Beziehungen zu Maklern, Schadenfälle, die Produktgovernance und das Risikomanagement betreffen.
• In der Vermögensverwaltung kann dies Auswirkungen auf die Haushaltszusammenführung, die Beziehungen zu Beratern, die Eignungsprüfung, die Berichterstattung und das Kundenerlebnis haben.

Wie MDM diese Lücke schließt

MDM erstellt vertrauenswürdige Stammdaten, beseitigt Dubletten, regelt Beziehungen, verwaltet Hierarchien, wendet Geschäftsregeln an und definiert Zuständigkeiten. Es liefert die vertrauenswürdigen Daten und den geschäftlichen Kontext, die Datenplattformen, Analysetools und KI-Modelle benötigen, um zuverlässige Ergebnisse zu erzielen.

Der entscheidende Unterschied besteht darin, dass Snowflake und Databricks Unternehmen dabei helfen, mehr aus ihren Daten herauszuholen. MDM sorgt dafür, dass sie dies mit den richtigen Daten tun.

Warum dies angesichts der zunehmenden Verbreitung von KI umso wichtiger ist

KI behebt fragmentierte Daten nicht auf magische Weise. In vielen Fällen macht sie diese lediglich sichtbar. Sind Daten zu Kunden, Produkten, Richtlinien, Konten oder juristischen Personen inkonsistent, kann KI zwar schnellere Antworten liefern – aber nicht unbedingt bessere.

Für Führungskräfte ist dies eine Frage des geschäftlichen Nutzens und keine Debatte über die technische Architektur. Zuverlässige Stammdaten tragen dazu bei, das Kundenerlebnis zu verbessern, manuellen Aufwand zu reduzieren, das Vertrauen der Aufsichtsbehörden zu stärken, die Entscheidungsqualität zu verbessern und KI-Investitionen sicherer und effektiver zu gestalten.

Und für regulierte Branchen ist dies keine Option. Rahmenwerke wie DORA verlangen zunehmend von Finanzdienstleistungsunternehmen, die Herkunft und die Governance der Daten nachzuweisen, mit denen ihre KI-Systeme gespeist werden.

Während Snowflake den Datenzugriff skalieren und Databricks Analysen und KI beschleunigen kann, trägt MDM dazu bei, sicherzustellen, dass die für Snowflake und Databricks verfügbaren Daten korrekt, konsistent, geregelt und auf gemeinsamen Geschäftsdefinitionen basieren.

Sie benötigen beides, da sie unterschiedliche Aufgaben erfüllen.

Die bessere Frage, die man sich stellen sollte

Stattdessen sollten sich Unternehmen fragen: „Wie stellen wir sicher, dass die Daten, die in unsere Plattformen, Berichte, Analysen und KI einfließen, vertrauenswürdig genug sind, um geschäftskritische Entscheidungen zu treffen?“

Im zweiten Teil dieser Blogreihe werde ich untersuchen, wo dies echten geschäftlichen Mehrwert schafft – vom Onboarding und der Kundenerfahrung bis hin zu Risiko, Compliance, KI-Bereitschaft und Wachstum für Unternehmen aus den Bereichen Banken, Versicherungen sowie Vermögens- und Asset-Management.