Bevor wir über den Nutzen sprechen, müssen wir erst einmal die Technologie erklären. Üblicherweise nutzt man in Unternehmen ein Data Warehouse, welches aus Datenbanken besteht. Dieses hat den Vorteil, dass die Daten strukturiert und dem Einsatzzweck entsprechend definiert sind. Ein Problem stellen dabei aber beispielsweise E-Mails, Social Media Posts, Bilder, Videos etc. dar, die schwierig in dieses System einzugliedern sind. Hierbei wird das „strikte“ Design zum Nachteil. Data Lakes hingegen nehmen es mit der Struktur nicht so genau. Das hört sich zunächst negativ an, hat aber gerade Vorteile bei der Skalierbarkeit und Flexibilität. Die Daten sind also nicht zwangsläufig einem bestimmten Zweck zugeordnet, können dafür aber in Echtzeit gespeichert werden.

Einige Unternehmen nutzen einfach beide Technologien und haben somit das Problem der Speicherung gelöst. Allerdings ist dabei nicht alles Gold was glänzt.

Die klaren Nachteile dabei sind:

• eine hohe Komplexität in der Kommunikation der Systeme
• daraus folgend: hohe Kosten
• Doppelung von Daten

Das Data Lakehouse setzt genau hier an und verbindet die Vorteile beider Systeme, ohne Probleme wie Datendoppelung zu verursachen.

Wo ist der Mehrwert für Banken zu sehen?
Die Grundherausforderung jeder Bank ist der Schutz von (Vermögens-)Werten, das Identifizieren von Risiken und die Minimierung von Verlusten. Nur damit können Investitionen auf dem Markt gewinnbringend und sicher getätigt werden. Außerdem fordern die Rechtsorgane Transparenz und Erklärungsfähigkeit bei allen Aktivitäten. Deshalb ist das Risikomanagement in der Regel über alle Geschäftsprozesse „standardisiert“, da eine Einzelbetrachtung zu komplex wäre.

Banken arbeiten jeden Tag mit einer großen Flut von Daten. Die internen Datensätze sind dabei in der Regel strukturiert und der Zweck ist bekannt. Kommen jetzt aber weitere Informationen wie gesetzliche Vorgaben, Marktinformationen oder Social Media Beiträge hinzu, entstehen unsortierte Datenströme. Genau diese müssen in eine Form gebracht werden, die für die interne Nutzung adäquat ist.

Es sind aber nicht immer nur die neusten Informationen entscheidend. Auch jene aus der Vergangenheit können bei der Analyse und Erstellung von Vorhersagemodellen behilflich sein. Nur hat man in der heutigen Zeit keine Wochen mehr Zeit, um die Märkte in Ruhe zu beobachten und dann Entscheidungen zu treffen. Die eintreffenden Informationen müssen so gut wie in Echtzeit analysiert werden, damit informierte Entscheidungen auf den Märkten möglich sind.

Das ist genau der Job, den Data Lakehouses leisten können. Man bekommt eine harmonisierte Echtzeitansicht der Daten und das mit einer hohen Genauigkeit. Genau das ist für das tägliche Handeln und Entscheiden von Bedeutung.

Wie hoch ist der Aufwand der Implementierung?
Ein Data Lakehouse in eine Bank zu integrieren, ist ein stufenweiser Prozess. Man beginnt mit einer Analyse der derzeitigen Systeme, entwickelt ein Konzept, dass auf die Bank zugeschnitten ist, findet Lösungen für individuelle Ansprüche, beginnt dann erst mit der Implementierung und die Phase der Optimierung schließt sich hinten an.

Probleme können vor allen Dingen mit älteren Systemen auftauchen. Diese bremsen oftmals, denn sie reagieren nicht auf sich ändernde Geschäftsprozesse. Natürlich finden wir auch dafür eine Lösung!

Uns bei Avanade ist es wichtig, dass wir die Kosten und Risiken für Sie minimieren und dabei maximale Flexibilität anbieten.

Diese Artikel können Sie ebenfalls interessieren:

- Eine sichere Bank: Cyber-Resilienz im Finanzsektor

- Modernizing the mainframe

- Why smart banks are modernizing their mainframe now