Development of a Capability Maturity Model for Big Data Governance : Evaluation in the Belgian Financial Sector

Big Data in Banks : governing the deluge

Een "normale" discussie tussen de front- en de back-office van een elke organisatie is jongleren met het verweten van " wie is schuldig" en waarom. De back-office klaagt dat de processen, die door de front office gevolgd worden, knelpunten opleveren door niet na te denken hoe een bedrijf daadwerkelijk opereert. Aan de andere kant, stelt de front office vast dat de bestaande processen ontworpen zijn om potentiële gebreken in de bedrijfsvoering op te lossen maar dat de back-office hen niet volgt. Dezelfde heen-en-weer gelden voor databeheer programma's.

Data is uitgegroeid tot een belangrijke troef in het huidige zakelijk landschap: gegevens over klanten, activiteiten, leveranciers en schuldeigenaars, nemen op een dagelijkse basis, de eerste plaats in alle  besluitnemers  agenda's door het geven van evaluaties en resoluties met het potentieel een bedrijf op elk niveau te beïnvloeden. Dat deze gegevens geldig en accuraat zijn is dan van centraal belang betreffende de resultaten en de invloed die ze creëren. Tegenwoordig wordt dit steeds complexer als nieuwe databronnen ook nieuwe uitdagingen brengen in termen van volume, variëteit of pluraliteit, om er maar een paar op te noemen. De "Big data fenomeen" staat gekenmerkt als één van de meest besproken onderwerpen in onderzoek en praktijk met meer dan 70% van alle gerangschikte papieren over dit onderwerp verschenen in de laatste twee jaar (Buhl, Röglinger, Moser, Heidemann, 2013).

In dit domein bestaat een stortvloed van gegevens en banken hebben hun eigen uitdagingen als ze trachtten al de vastgelegde en opgeslagen informatie te beheersen. Tamasauska, Liutvinavicius, Sakalauskas en Kriksciuniene (2013) stellen dat gegevens, die momenteel door financiële instellingen gebruikt worden, aan alle eisen voor big data voldoen (pp.36): "massale, tijdelijk besteld, snel veranderende, potentieel oneindige". Volgens hen, met succes gebruik maken van big data, biedt de mogelijkheid, om de noodzakelijke veranderingen in de bancaire sector (pp.36) aan te brengen: "een klantgerichte onderneming creëren ", "bedrijfsrisicobeheer te optimaliseren", "de flexibiliteit van de stroomlijnende activiteiten te vergroten”.

Bahjat El-Darwiche, Koch, Tohme, Shehadi en Meer (2014) wijzen er echter op, dat een gewoonlijke fout is, tijdens de discussies over Big Data, te denken dat hier draait over ingewikkelde technologieën, wat als gevolg is bedrijven, bij het verschenen van dergelijke initiatieven, te ontmoedigen. Hoewel we erkennen dat dit vooral het geval was, is de belangrijkste kracht van het succes van een big data project dat de organisaties een hervorming nodig hebben van de manier waarop de besluitvorming wordt afgedwongen: gebaseerd op duidelijke data-gedreven inzichten in plaats van alleen pure intuïtie. Big data projecten opleveren de beloofde resultaten als ze gebouwd worden op de fundamenten van een omgeving, die al een data-gedreven cultuur en mentaliteit geeft. Big data is inderdaad geen magische oplossing voor alle gegevens of problemen die een organisatie zou kunnen hebben.  Wat het biedt is de mogelijkheid om de besluitvorming scope uit te breiden door de erkenning van een hoeveelheid aan invalshoeken bij de aanpak van een bedrijfstaak. Dit zorgt ervoor dat zowel interne als externe beleidsmakers alle informatie aan de hand hebben om  geldige beslissingen te maken. Anders gezegd, dat er een data governance-opbouwplaats bestaat.

Een paar Benelux banken zijn al begonnen met big data initiatieven, zoals de ING Groep (Finance Lab, 2014) en KBC België (Van Leemputten, 2014) en deze noviteit maakt het moeilijk om degelijke data governance programma’s op te bouwen als de huidige project behoeften op zichzelf nog niet goed gedocumenteerd of begrepen zijn. De investeringen in het ontwikkelen van complexe Hadoop clusters zullen nutteloos blijken als hun doel niet gesynchroniseerd wordt met de behoeften van de organisatie.

De praktische bijdrage van ons werk is de poging om een sterke data governance-model voor de financiële sector aan te bieden. Discussiëren over wat het bestuur is of wat het bestuur zou moeten doen is gemakkelijk, maar begrijpen en het verzamelen van alle mogelijke elementen die dit steunen, is blijkbaar moeilijker.

We hebben getracht deze elementen te ontdekken in onze onderzoek, door het analyseren op het gebied van bestaande werk.  We hebben uiteenlopende elementen van dergelijke modellen samen gebracht en ze homogeen gestandaardiseerd om aan de specifieke kenmerken van elke sector aan te passen. We kozen ervoor om het aan de financiële sector aan te passen als gevolg aan intrinsieke behoefte aan normen en kaders: de notie van statistische controle stelt dat een praktijk die onder statistische controle is, altijd dezelfde resultaten zal opleveren. Regelgeving en compliance charters proberen praktijken in de financiële sector te normaliseren, om ervoor te zorgen dat de goede praktijken gesynchroniseerd worden voor de industrie, terwijl de invloed van slechte praktijken, op balans van het geheel vermijd wordt.

Ons model is een exempel dat de structuur van de Basel III-regelgeving kader volgt terwijl het de kenmerkende elementen van een bepaalde sector aanbrengt. Er wordt ook rekening gehouden met het feit dat, terwijl een regelgeving voor uniformiteit in de praktijken van de financiële sector zorgt, data governance-mogelijkheden een potentieel concurrentievoordeel biedt dat zeker niet onderschat mag worden.

Een van de belangrijkste conclusie van ons onderzoek onthult dat de tegenwoordige uitdaging, voor de financiële sector, de opbouw is van een pijler voor data governance praktijken terwijl innovatie buiten haar grenzen te verspreiden is.