FinTech: Was meine ideale Embeddable Analytics Platform hätte sein sollen

Walter Wartenweiler
Walter Wartenweiler
October 22, 2024

In einem früheren Leben war ich für eine Forschungs- und Entwicklungsgruppe in einem FinTech-Softwareunternehmen verantwortlich. In der Analytik gab es überall Anwendungsfälle, von Abschlussberichten bis hin zu jedem einzelnen Einsatzpunkt, an dem der Endbenutzer mit Daten interagieren konnte. Wir waren dabei, ein bereits in die Jahre gekommenes Produkt komplett umzuschreiben und in eine hochmoderne ALM-, Risikomanagement- und regulatorische Plattform umzuwandeln. Wir haben nie die ideale Analyseplattform gefunden, um unsere Ziele zu erreichen, und haben versucht, selbst eine zu entwickeln. Das Ergebnis war in Ordnung, hatte aber nicht alle Funktionen und Features, die wir brauchten. Ich hätte gerne eine integrierbare Analyse-Engine gehabt, um diesen Prozess zu beschleunigen und das Maximum an Funktionen bereitzustellen, die wir brauchten. ‍

INHALTSVERZEICHNIS
Ein Handelssaal
Analytik
Produktmanagement
Alle

In einem früheren Leben war ich als Forschungs- und Entwicklungsleiter für die Neugestaltung unserer veralteten Risikomanagement- und ALM-Plattform verantwortlich. Die Neufassung war bis auf einen bestimmten Bereich äußerst erfolgreich: die Unterstützung von Analysen für Endbenutzer an den verschiedenen Einsatzpunkten der Software.

Was für ein ALM/Risikomanagement/Regulatorisch Plattform sieht aus wie

Ein Vermögens- und Haftungsmanagement, Risikomanagement und Regulatorische Plattform ist ein Stack zur Datentransformation, der mit den Rohdaten aus den Backoffice-Systemen der Bank beginnt und bei Berichten und Ergebnissen endet, die verwendet werden, um strategische Entscheidungen zu treffen, die Geschäftstätigkeit der Bank zu kontrollieren, den regulatorischen Aufwand zu bewältigen und der Bank zu helfen, ihre gegenwärtigen und zukünftigen Risiken zu bewältigen und die Auswirkungen ihrer potenziellen Wachstumsziele zu verstehen. Auf dem Weg der Datentransformation finden zahlreiche Modellierungsaktivitäten statt, von der Optionspreisgestaltung bis hin zu Szenarien für zukünftige Marktprognosen.

Betrachtet man bestimmte Vertrags- oder Transaktionsdaten und die entsprechenden Auswirkungen auf die Endergebnisse, so trägt eine Vielzahl von Datenpunkten zu den Berechnungen bei, und sowohl Rückverfolgbarkeit als auch Verständlichkeit sind komplexe Angelegenheiten. Wenn wir Daten oder Qualitätsprobleme auf Schnittstellenebene hinzufügen, ist das Auffinden von Informationen manchmal wie das Suchen nach einer Nadel im Heuhaufen.

Viele der Ergebnisse, die es uns ermöglichen, zu verstehen, wie die Rohdaten zu Endergebnissen aggregiert werden, sind das Ergebnis additiver linearer Prozesse, viele andere nicht, was den Bedarf an leistungsstarken und flexiblen Analyse- und Datenexplorationsfunktionen noch größer macht.

Beispiel für Aktivitäten in einem solchen FinTech Softwareplattform

Expositionsanalyse

Expositionsanalyse ist die Einschätzung, wie sich eine bestimmte Bewegung in der Außenwelt — von Änderungen der Zinssätze bis hin zu Änderungen der Bonität eines bestimmten Kunden — auf die potenziellen Gewinne und Verluste des Instituts auswirkt, das die Plattform nutzt.

Die Aktivität besteht darin, die Gewinne und Verluste sowie die damit verbundenen Kennzahlen im Laufe der Zeit und innerhalb zukünftiger Simulationen zu verfolgen und zu verstehen, wie sich das Marktrisiko auf die riesigen Datenmengen verteilt, die zum Risiko beitragen. Das bedeutet, dass wir idealerweise anhand der Ergebnisse einen Rückblick auf die verschiedenen Gruppen und individuellen Vertragsbeziehungen haben möchten, die das Endergebnis ausmachen. Wenn wir bei mehreren Millionen solcher Verträge das Problem der Suche nach der Nadel im Heuhaufen vermeiden wollen, müssen wir in der Lage sein, die Ergebnisse zu gruppieren, auszuwählen, in Scheiben zu schneiden und zu würfeln oder sogar kompliziertere Cluster-Analysen durchzuführen, bei denen die Mover automatisch hervorgehoben werden.

Regulatorische Anforderungen

Die regulatorischen Anforderungen sind vielfältig und reichen von der reinen Offenlegung der Realität des Finanzinstituts bis hin zu vorgeschriebenen Grenzwerten und Kennzahlen, die das Finanzinstitut als Reserve vorhalten muss, um gesetzeskonform zu sein. Kleine Abweichungen in einigen Elementen der Geschäftsstrategie oder des Marktes können die Menge an liquiden Mitteln und anderen liquiden Mitteln, die in liquidierbaren Positionen gehalten werden müssen, erheblich verändern und somit die Verfügbarkeit von Liquidität beeinträchtigen, die für rentablere Aktivitäten verwendet wird. Auch hier gilt es herauszufinden, was wie und wo zu den Reserven und anderen Beschränkungen der Kapitalallokation beiträgt, um das Unternehmen effizient zu führen.

