Delen via

Overzicht van data estate-strategie

  • Artikel

Het integreren van financiële gegevens uit verschillende systemen en toepassingen is een kostbaar en tijdrovend proces. Om deze problemen aan te pakken, wordt het implementeren van een data estate-strategie van cruciaal belang, omdat hiermee uniforme normen worden vastgesteld voor organisaties om al hun gegevens efficiënt te beheren, ongeacht de opslaglocatie of de indeling ervan.

Data estate-strategie is een alomvattende en gestructureerde aanpak die organisaties hanteren om hun gehele gegevensecosysteem effectief te beheren. De strategie omvat de ontwikkeling van een goed gedefinieerd plan en een reeks richtlijnen voor het verwerven, opslaan, verwerken, beveiligen en gebruiken van gegevens uit verschillende bronnen, systemen en applicaties binnen de organisatie. Financiële instellingen verwerken een breed scala aan gegevens, waaronder klanttransacties, beleggingsportefeuilles, markttrends en de naleving van regelgeving. Daarom is effectief gegevensbeheer cruciaal om de stabiliteit te behouden en een concurrentievoordeel te behalen.

Uitdagingen op het gebied van gegevensintegratie en interoperabiliteit in de financiële dienstverlening

Het aanpakken van uitdagingen op het gebied van gegevensintegratie en interoperabiliteit is van cruciaal belang voor financiële instellingen om een ​​samenhangend en gegevensgestuurd ecosysteem op te bouwen waarin ze weloverwogen beslissingen kunnen nemen, betere klantervaringen kunnen bieden en voorop kunnen blijven lopen in een competitief financieel landschap. Hieronder worden enkele veelvoorkomende uitdagingen op het gebied van gegevensintegratie en interoperabiliteit beschreven:

  • Diverse gegevensbronnen: financiële instellingen werken vaak met gegevens uit verschillende interne systemen, verouderde toepassingen, externe leveranciers en externe gegevensfeeds, wat leidt tot uitdagingen bij het consolideren en integreren van gegevens vanuit meerdere bronnen.

  • Gegevenssilo's: gegevens kunnen worden geïsoleerd en opgeslagen in afzonderlijke systemen binnen verschillende afdelingen, waardoor onderlinge functionele samenwerking wordt belemmerd. Daarom is het moeilijk om een ​​alomvattend beeld te krijgen van de activiteiten en klantinteracties van de organisatie.

  • Inconsistente gegevensindelingen: verschillende systemen kunnen verschillende gegevensindelingen, structuren en naamgevingsconventies gebruiken, wat het lastig maakt om gegevens op samenhangende wijze samen te voegen en te analyseren. De verschillende gegevensindelingen kunnen leiden tot problemen met de gegevenskwaliteit en -rapportage.

  • Realtime gegevensupdates: veel financiële processen vereisen realtime gegevensupdates en het waarborgen van de tijdige gegevenssynchronisatie tussen systemen wordt cruciaal om discrepanties en potentiële fouten te voorkomen.

  • Compatibiliteit met verouderde systemen: financiële instellingen hebben mogelijk verouderde systemen die niet gemakkelijk kunnen worden geïntegreerd met moderne gegevensplatforms of API's, wat resulteert in een technologische kloof die een naadloze gegevensstroom belemmert.

  • Nalevings- en beveiligingsproblemen: bij het integreren van gegevens in verschillende systemen moet worden voldaan aan de brancheregelgeving en gegevensbeveiligingsnormen, waardoor de gegevensintegratieprojecten complexer worden. Denk hierbij aan het omgaan met gevoelige klantgegevens en toestemming om gegevens te delen met andere partijen.

  • Schaalbaarheid en prestaties: aangezien financiële gegevens exponentieel groeien, moeten oplossingen voor gegevensintegratie schaalbaar zijn om de toenemende gegevensvolumes te kunnen verwerken zonder dat dit ten koste gaat van de prestaties.

  • Gegevens toewijzen en transformeren: het toewijzen van gegevens van het ene naar het andere systeem en het transformeren van gegevens voor verschillende indelingen, vereist een zorgvuldige planning en validatie om gegevensverlies of -beschadiging te voorkomen.

