Data Governance: od wymogów formalnych do realnych korzyści

Wydana przez Komisję Nadzoru Finansowego Rekomendacja D stała się dla działających na polskim rynku banków okazją do uporządkowania procesów zarządzania danymi. Uporządkowanie procesów tworzenia i wymiany danych przyniosło im w konsekwencji konkretne korzyści biznesowe i organizacyjne. Doświadczenia te można wykorzystać w innych sektorach.

Opublikowany w 2013 roku dokument dotyczy „zarządzania obszarami technologii informacyjnej i bezpieczeństwa środowiska teleinformatycznego w bankach”. Celem wdrożenia zawartych w nim wytycznych miała być poprawa jakości zarządzania i poziomu bezpieczeństwa IT w bankach. Chodziło również o usprawnienie nadzoru nad tymi obszarami ze względu na coraz większą zależność działalności bankowej od rozwiązań IT. Wśród wymagań postawionych przez Komisję Nadzoru Bankowego (KNF) znalazły się m.in. zapisy dotyczące zarządzania danymi, w tym ich jakością, oraz zasad współpracy między obszarami biznesowymi a technologicznymi.

Zbudowanie jednolitego słownika pojęć biznesowych

Wychodząc od potrzeby spełnienia wymogów narzuconych przez regulatora, wielu bankom udało się stworzyć i wdrożyć w życie spójne i efektywnie funkcjonujące w codziennej praktyce reguły polityki Data Governance. Wypracowane w ramach prac nad dostosowaniem się do oczekiwań KNF rozwiązania okazały się być przydatne w różnych obszarach aktywności bankowej, nie tylko zarządzaniu IT lecz również np. zarządzaniu ryzykiem czy kontaktami z klientami. W wielu miejscach są one stale rozwijane oraz udoskonalane.

Porządek w danych pozwala przede wszystkim na stworzenie jednego, wspólnego dla wszystkich obrazu sytuacji w organizacji. To umożliwia podejmowanie lepszych, bardziej optymalnych decyzji biznesowych. Raporty oparte na sprawdzonych, spójnych i aktualnych danych dają większą gwarancję wyboru odpowiedniej opcji działania niż sprawozdania bazujące na danych niewiadomego pochodzenia, tworzonych według dowolnych reguł i zasad w różnych departamentach i wydziałach.

Bez systemowego nadzoru nad danymi, do osób decyzyjnych mogą docierać zestawienia tworzone na podstawie danych różnie rozumianych i definiowanych przez ich właścicieli i wytwórców. W takiej sytuacji odpowiedź na proste, zdawałoby się, pytanie „Ilu mamy klientów” może nie być wcale taka oczywista. Bo dla każdego klient może znaczyć co innego. Dlatego tak ważne jest zbudowanie jednolitego, obowiązującego wszystkich w organizacji słownika pojęć biznesowych. Stworzenie spójnej wizji środowiska biznesowego organizacji, to jeden z wymiernych efektów wdrożenia założeń polityki Data Governance. Jej przydatność jest szczególnie widoczna w sytuacjach wymagających współdziałania, np. gdy trzeba uzgodnić zasady współpracy między sprzedażą a marketingiem.

Na poziomie operacyjnym do najczęściej wymienianych korzyści z wdrożenia data governance należy zwiększenie skuteczności korespondencji z klientami. Lepsze dane teleadresowe to szybsza komunikacja ale też i mniejsze koszty naprawiania błędnych wpisów. W ślad za tym idzie większa efektywność procesów windykacyjnych czy realizacji umów.

Podział danych na kluczowe grupy i przypisanie im opiekunów

KNF nie wskazuje jednej, obowiązującej jednakowo dla wszystkich drogi wywiązania się z wytycznych zapisanych w Rekomendacji D. Nie ma też jednej, powszechnie przyjętej metody wdrażania polityki Data Governance. Zastosowane w poszczególnych organizacjach rozwiązania mogą znacznie różnić się od siebie. Ostatecznie o wyborze określonych sposobów i zasad zarządzania danymi decydują potrzeby biznesowe i specyfika organizacyjna każdej firmy.

