Implementatie van een data driven reportingstraat
De uitbraak van het COVID-19 virus en het verloop van de pandemie maken duidelijk dat betrouwbare, gedetailleerde data de sleutel zijn voor accurate inzichten en voorspellingen. De behoefte om te weten hoe de economische crisis zich gaat ontwikkelen is groot. De behoefte aan nauwkeurige en relevante gegevens daarmee ook. Financiële instellingen hebben sinds de kredietcrisis van 2008 soortgelijke behoeften proberen te vervullen met programma’s om alomvattende rapportageplatformen te implementeren. Het implementeren van een data driven reportingstraat vraagt om een strategische inrichting van het programma. In dit artikel zoomen we in op de juiste vervlechting van de lijnorganisatie en haar waardeketens met functies als Finance en Risk. De juiste vervlechting is cruciaal voor het succes van deze programma’s.
Horizontale en verticale ketens
Financiële instellingen hebben van oudsher te maken met waardeketens, met elk hun eigen bronsysteem. De inrichting van deze bronsystemen is volledig toegesneden op de specifieke producten, die bij de waardeketen horen. Het gevolg is dat voor een gemiddelde financiële instelling een veelvoud aan product gedreven datastromen bestaat. De voortbrengende ketens van productsystemen worden ook wel horizontale ketens genoemd. Naast de horizontale ketens kennen we ook de genoemde verticale ketens.
Verticale ketens staan voor de systeemketen en datastromen, die specifiek zijn voor functies als Finance en Risk. In de verticale keten is afstemming tussen de datastromen van belang om uiteindelijk geïntegreerde rapportages op te maken. Deze afstemming moet plaatsvinden tussen de verschillende data gebruikers, zoals Finance, Risk en Controlling. Het opstellen van een definitie, het niveau van vastlegging, de frequentie van aanlevering zijn facetten van het gesprek dat plaats moet vinden in deze verticale keten. Dit komt uiteindelijk samen in het generieke datamodel.
Er wordt vanuit het programma perspectief vaak een leidende structuur gekozen (een horizontale of verticale variant), waarna er aanvullende structuren worden opgezet om ook verticale afstemming af te dwingen wanneer de horizontale opzet leidend is (en vice versa). In de praktijk blijkt dit moeilijker uitvoerbaar dan in de theorie. De kern van deze complexiteit ligt in het feit dat veel inhoudelijke kennis wordt gevraagd op een breed speelveld, om tot een goede inrichting te komen. Voor deze kennis is vaak maar op een relatief klein aantal medewerkers een beroep te doen. Dit is dus schaars. Deze kennis moet zich zowel vertalen in het horizontale proces om de data te kunnen volgen van bron naar rapportage en via het verticale proces voor afstemming tussen de data gebruikers.
Het risico van onvoldoende aandacht en borging van beide ketens is dat er ‘gecorrigeerd’ moet worden op de data uitvraag die eerder is gedaan. Wanneer niet alle stakeholders gekend zijn, moet er telkens opnieuw worden gekeken of hetgeen eerder overeengekomen nog steeds staat. Een ander risico is dat onafhankelijk van elkaar gesprekken worden gevoerd over de data en dat er geen eenduidige uitvraag is. Ook dit moet eerst opnieuw samen worden gebracht alvorens de volgende stap te zetten.
Een aantal aspecten is van belang om deze complexiteit en bijbehorende risico’s te kunnen mitigeren:
1.
Ondanks de schaarste is het van cruciaal belang dat dezelfde mensen betrokken zijn bij de verschillende overlegorganen. Zo worden er niet op verschillende onderdelen andere keuzes gemaakt. Er moet een integrale structuur worden opgezet met een kernteam die overzicht heeft over de data stromen. Dit is de centrale plek waar moet worden gewaarborgd dat de datastromen (en daarbij elk data attribuut) op de juiste manier worden ingericht.
2.
De weg naar consensus bereiken kan een langdurig proces zijn omdat er veel belangen en stakeholders zijn. Het is essentieel dat er een korte besluitvormingscyclus wordt opgezet. Wanneer niet op tijd keuzes worden gemaakt, zal dit een grote bottleneck zijn voor de hele voortgang. Dit betekent dat sleutelmedewerkers een mandaat moeten krijgen om besluiten te nemen. Omdat, zoals eerder aangegeven, vaak specialistische kennis nodig is, is het van belang dat deze sleutelmedewerker de informatie verzamelt en op basis hiervan tot een voorstel komt. Hiermee liggen de verschillende belangen op één tafel en wordt op basis daarvan een besluit genomen.
3.
Het opzetten van het generieke datamodel en de eerder genoemde acties als het gaat om definities moeten onderdeel zijn van, en in lijn zijn met, het algemene data governance beleid. Definities en referentiewaarden zullen bijvoorbeeld een centrale plek moeten krijgen (als ook een eigenaar). Daarnaast is het opzetten van datakwaliteitsregels belangrijk om de kwaliteit van de data te waarborgen. Door hierbij aan te sluiten op het algemene beleid voorkom je dat er binnen het programma een eigen beleid ontstaat. Programma specifiek beleid is niet wenselijk, omdat het programma uiteindelijk overgaat in business as usual. Meer over data governance is te vinden in ons artikel Data governance in de rapportageketen.
Conclusie
Bovenstaande is het topje van de ijsberg als het gaat om het opzetten van het programma om een data gedreven rapportagestraat op te zetten. Een passende inrichting is alles bepalend. Het samenbrengen van alle sleutelpersonen, het goed inrichten van data governance en het sturen op gemeenschappelijke werkprocessen in de opzet van het programma legt de basis voor succes. Succes in de vorm van een centraal rapportageplatform, dat daadwerkelijk de juiste data om alle gevraagde rapportages levert, conform eisen en wensen van toezichthouders en management. Toezichthouders en management uiten hun tevredenheid. Accurate inzichten en voorspellingen zijn op elk gewenst moment beschikbaar zonder zorgen over volledigheid, tijdigheid en juistheid van onderliggende gegevens. Dankzij een goed doordachte vervlechting van lijnorganisatie met functies als Finance en Risk geborgd in de programmaopzet.
*Het originele artikel is geschreven door Marco Kooistra en gepubliceerd in 2020 op solidprofessionals.nl. In 2022 is het artikel herzien en opnieuw gepubliceerd.
Wil je meer weten over Data Driven Finance & Risk?