  • Uitdagingen op het gebied van API's en gegevensuitwisseling: interoperabiliteitsproblemen ontstaan ​​wanneer financiële instellingen gegevens moeten uitwisselen met externe partners, klanten of regelgevende instanties waardoor gestandaardiseerde API's en protocollen voor gegevensuitwisseling nodig zijn.

  • Gegevensbeheer en -eigendom: het definiëren van een duidelijk beleid voor gegevenseigendom en -beheer wordt essentieel om de nauwkeurigheid, verantwoordelijkheid en naleving van regelgeving tijdens gegevensintegratieprocessen te garanderen.

Categorieën operationele gegevens

Categorieën operationele gegevens verwijzen naar de verschillende soorten of classificaties van gegevens die worden gebruikt in operationele processen binnen een organisatie. Een effectief beheer van operationele gegevenscategorieën is essentieel voor een soepele bedrijfsvoering, de besluitvorming en naleving van relevante regelgeving. Binnen de context van Microsoft Cloud for Financial Services valt dit type gegevens doorgaans in een van de vier categorieën: mastergegevens, transactionele gegevens, configuratiegegevens en afgeleide gegevens.

Microsoft Cloud for Financial Services biedt een reeks uitgebreide en op maat gemaakte gegevensmodellen om aan de unieke gegevensvereisten van de industrie te voldoen. Deze gegevensmodellen vertegenwoordigen veelgebruikte concepten en activiteiten, zoals klantprofielen, financiële holdings, relaties en toepassingen. Deze activiteiten vereenvoudigen de analyse van financiële gegevens door relatiemanagers, en beheren onboarding-processen door agents.

Enkele gegevenscategorieën op hoog niveau die de Microsoft Cloud for Financial Services-gegevensmodellen construeren zijn:

Gegevenscategorie Omschrijving Voorbeeld
Mastergegevens Deze gegevens vertegenwoordigen doorgaans entiteiten uit de echte wereld of algemene bedrijfsgegevens, die in de loop van de tijd worden onderhouden en daarom een ​​relatief laag tot gemiddeld aantal updates ontvangen. Soms worden deze gegevens ook wel statische gegevens genoemd, wat misleidend kan zijn. Bedrijf (Account)
Contact
Persoon
Transactionele gegevens Dit gegevenstype heeft een hoog volume vanwege de aard van het gebruik ervan. Transactionele gegevens verwijzen doorgaans naar gebeurtenissen of activiteiten die verband houden met de mastergegevenstabellen. De informatie wordt automatisch gemaakt of vastgelegd door een gebruiker. Financiële bezittingen
Aanvraag
Taken
Documenten
Configuratiegegevens Configuratiegegevens zijn gegevens over verschillende instellingen die nodig zijn om uw omgeving gereed te maken voor gebruik. Configuratie voor levensgebeurtenissen
Documentdefinitie
Afgeleide gegevens Deze gegevens vertegenwoordigen activiteiten die gerelateerd zijn aan de mastergegevensentiteiten, maar een mate van onzekerheid kennen Leeftijd
Verjaardagswaarschuwing

Typen operationele gegevens

Als u grondig naar Microsoft Cloud for Financial Services-gegevensmodellen wilt kijken, is het belangrijk om te weten dat u verschillende soorten gegevens kunt tegenkomen. Deze gegevenstypen variëren op basis van hoe vaak ze veranderen, hoeveel gegevens er zijn en hoe de gegevens zijn gestructureerd. De volgende tabel toont de verschillende gegevenstypen binnen deze modellen. U kunt deze definities gebruiken om gegevens logisch te ordenen en te helpen bij taken zoals het maken van gegevenscatalogi, gegevensclassificaties en gegevenstoewijzingen, die cruciaal zijn voor gegevensbeheer en naleving.