W PlusBanku za koordynację programu Data Governance odpowiada Departament Informatyki. Michał Jerzykowski, jego dyrektor jest jednocześnie kierownikiem projektu Data Governance w całej organizacji. Podział zadań i kompetencji jest jasno określony. „IT daje narzędzia wspomagające utrzymanie prawidłowych i uporządkowanych danych. Natomiast już za samą jakość danych odpowiada biznes” – wyjaśnia Michał Jerzykowski. Nad całością czuwa z kolei Komitet Bezpieczeństwa Teleinformatycznego, który zajmuje się szeroko pojętym bezpieczeństwem informacji. W zakres jego działalności wchodzą również zagadnienia nadzorowania jakości danych.

Dane w PlusBanku zostały podzielone na szereg kluczowych grup. Każda z nich obejmuje inny zakres danych użytecznych w różnych obszarach funkcjonowania organizacji. Są to np. dane: teleadresowe, finansowo-księgowe, dotyczące zarządzania aktywami itp. Podział na grupy nie pokrywa się ze strukturą organizacyjną banku, ma charakter funkcjonalny. Dane do jednej grupy można przyporządkować z różnych systemów informatycznych. Każda grupa ma opiekuna, którego zadaniem jest monitorowanie jakości danych w grupie.

Do wspomagania zarządzania jakością danych używany jest system BIKS. Oparty jest on na usługach katalogowych, umożliwiających wgląd w schematy wszystkich baz danych (metadane). Opiekunowie grup danych – którymi zazwyczaj są dyrektorzy departamentów – mają zapewniony na stałe dostęp do struktur baz danych używanych w firmie. Struktury te są automatycznie modyfikowane, gdy w jakimkolwiek miejscu następują zmiany.

Klucze identyfikacyjne dla wszystkich danych

System stanowi też swoistą bazę wiedzy na temat charakteru powiązań między poszczególnymi danymi używanymi w banku. Można za jego pomocą ustalić klucze identyfikacyjne dla wszystkich danych. Można też przeprowadzać testy sprawdzające ich jakość. W przypadku pogorszenia się jakości, opiekunowie grup danych podejmują decyzję, jakie działania należy zaplanować i wykonać w celu poprawy jakości danych.

Monitorowane są sposoby wprowadzania danych na poszczególnych stanowiskach. Realizowane jest to m.in. poprzez porównywanie wprowadzanych danych z danymi w bazach ogólnodostępnych. Metoda ta ma kluczowe znaczenie dla zarządzania danymi, a bazy teleadresowe pełnią rolę punktu odniesienia dla danych wprowadzanych do systemów bankowych.

„O Data Governance możemy mówić tylko tam, gdzie mamy wpływ na jakość wprowadzanych i pozyskiwanych danych. Tam gdzie dane są już wtórnie przetwarzane przez system informatyczny banku, mamy do czynienia z działaniami z zakresu zarządzania systemem informatycznym, a nie zarządzaniem jakością danych” – stwierdza Michał Jerzykowski.

Informacja jako najważniejszy zasób

Z kolei w mBanku realizacja założeń programu Data Governance odbywa się w ramach Inicjatywy Strategicznej „Information As An Asset”. Inicjatorem jej powołania był zarząd banku, a w skład zespołu realizującego prace wchodzą przedstawiciele pionu finansów, ryzyka oraz IT. Kierownikiem programu Data Governance jest Michał Dąbrowski, wicedyrektor Departamentu Controllingu i Informacji Zarządczej w mBanku. Kieruje on jednocześnie – powołaną w ramach Inicjatywy Strategicznej – jednostką Business Information Competence Center (BICC). Jej zadaniem jest koordynacja działań związanych z zarządzaniem informacją. Oprócz Data Governance, zajmuje się ona również jakością danych, odpowiada za biznesowy rozwój hurtowni danych, tworzy słownik pojęć biznesowych, nadzoruje pracę sieci Data Stewardów.

