Modernisering av bankens datahantering
Många banker har höga ambitioner inom AI men hindras av splittrade plattformar, silos mellan team och ojämn datakvalitet. Med Data Bootcamp samlar Orange Business nyckelpersoner från både verksamhet och IT för att skapa en gemensam nulägesbild och en tydlig plan för modernisering av dataarbetet.
Målet är att snabbt ta banken från ett ineffektivt nuläge till ett framtidssäkrat och målstyrt arbetssätt, säger Joakim Valderhaug, Cloud & AI Sales Lead på Orange Business.
Vad är Data Bootcamp – och varför nu?
Valderhaug beskriver bootcampen som en komprimerad genomgång av allt som behöver vara på plats för att lyckas med modern förvaltning av verksamhetens data.
Det handlar om teknik, plattform, verktyg, processer, governance och människor. I Data Bootcamp har vi samlat de nyckelområden som vi ser att man måste gå igenom för att vara redo för framtidens data- och AI-behov.
Längd och innehåll anpassas efter bankens affärsbehov, betonar han.
Data Bootcamp skräddarsys för varje kund. Har du nyligen genomfört en plattformsresa fokuserar vi på data governance. Har du ett mer heltäckande lyft framför dig täcker vi hela spektrumet.
Formatet: kort, fokuserat och relevant
Upplägget pågår normalt i två till tre dagar, men styrs av bankens faktiska behov. Vissa behöver få mer värde ur en modern plattform de redan har. Andra behöver ta ett större kliv från en äldre plattform till en skalbar molnarkitektur. Gemensamt är att arbetet riktas mot verkliga flaskhalsar – inte generella föreläsningar.
Ett återkommande tema är att plattformar, processer och människor ofta är fragmenterade. Analysmiljöer och infrastrukturförvaltning arbetar på olika sätt, ibland med olika teknologier, vilket skapar silos. Det gör en sammanhållen datakvalitet svår att uppnå.
Target Data Platform Architecture är därför en stor del av arbetet, både för dem som ska gå från gammalt till nytt och för dem som redan använder modern teknik men är fragmenterade, säger Valderhaug.
Han är tydlig med att styrning är en förutsättning för kvalitet och värdeskapande.
Mognaden inom data governance på den norska marknaden är ganska låg. Risken för felaktiga beslut baserade på bristande datakvalitet är hög. Affärscaset för att stärka governance för bättre datakvalitet är starkt, särskilt inom bank och finans.
Förståelsen finns högt upp i organisationen. Enligt Valderhaug känner både vd, CFO och IT-ledning igen riskerna med dålig datakvalitet, men dialogen måste anpassas: mot verksamheten i termer av värde och risk, mot IT i termer av genomförande och drift.
Vem behöver delta – och vem äger uppföljningen?
Bootcampen samlar verksamhet och IT i samma rum.
Vi siktar på ungefär 50/50 mellan IT och verksamhet. Alla måste arbeta med data om man ska bli en datacentrisk organisation. IT, verksamhet, systemägare – gärna på ledningsnivå – bör delta, säger Valderhaug.
Ägarskapet varierar beroende på ambitionsnivå. Det kan ligga hos vd, IT-chef, CTO, CDO eller säkerhetsfunktionen.
Vem som äger processen beror på vårt angreppssätt och vilket resultat kunden vill uppnå. Vi ser också att IT och verksamhet flyter mer samman nu än tidigare, säger han.
Konkreta leveranser – inte bara ambitioner
Efter avslutad bootcamp står banken med två konkreta dokument och en rekommenderad startpunkt.
Det ena är en fackmässig sammanfattning av nuläget inom data governance, arkitektur, processer och verktyg samt identifierade gap. Det andra är ett projektförslag för att röra sig mot en modern dataplattform med hög säkerhet, hög styrning och hög mognad, säger Valderhaug.
Dessutom ingår en rekommendation för var banken bör börja, samt ett budgetförslag som visar användning av Orange-resurser och interna resurser, nedbrutet per roll. Längden på ett moderniseringsarbete kan variera från veckor till år, beroende på omfattning och ambition
Från ambition till produktion
Vilka behov prioriteras oftast när färdplanen ska sättas? Valderhaug pekar på rapporteringskrav och regelefterlevnad. Banken vet oftast var det ”gör ont”, och åtgärderna riktas mot dessa områden – samtidigt som grunden för god datakvalitet och gemensam arkitektur byggs upp.
AI driver fram behovet av bättre datapraxis och plattformar. Valderhaug hänvisar till att många AI-initiativ misslyckas på grund av dålig datakvalitet – och att en flexibel, tillgänglig plattform med stöd för relevanta verktyg i praktiken gör AI-arbetet effektivt.
– AI är väldigt hypat just nu. Samtidigt har man förstått att AI-teknik faktiskt kan leverera affärsvärde. Ett initiativ för att förbättra dataplattformens tillstånd har därför stor uppsida, eftersom det förbereder för AI. Samtidigt är dataplattformen något som oavsett mår bra av att vara modern, vilket innebär relativt låg risk.
Hinder – och hur man tar sig förbi dem
Typiska hinder handlar sällan enbart om teknik.
Fragmenterade team, avdelningar som inte vill delta eller bristande mandat kan bromsa arbetet. Då behöver man säkra förankring högre upp i organisationen och skapa en gemensam riktning. Det viktiga är ett datacentrerat förhållningssätt där alla har en relation till data, säger han.
Förberedelserna inför start är begränsade.
Vi behöver ett förberedande möte på två till fyra timmar för att anpassa innehållet till den aktuella banken. Resten gör vi tillsammans på plats.
Branschstandarder och plattformsval
Många banker har kommit långt, men skillnaderna är stora. Valderhaug pekar på att Snowflake som ”data cloud” har blivit en branschstandard för många, och att kombinationer som Azure och Snowflake är vanliga arkitekturmönster. Samtidigt understryker han att poängen med bootcampen är att få kontroll över data, arbetssätt och styrning – oavsett om plattformen är molnbaserad, on-prem eller hybrid.
Data Bootcamp ska göra det enkelt att börja rätt, med en gemensam förståelse och en förankrad plan.
Expertbidrag