Gegevenscategorie Type gegevens Omschrijving Voorbeeld
Mastergegevens Profile Vertegenwoordigt het profiel van een klant of bedrijf Account
Contact
Persoon
Mastergegevens Bank Vertegenwoordigt de organisatie van financiële instellingen Bank, Filiaal
Transactionele gegevens Financiële bezittingen Vertegenwoordig de financiële bezittingen van zowel individuele klanten als groepen. Financieel bezit
Instrument voor financieel bezit
Financieel marktproduct
Transactionele gegevens Levensgebeurtenissen en financiële doelen Vertegenwoordig levensgebeurtenissen en de bijbehorende financiële doelen. Financiële doelstelling
Levensgebeurtenis
Transactionele gegevens Bedrijfsproces Gegevens met betrekking tot het beheer van bedrijfsprocessen, zoals onboardingaanvragen Toepassing
Transactionele gegevens Document Klant- en procesdocumenten Annotatie
Transactionele gegevens relatie Groepslidmaatschappen, zoals het gezin Financieel bezit van de klant
Financieel bezit van groep
Configuratiegegevens Naslaginformatie Gegevens die worden gebruikt om naar te verwijzen vanuit andere gegevenstypen. Valuta
Keuzedefinities (optieset)
Configuratiegegevens Definitie Het definiëren van parameters voor gerelateerde mogelijkheden Taakdefinitie
Documentdefinitie
Configuratie van levensgebeurtenissen
Afgeleide gegevens Calculated Gegevenselementen berekend op basis van andere informatie Het veld Ambtstermijn in de tabel Contact berekend op basis van het veld Datum van deelnemen
Afgeleide gegevens Waarschuwingen Alle waarschuwingen met betrekking tot financiële bezittingen en klanten die worden berekend en weergegeven in de gebruikersinterface Verjaardagswaarschuwing, status Binnenkort verlopen voor kaarten

Benaderingen voor gegevenspersistentie

Voordat u dieper ingaat op de implementatierichtlijnen, begint u met het definiëren van de benaderingen voor gegevenspersistentie waarvoor u kunt kiezen. De aanpak die u kiest, bepaalt uw ontwerpbeslissing voor de data estate-strategie.

Microsoft Cloud for Financial Services-gegevensmodellen worden geïmplementeerd in een Dataverse-omgeving. Gegevens moeten worden bewaard in Dataverse voor first-party Cloud for FSI-toepassingen, zoals Geharmoniseerd klantprofiel, om native te kunnen werken. Er kunnen echter enkele scenario's zijn waarin u zou kunnen overwegen om een ​​hybride pad te kiezen met benaderingen zoals de volgende:

  • Realtime gegevensbehoeften: als aan de bedrijfsvereiste alleen kan worden voldaan door in realtime toegang te krijgen tot gegevens uit hoofdsystemen, bijvoorbeeld om de huidige beschikbare limiet op creditcards of het saldo van de rekening te bepalen.
  • Scenario's met hoog volume: het kan zijn dat u een zakelijke vereiste hebt waarbij u toegang wilt hebben tot gegevenselementen met een hoog volume, zoals de interactiegeschiedenis of accounttransacties. Het bewaren van deze grote datavolumes in Dataverse is wellicht niet de aanbevolen aanpak voor kostenoptimalisatie en algemene systeemprestaties, zoals beschreven in de pijler voor prestatie-efficiëntie. Misschien wilt u een andere aanpak kiezen om de verspreiding van gegevens te voorkomen of om de bijwerkingen van aanzienlijke gegevensvolumes te beperken.
  • Beschikbaarheid van API's en toegang vanuit de openbare cloud: financiële organisaties hebben doorgaans een strikt toegangsbeleid terwijl systemen toegang hebben tot klant- en financiële gegevens. De beschikbaarheid van API's en toegangsbeperkingen vanuit de openbare cloud kunnen een clientgebaseerde scriptingaanpak noodzakelijk maken om toegang te krijgen tot API-gegevens.

Op basis van de opgegeven scenario's moet u mogelijk een andere aanpak overwegen dan Dataverse voor gegevenspersistentie. In de volgende tabel worden verschillende benaderingen voor datapersistentie beschreven met de optie Dataverse en worden overwegingen voor het gebruik van andere benaderingen gedeeld.