Prognose

Als laufendes Unternehmen ist die aktuelle Situation nur der Ausgangspunkt der Arbeit. Die Simulation zukünftiger Anlagestrategien sowie potenzieller zukünftiger Marktszenarien ist der Kern des Asset- und Liability Managements in der Moderne. Das bedeutet, alles, von der Risikoanalyse bis hin zu regulatorischen Anforderungen, mit der Anzahl der in Betracht gezogenen Strategien und Szenarien sowie der zeitlichen Granularität zukünftiger Simulationen zu multiplizieren, die die Dynamik des gesamten Systems korrekt abbilden. Aus analytischer Sicht gehen wir von der Analyse des Zusammenspiels von Millionen von Verträgen mit Tausenden von Risikofaktoren sowie internen und externen Beschränkungen über und gehen zur gleichen Analyse über, multipliziert mit Tausenden von Szenario-/Strategie-Paaren entlang von 10 oder sogar Hunderten zukünftiger Zeithorizonte. Der Heuhaufen verwandelt sich schnell in ein Meer von Daten.

Wo wollten wir Data Analytics aus Sicht des Produktmanagements haben?

Die kurze Antwort auf diese Frage gab es überall; von der Stelle, an der individuell eingefügte Verträge bearbeitet werden konnten, über den Ort, an dem zukünftige Szenarien der Marktentwicklungen modelliert werden konnten, bis hin zu den Endberichten oder dem Ort, an dem Strategien entwickelt werden konnten. Die Datenanalyse hätte an jedem einzelnen Einsatzort der Software und nicht nur auf der Berichtsebene eine unterstützende Funktion sein sollen.

Warum implementieren Sie es nicht selbst oder außerhalb der Plattform?

Die Fähigkeiten und Kompetenzen, die für die Entwicklung einer ALM-/RiSK/Regulatory-Plattform erforderlich sind, sind dieselben wie bei herkömmlichen Betriebssystemen: Man berechnet viele Dinge anhand einzelner Datenatome und rollt sie zu immer höheren Endergebnissen zusammen. Aus technischer Sicht bedeutet das, in der Lage zu sein, die Daten auf performante und skalierbare Weise zu verteilen und zu verarbeiten und die Ergebnisse für die zukünftige Verwendung wieder auf granularer Ebene zu speichern. Datenanalyse ist fast die gegenteilige Aktivität: Sie müssen effizient in der Lage sein, mit der gesamten Datenrealität zu arbeiten und die Auswirkungen einer kleinen Änderung auf das gesamte System nahezu in Echtzeit zu analysieren, zu analysieren und zu untersuchen. Es ist ein separates Projekt, das mit der Plattform selbst vergleichbar ist. Am Ende haben wir es gemacht, aber aufgrund von Budget- und Zeitbeschränkungen viel Zeit mit einer nicht ganz optimalen Lösung verbracht.

Die ideale Analytics-Plattform, die wir nie gefunden haben

Um diese Anforderungen zu erfüllen, brauchten wir:

  • Fähigkeit, ein großes Datenvolumen effizient abzufragen (denken Sie an Milliarden Datenpunkte)
  • Fähigkeit, die Ergebnisse in einem zu organisieren mehrdimensional Weg
  • Fähigkeit, bestehende Berechnungen in die Datenanalyseplattform zu integrieren
  • Fähigkeit, Autorisierung auf transparente Weise zu integrieren
  • Fähigkeit, den Datenfluss zwischen unserer Host-Plattform und der Datenanalyseplattform auf granularer Ebene zu kontrollieren
  • Fähigkeit, die visuellen Elemente der Datenpräsentation vollständig in unsere Software zu integrieren
  • Möglichkeit, den visuellen Teil der Analysen wieder in die Funktionsbildschirme der Plattform zu integrieren, einschließlich Filtern und weiteren Kontextdaten

Wir haben versucht, mit bestehenden BI- und Reporting-Tools zu arbeiten, aber die Einbettung war und ist für sie ein zweiter Gedanke. Deshalb hätten wir nie eine Benutzererfahrung mit einer Plattform gehabt und auch keine vernünftige Möglichkeit gehabt, sie auf technischer Ebene wie Autorisierung, Prozessflussautomatisierung und — was am wichtigsten ist — auf funktionaler Ebene zu integrieren, sodass die Features und Funktionen unserer bestehenden Berechnungsengine im BI-Tool als Teil ihrer Rollup- und Aggregationsstrategie sowie der Verbindungsrückverbindung wiederverwendet werden könnten. von ihren Berichten oder explorativen Funktionen in die operationelleren Teile unserer Plattform.

Die ideale Plattform, die wir nie gefunden haben, ist icCube, ein Produkt, das für die Integration auf jeder Ebene konzipiert ist, von den Berechnungen bis hin zur Sicherheits- und Branding-Ebene. Ein Produkt, das große Datenmengen verarbeiten kann und es Hunderten oder Tausenden von Endbenutzern ermöglicht, in Echtzeit damit zu arbeiten.

Entsprechen Ihre Anforderungen an die FinTech-Plattform meiner Geschichte? Nehmen Sie Kontakt auf sprechen Sie mit uns und lassen Sie uns Ihre Bedürfnisse besprechen!