Data Stewardzi działają na kilku poziomach. Rola Executive Data Stewarda jest równoznaczna z rolą Chief Data Officera (CDO). Podlegają mu Enterprise Data Stewardzi, którzy są stałymi pracownikami BICC. Kolejny poziom to Area Data Stewardzi, którzy pełnią rolę koordynatorów w poszczególnych obszarach funkcjonowania banku (ryzyko, finanse, IT itd.). Strukturę dopełnia sieć rozproszonych Data Stewardów, którymi są bankowi eksperci z różnych dziedzin. Dla nich i dla Area Data Stewardów zadania związane z utrzymaniem jakości danych stanowią 10% obowiązków służbowych. Dla pozostałych jest to praca pełnoetatowa.

Komitet ds. Jakości Danych i Rejestr Błędów Danych

Dane wykorzystywane w różnych systemach mBanku zostały podzielone na 160 grup. Utworzono je według klucza funkcjonalnego – klient, produkt, kontrakt, umowa itp. Można bardzo precyzyjnie zidentyfikować wszystkie dane i dokładnie ustalić, kto jest ich właścicielem. Dla każdej grupy danych ustalone są wskaźniki jakościowe. Ich realizacja jest monitorowana przez Data Stewardów. Opracowywane przez nich raporty trafiają do Enterprise Data Stewardów, którzy przygotowują zbiorczy, syntetyczny raport dla Komitetu ds. Jakości Danych oraz dla zarządu. Komitet wypracowuje decyzje w sprawie sposobu poprawy jakości danych, jeżeli pojawiają się w nich błędy.

W banku dostępny jest też Rejestr Błędów Danych. Każdy pracownik może zarejestrować w nim problem z danymi. „Działania na rzecz jakości danych są wpisane w czynności wszystkich pracowników, stanowią integralną część procesów wykonywanych codziennie na każdym stanowisku pracy” – podkreśla Michał Dąbrowski. Zgłoszenia są analizowane w BICC i tam też ustalane sposoby naprawienia błędu. „Nie zawsze musi to oznaczać ingerencję w same dane. Czasami potrzebna jest zmiana w procesach biznesowych a nie bezpośrednio w danych” – mówi Michał Dąbrowski. Rozwiązaniem problemu może być automatyczna walidacja danych czy też odwołanie się do baz referencyjnych. „Wszystko zależy od rodzaju błędu, jego miejsca w procesach oraz poziomu, na którym powstał i źródła, z którego pochodzi” – wyjaśnia Michał Dąbrowski. Jakość wielu danych jest już na bieżąco monitorowana przez system automatyczny, który sprawdza zgodność danych z wypracowanymi standardami i jest w stanie samodzielnie poprawić np. literówkę w adresie.

Wskazówki i instrukcje co do sposobu wykorzystania systemów informatycznych w procesie zarządzania danymi pochodzą z Business Information Competence Center. Zadaniem pionu IT w mBanku jest wdrażanie zaproponowanych rozwiązań oraz rozwój i utrzymanie systemów wspierających realizację założeń polityki Data Governance. Takie podejście sprzyja racjonalizacji działań. Następuje optymalizacja architektury danych. Zamiast kilku systemów powstaje jeden. Wiele jednostek korzysta z tego samego, uporządkowanego zasobu danych. To zmniejsza koszty pracy działu IT i koszty wdrożeń. Dzięki jednolitemu słownikowi pojęć biznesowych we wszystkich systemach jest zaimplementowany jeden, wspólny punkt widzenia na dane w organizacji. To pozwala wszystkim sprawniej działać i podejmować skuteczniejsze decyzje.

„Realizacja programu Data Governance wymaga zmiany kultury organizacyjnej. Potrzebna jest stała, konsekwentna praca, aby ludzie zrozumieli, że nie pracują z danymi tylko w obrębie swojego komputera lecz działają na rzecz wszystkich” – podsumowuje Michał Dąbrowski.