Kenmerk Gegevenspersistentie in Dataverse-standaardtabellen Gegevenspersistentie in elastische tabellen in Dataverse (preview) Cache in Dataverse Presentatie-integratie
Methode Hoofdsystemen voor financiële gegevens hydrateren en voeden gegevenselementen aan het Microsoft Cloud for Financial Services-gegevensmodel. Activiteitsgegevens, zoals de interactiegeschiedenis, worden opgenomen in elastische tabellen in Dataverse. Er worden geen initiële gegevens geladen, behalve hoofd- en configuratiegegevens. Gegevens worden in realtime opgehaald via invoegtoepassingen/webhooks. Gegevens worden op aanvraag opgehaald en weergegeven via aangepaste, ontwikkelde of ingesloten gebruikersinterfaces. Bij deze aanpak wordt niet gebruikgemaakt van bestaande gebruikersinterfaces, besturingsgselementen en gegevensmodellen.
Gegevenspersistentie Ten minste het absolute minimum aan gegevens wordt bewaard in Dataverse. Gegevens worden opgeslagen in Dataverse elastische tabellen die mogelijk worden gemaakt door Azure Cosmos DB. Gegevens worden alleen tijdelijk bewaard voor klanten die worden bekeken door agenten. Records worden uit tabellen verwijderd op basis van retentieregels. Er worden geen gegevens bewaard in Dataverse.
Recentheid van gegevens Meestal bijna realtime of dagelijks Meestal bijna realtime of dagelijks Realtime met enige latentie om gegevens te bewaren voordat ze worden weergegeven. Geen regelmatige updates van gegevens in de cache Niet van toepassing
Gebruikersinterface Eigen formulieren en besturingselementen gebruiken vóór aanpassing Kan elastische tabellen introduceren in formulieren met configuratie Eigen formulieren en besturingselementen gebruiken vóór aanpassing Weinig code of aanpassingen vereist om het PCF-besturingselement / Aangepaste pagina's in Power Apps te ontwikkelen.
Overweging Ondersteunt asynchrone en batchintegratiepatronen om gegevens te hydrateren en aan het gegevensmodel toe te voegen. Bij het ontwerp moet rekening worden gehouden met het gegevensvolume dat moet worden gesynchroniseerd en de gegevenslatentiescenario's.

Het in realtime ophalen van gegevens wordt ondersteund met aanpassing.		 Momenteel in preview en niet aanbevolen voor productiegebruik.
Elastische tabellen bieden geen ondersteuning voor transacties met meerdere records waarbij meerdere records geen transactierelatie met elkaar hebben.
Bekende problemen		 Hogere latentie omdat gegevenspersistentie wordt uitgevoerd voordat de gebruikersinterface wordt weergegeven. De complexiteit van de transformatievereisten van bron- naar gegevensmodel kan de prestaties en potentiële time-outproblemen in invoegtoepassingen nog verder verslechteren.

Realtime integraties zijn gevoeliger voor time-outs en zijn niet schaalbaar zoals andere methoden.

Nauw gekoppeld met API's. Wijzigingen in het gegevensmodel vereisen wijzigingen in de integratiecode.		 Veel aanpassingen van de gebruikersinterface.

Geen echt gebruik van het ingebouwde gegevensmodel en de besturingselementen.
Wanneer gebruiken Aanbevolen aanpak voor een configuratiegerichte aanpak met kostenoptimalisatie en prestaties. Gebruik standaardtabellen in de volgende situaties:
- Uw toepassing vereist een sterke gegevensconsistentie.
- Uw toepassing vereist relationele modellering en transactiemogelijkheden voor alle tabellen en tijdens de uitvoering van de invoegtoepassing.
- Uw toepassing vereist complexe joins.		 Scenario's met een hoog volume waarin u horizontaal moet schalen om grote hoeveelheden gegevens en hoge doorvoerniveaus met lage latentie te kunnen verwerken. Gebruik elastische tabellen in deze situaties:
- Uw gegevens kunnen ongestructureerd of semi-gestructureerd zijn of uw gegevensmodel kan voortdurend veranderen.
- U moet horizontaal kunnen schalen om de groei van de werklast in de loop van de tijd of pieken in de werklast op een bepaald moment aan te kunnen.
- U moet een groot aantal lees- en schrijfaanvragen afhandelen.		 Kortdurende elementen zoals waarschuwingen en meldingen waarbij tijdelijke persistentie is afgestemd op de levenscyclus van de gegevenselementen Voor scenario's waarin realtime integratie de enige aanpak is om aan de zakelijke vereisten te voldoen en waarbij API's voor toegang tot de informatie beperkt worden vanuit de openbare cloud

Volgende stappen