Il problema della compartimentalizzazione del dato

Data quality per Solvency II:
abbattimento dei silos e gestione
centralizzata del dato
Massimiliano Neri, [email protected]
22 Maggio 2012
2
La nostra storia comincia all’interno di una cornice di
conoscenze provenienti da marchi rinnomati
CETIF, 22 Maggio 2012
3
Agenda
1. Introduzione
2. Requisiti funzionali determinati dalla normativa
3. Il problema della compartimentalizzazione del dato (silos)
4. Approccio centralizzato alla gestione del dato
5. Casi di studio
6. Conclusioni
CETIF, 22 Maggio 2012
4
Barriera principale per migliorare la gestione del rischio
After the storm: A new era for risk
management in financial services
The Economist Intelligence Unit
Limited 2009
CETIF, 22 Maggio 2012
5
Introduzione
• Solvency II è la prima normativa a stabilire severi requisiti sulla qualità del dato
• Disporre di dati di buona qualità è essenziale per calcolare correttamente le riserve
tecniche
• È inutile adottare modelli interni sofisticati senza assicurare che vengano alimentati con
dati di alta qualità
CETIF, 22 Maggio 2012
6
Riferimenti bibliografici
CETIF, 22 Maggio 2012
7
Agenda
1. Introduzione
2. Requisiti funzionali determinati dalla normativa
3. Il problema della compartimentalizzazione del dato (silos)
4. Approccio centralizzato alla gestione del dato
5. Casi di studio
6. Conclusioni
CETIF, 22 Maggio 2012
8
Sintesi requisiti funzionali normativa europea (1/2)
Storicizzazione del dato
• accumulo di dati storici
• Approssimazioni, Decreto Bersani
• Quali dati?
• Rebobinare a versioni precedenti del dato per:
• What if analysis
• Fini di supervisione regolamentare
Auditing
• Data lineage
• Tracciabilità
• Funzione attuariale e data quality
CETIF, 22 Maggio 2012
9
Sintesi requisiti funzionali normativa europea (2/2)
Accuratezza
–
Controlli di qualità
–
Riconciliazione
Granularità
•
Accuratezza -> singola polizza
Trasparenza
CETIF, 22 Maggio 2012
10
Agenda
1. Introduzione
2. Requisiti funzionali determinati dalla normativa
3. Il problema della compartimentalizzazione del dato (silos)
4. Approccio centralizzato alla gestione del dato
5. Casi di studio
6. Conclusioni
CETIF, 22 Maggio 2012
11
Barriera principale per migliorare la gestione del rischio
After the storm: A new era for risk
management in financial services
The Economist Intelligence Unit
Limited 2009
CETIF, 22 Maggio 2012
12
Il problema della compartimentalizzazione del dato (silos)

la causa principale della scarsa qualità dei dati è l'organizzazione dei
dati in silos

Tale situazione istiga la duplicazione dei dati e l'inconsistenza dei
valori.

I dati vengono organizzati in silos secondo criteri differenti:

Tipo di business (vita, danni)

Funzioni differenti all'interno dell'organizzazione (Attuari, Compliance)

Linee di Business differenti
Senior Supervisors Group, “Risk Appetite Frameworks and IT
Infrastructure” (December 2010)


“confirms that the issue of data aggregation from silos remains a key
challenge”
CETIF, 22 Maggio 2012
13
L'origine della configurazione a silos
 Cause teoriche

Compartimentalizzazione delle funzioni (Risk Management, Funzione
Attuariale, Controllo, IT, ecc)
• un potenziale conflitto con le indicazioni strategiche indicate dal top management,
• mancanza di collaborazione tra le funzioni.
• Conseguenza:
• coordinamento propensione al rischio collide con dinamiche scoordinate nei
differenti silos
• Program persistence bias

La conoscenza per sua natura è distribuita (Hayek)

mancanza di una teoria soddisfacente per indirizzare aggregazione dei
rischio (market vs. credit risk; contagio nelle crisi finanziarie ha determinato
un interesse nelle teorie sull‟interdipendenza dei rischi)
CETIF, 22 Maggio 2012
14
L'origine della configurazione a silos

