Im letzten Blogartikel wurden bereits die Rollen und Verantwortlichkeiten einer Data Governance vorgestellt. Im heutigen Artikel unserer Blog-Serie Data Governance in a Nutshell betrachten wir im Detail die Rolle der Daten.
Eines ist klar, Daten sind nicht nur das Öl, sondern auch das Gas des 21. Jahrhunderts. Es steht außer Frage, dass Daten für Banken im Zeitalter der Digitalisierung nicht mehr wegzudenken sind.
Auch Kai Feng betont in seinem YouTube-Video GOVERNORS OF DATA bereits die Wichtigkeit der Daten bei einer Data Governance, indem er rappt „DATA – letters that we live by“. Daher stellt sich nun die Frage, Data as an Asset – Ja oder Nein? Wenn ja, welchen ökonomischen Wert haben diese Daten?
Data as an Asset?
Sicherlich kennst du das Sprichwort „Garbage in, garbage out“. Analysen können nur so gut sein wie ihre Datengrundlage. Leider ist die Datenqualität in Kreditinstituten oftmals nicht so, wie es sich Data Scientists und Analysten wünschen. Fehlerhafte oder komplett fehlende Daten sowie vorliegende Dubletten sind Beispiele für mögliche Datenqualitätsprobleme.
Qualitativ „gute“ Daten generieren einen Wert. Qualitativ „schlechte“ Daten dahingegen erzeugen ein Geschäftsrisiko und wirken somit Vermögens-wertmindernd.
Somit kann beantwortet werden: Ja, Daten können einen Wert haben und als Asset betrachtet werden.
Beim Erhebungsprozess der Daten haben Banken zu Beginn meist jedoch nur Rohdaten. Diese Daten müssen zunächst noch transformiert, angereichert und aggregiert werden, um ihr volles Nutzungspotential auszuschöpfen.
Daten und ihr ökonomischer Wert
Stellst du dir nun die Frage, welchen finanziellen Mehrwert eine Data Governance der Bank bringt?
Es gibt unterschiedliche Methoden und Ansätze zur finanziellen Bewertung von immateriellen Vermögensgegenständen. Diese Berechnungen im Detail aufzuführen, sprengt jedoch den Rahmen des heutigen Blogartikels. Um dennoch ein Verständnis für den finanziellen Gegenwert von Daten zu erhalten, kannst du der folgenden Grafik eine stark vereinfachte Szenario-Berechnung entnehmen.
Im ersten Szenario zeigt das Beispiel vom E-Mail-Marketing, um wie viel Prozent das geplante Umsatzpotential sich reduziert, wenn für die ermittelte Zielgruppe nur 60 % gültige E-Mail-Adressen vorliegen. Im Umkehrschluss bedeutet das, dass 40 % der Kunden aufgrund ungültiger E-Mail-Adressen nicht erreichbar sind und daher 40 % des Umsatzpotentials nicht. Ungültige E-Mail-Adressen weisen auf eine unzureichende Datenqualität hin.
Das zweite Beispiel skizziert einen ähnlichen Fall mit fehlerhaften Kunden-Postadressen.
Jetzt stell dir vor, beide Szenarien werden kombiniert. Das heißt, wir haben in unserer Zielgruppe sowohl fehlerhafte E-Mail- als auch Postadressen hinterlegt. Dadurch kann unsere Zielgruppe weder über den einen noch den anderen Kanal erreicht werden.
Dieses simple Szenario zeigt bereits, was für Umsatzpotenziale durch unzureichende Daten verloren gehen können. Die Realität in der Bankenwelt ist natürlich wesentlich komplexer, doch wird dir hoffentlich durch dieses Beispiel deutlich, dass Daten einen ökonomischen Wert besitzen.
Fazit
Daten spielen bereits jetzt eine wichtige Rolle, werden aber in Zukunft eine noch bedeutendere Rolle in Geschäftsmodellen einnehmen. Dadurch ergeben sich datengetriebene Geschäftsmodelle, welche die komplette Bank hin zu einer Data Driven Bank transformieren können.
Wenn Daten nun als Asset betrachtet werden, muss auch ihr ökonomischer Wert definiert werden. Bankenweit müssen einheitliche Standards für eine solche Bewertung und für die Qualität dieses Assets festgelegt werden.
Beachtet man diese Aspekte bei der Einführung von Data Governance in einer Bank, dann wird man am Ende mit Kai Fengs Worten sagen können: „Governance is cool, yeah you got that right, in the name of data: hands up and high five!“
Verfasst von