Cause pratiche: Basilea II (*)

ben nota organizzazione tripartita dei tipi di rischio:

rischio di credito

rischio di mercato

rischio operativo


una tendenza generale verso dati di bassa qualità, a causa della:

proliferazione della duplicazione dei dati

moltiplicazione degli approcci (eterogenei) al trattamento del dato
Approccio sviluppato seguendo un elevato grado di interazione con il
supervisore -> grande sforzo di implementazione che il Risk Manager
hanno focalizzato esclusivamente sul compimento dei requisiti
regolamentari senza lasciare tempo allo sviluppo di best practices
(*) Crouhy M., Galai D., Mark R. (2006), The Essentials of Risk Management, McGraw-Hill.
Kretzschmar G.L., Kirchner K., McNeil J.M. (2009), „An Integrated Framework for I
FRS Fair Value Accounting and Institutional Risk Capital Reporting‟
CETIF, 22 Maggio 2012
15
Ulteriori problemi creati dalla gestione a silos

All‟interno di ogni silos il risk manager sviluppa la loro propria
tassonomia dei dati, una pratica che rende problematica
l'aggregazione dei dati a valle o attraverso diverse linee di business

Tale circostanza ostacola:

–
l'innovazione in termini di capacità di eseguire attività che si basano su una
visione aggregata del rischio
–
ostacola la capacità di rispondere ai nuovi requisiti normativi (ad
esempio, i nuovi requisiti di Basilea III richiedono una visione
integrata dei dati di rischio).
Infine, per riporre fiducia sui dati utilizzati per rispondere ai requisiti
sul reporting regolamentare è necessario disporre di una “single
source of trouth" per i dati di rischio a partire dalla quale Risk
Management e Compliance possono generare i QRT.
CETIF, 22 Maggio 2012
16
Agenda
1. Introduzione
2. Requisiti funzionali determinati dalla normativa
3. Il problema della compartimentalizzazione del dato (silos)
4. Approccio centralizzato alla gestione del dato
5. Casi di studio
6. Conclusioni
CETIF, 22 Maggio 2012
17
Cos’è l’approccio centralizzato al dato in
Sistemi informativi alimentanti
Attività
( equity, bonds, …)
Dati
contabili
Dati
vita
e danni
Dati
copertura
sanitaria
Dati di
mercato
&
Passività
Data Quality Checks
(Polizze vita e danni)
ETL
Platform
Riconciliazione con
Contabilità Generale &
Audit
Reporting
regolamentare per
ISVAP
Consente di gestire grandi
quantità di dati storici con
un accurato dettaglio
Scenari
Data
Risultati
Dati
storici
Workspace
Gli utenti possono
accedere agli stessi dati
da viste configurate in
maniera diversa
Data
Mart
Server di calcolo
Workspace
Workspace
L‟attività di ogni utente si
svolge in un workspace
dedicato associato a sessionie
sicura (autenticazione,
autorizzazione, data access)
CETIF, 22 Maggio 2012
18
Profondità dell’auditing in base alla centralizzazione dato
ASSET_DATA
Moodys DataMart
LIABILITIES_DATA
…
Interface point 1
Calculation Engines
VALUATION_IMPORT
VALUATION
Results of Calculation Engines
CASH_FLOW
CASH_FLOW_IMPORT
…
Interface point 2
Prepare data for SCR &
Reporting
SCR_IMPORT
Inputs for SCR Calculation/Reporting
VALUATION
CASH_FLOW
…
Interface point 3
SCR Calculation
LIAIBILITY_IMPORT
ASSET_DATA
SCR_IMPORT
LIABILITY_DATA
SCR
VALUATION_IMPORT
Interface point 4
…_IMPORT
…
Reporting
CETIF, 22 Maggio 2012
19
Approccio centralizzato per la qualità del dato: pattern 1
Data Quality Assessment
Bef ore data import
Data Source Systems
…..
ETL
Scenario
Data
Results
CETIF, 22 Maggio 2012
20
Approccio centralizzato per la qualità del dato: pattern 2
Data Quality Assessment
During data import
Data Source Systems
…..
ETL
Scenario
Data
Results
CETIF, 22 Maggio 2012
21
Approccio centralizzato per la qualità del dato: pattern 3
Data Source Systems
…..
Data Quality Assessment
Af ter data import
ETL
Scenario
Data
Results
Best Practices: importare
"tutti" i dati, compresi quelli di
scarsa qualità, in modo che
l'utente possa valutarli e
prendere le decisioni
appropriate.
CETIF, 22 Maggio 2012
22
Tipi di controlli di qualità dei dati
Controlli tecnici
Controlli
funzionali
Controlli di
business
Il "codice" di una polizza non corrisponde a nessuna voce nella
tabella dei codici dei contratti
La data di nascita di un cliente dev‟essere precedente alla data di
sottoscrizione della polizza.
Il sesso del cliente deve essere “maschio”, “femmina” o una
“società”.
Il valore della “periodicità del premio“ deve essere coerente con il
tipo di polizza.
Importazione di un gruppo di 50 polizze, il punto decimale scompare
Riconciliazione in un campo con valore monetario, lasciando tutti i valori moltiplicati
con la contabilità per 100.
generale
Un altro esempio riguarda gli aspetti connessi al tasso di cambio e
al significato che assegnano le consociate estere ai valori monetari.
CETIF, 22 Maggio 2012
23
Il processo di valutazione della qualità dei dati e l’utente
Best practices: espressione
dei controlli di qualità in
linguaggio naturale
CETIF, 22 Maggio 2012
24
Il processo di valutazione della qualità dei dati e l’utente
Best practices: consentire
agli utenti di valutare la
qualità dei dati attraverso un
ambiente user-friendly
CETIF, 22 Maggio 2012
25
Il processo di valutazione della qualità dei dati e l’utente
Best Practices:
analizzare le
incongruenze rilevate
dai controlli di qualità
a diversi livelli di
granularità
CETIF, 22 Maggio 2012
26
Agenda
1. Introduzione
2. Requisiti funzionali determinati dalla normativa
3. Il problema della compartimentalizzazione del dato (silos)
4. Approccio centralizzato alla gestione del dato
5. Casi di studio
6. Conclusioni
CETIF, 22 Maggio 2012
27
Caso di studio 1: uno dei principali gruppi italiani
Contesto:
• 11 entità, una in applicazione per modelli interni con ISVAP
• Architettura di gruppo per motori vita, danni e aggregazione
• Organizzazione delle fonti alimentanti in silos
Necessità:
• Adozione di un modello dati di riferiemento, sia per chi adotta standard formula che
modelli interni
• Adozione di capabilities out of the box per velocizzare l‟implementazione della data
quality (evitare di realizzare nuovamente la ruota)
• Facilità di integrazione con modelli vita e danni esitenti
Soluzione:
» Inserilento di un layer SII fra motori e datawarehouse esistenti per creare un repositorio
centralizzato a supporto di:
– Alimentazione motori, accogliere output intermedi e finali calcolo flussi e SCR
– Supporto per generazione report regolamentari (QRT)
CETIF, 22 Maggio 2012
28
Caso di studio 2: entità italiana di gruppo internazionale
Contesto:
• Modelli (sia vita che danni) centrallizzati sulla capogruppo francese
Necessità:
• Necessita di raccolgire secondo un modello dati comune, tutte le fonti alimentanti per
abilitare i processi di alimentazione dei motori di casa madre
• Capacità di modellazione delle polizze dell‟entità italiana secondo metodologie di gruppo
(flessibilità)
Soluzione:
» Costituzione di un datamart centralizzato per
– Alimentazione motori di casa madre
– Storage dei risultati
– Generazione report regolamentari (QRT) ISVAP
CETIF, 22 Maggio 2012
29
Agenda
1. Introduzione
2. Requisiti funzionali determinati dalla normativa
3. Il problema della compartimentalizzazione del dato (silos)
4. Approccio centralizzato alla gestione del dato
5. Casi di studio
6. Conclusioni
CETIF, 22 Maggio 2012
30
Conclusioni
1. In generale le compagnie assicurative non sono preparate a compiere i requisiti di
qualità dei dati della nuova normativa. Ciò è dovuto a tre fattori:
a)
La funzione attuariale applica spesso l‟expert judgment ai dati a disposizione per calcolare il Best
Estimate.
b)
Alcune compagnie di assicurazione hanno accumulato dati storici, anche per decenni. Tuttavia,
spesso le informazioni sono state raccolte per il funzionamento dell'operatività quotidiana,
piuttosto che per il calcolo delle riserve tecniche.
c)
I sistemi IT delle compagnie di assicurazione sono spesso obsoleti e organizzati in silos che
appartengono a dipartimenti diversi (duplicazione dei dati e incoerenza nei valori).
2. La valutazione della qualità dei dati (Data Quality Assessment) è il requisito centrale
3. Abbattimento dei silos
4. Gestione centralizzata del dato orientata alla funzione attuariale e di Risk Management
CETIF, 22 Maggio 2012