Compliance erlaubt keine Wartezeit

Transkript

1 Compliance erlaubt keine Wartezeit Schnelle Analyse-Verfahren bei der HVB Unicredit AG Anwarul Haq Khan, 26. Mai 2015

2 Agenda (Stichpunkte) Wer ist Unicredit-HVB AG Compliance - Was ist das? Was waren die Anforderungen (Warum) Warum gerade die Lösung (wie kam man dazu) Solution Design (Architektur, Technologien im Einsatz) Projektteam / Projektkosten Umsetzung Deployment Q & A 2

3 UniCredit HVB AG (ehem. HVB AG) Teil der Unicredit Group Markenname HypoVereinsbank Mitarbeiter (Group ) IT 900 in Deutschland (4000 in der Group) IT Standorte: München, Hamburg, Wien, Verona, Rom, Palermo, Prag, Warschau u.a. 3

4 Compliance Was ist das? 33b Mitarbeiter und Mitarbeitergeschäfte Meldungen an Bundesanstalt für Finanzdienstleistungsaufsicht (BAFin) und Deutsche Bundesbank Wertpapierdienstleistungsunternehmen und Zweigniederlassungen im Sinne des 53b des Kreditwesengesetzes(KWG) sind verpflichtet, der Bundesanstalt jedes Geschäft in Finanzinstrumenten, die zum Handel an einem organisierten Markt zugelassen oder in den regulierten Markt oder den Freiverkehr einer inländischen Börse einbezogen sind, spätestens an dem auf den Tag des Geschäftsabschlusses folgenden Werktag, der kein Samstag ist, nach Massgabe des Absatzes 2 mitzuteilen. 4

5 Wie fing alles an TDWI 2009 Diverse Gespräche mit Fachbereich Interne Evaluierung Technische Analyse Performance Test mit bestenden Daten Nicht nur Compliance/ Market Abuse, Auch Performance Management, Revision etc. Kombiniert mit bestehen Technologien im Konzern TCO Anschaffung und Betriebsaufwand Support 5

6 Fachliche Kernaufgabe Entdeckung der auffälligen Geschäfte- und Beratungen Alle Geschäfte (Trades) Depot/Bestandsdaten Beratungsprotokolle Bestellungen(Orders) mit allen Stufen (stages) Andere relevante Daten 6

7 Warum Anforderungen an Compliance Team sind seit der Finanzkrise enorm gestiegen Aktuelle Reports manuell mit Access, Excel, SAS etc auf PC erstellt Aufgrund großer Datenmenge und dazugehörige komplexe Abfragen aus unterschiedlichen Quellen gab es Abbrüche, d.h. keine Ergebnisse 7

8 Anforderung an die neue Lösung: Daten (Stammdaten und Bewegungsdaten) seit 2009 online zugreifbar Tägliche bzw. regelmäßige Aktualisierung Schnelle Antwortzeiten bei Ad-Hoc Reports Schnelle Anpassungen für neue Anforderungen 8

9 Technologien im Einsatz Ab Initio Coops (3.2.1) IBM Cognos BI ( FP1) IBM Netezza DWH Appliances (7.0.5) Microsoft Excel RH Linux 64bit OS auf Intel SAS Foundation (9.2) Windows OS 9

10 Data Sampling for HVB Compliance Solution Architecture Customers Web Analysis Dashboards Data Analysis BUSINESS INTELLIGENCE Data Marts Business Intelligence (Cognos) Cubes Ad-Hoc Reports (SAS/Excel) DATA WAREHOUSE Data Presentation Layer Data Preparation and storage Layer Data Transformation Layer Data Sampling DB (Netezza) Integration (Ab Initio) Repository (Oracle/Postgres) OLTP* MD Trades 9 Reports Sec. legal advisory & archiving Historical Data External Data 1010

11 Data Integration und Reporting & Analysis Tools Data Integration Ab Initio Hadoop IBM BigInsights Information Server InfoSphere Streams Informatica Microsoft Oracle SAP SAS Data In Others using standard ODBC/JDBC/OLE-DB/SQL Note: Sample list, not all inclusive. SQL ODBC JDBC OLE-DB This slide was taken from an IBM presentation. SQL ODBC JDBC OLE-DB Data Out Reporting & Analysis Hadoop IBM Cognos SPSS Campaign Information Builders Microsoft MicroStrategy Oracle SAP SAS Tableau Others using standard ODBC/JDBC/OLE- DB/SQL

12 IBM Pure Data Appliances Einfache Architektur mit MPP Einfache Administration Hardware und Software integriert Hochverfügbarkeit integriert Vergleichbar kostengünstig Optimized Hardware + Software Purpose-built for high performance analytics Requires no tuning Streaming Data Hardware-based query acceleration Blistering fast results True MPP All processors fully utilized Maximum speed and efficiency Deep Analytics Complex analytics executed in-database Deeper insights 12

13 Advanced Analytics with Netezza Analytics SAS, SPSS SQL Demand Forecasting R, S+ Fraud Detection SQL

14 Das Projekteam / Projektkosten Team Fachbereich Kernteam (PL, ETL, DB, BI) Infrastrukturteam (intern plus IBM) Kosten (Aufwand) Fachkonzept Entwicklung ETL (größter Anteil) Datenbank Administration (sehr gering) 14

15 Verlauf Fachkonzept Prototyp (Abnahme durch FB) Lösungsvorschlag unter Berücksichtigung der Kosten und Zeit Projekt-Genehmigung (Mehrere Monate) Es gab mehrere Lösungsvorschläge, Kompletlösung von anderen Hersteller z.b. Umsetzung 15

16 Verlauf Umsetzung Lösung.. Umsetzung Lösung Teil 1 Proj.Entscheidung Prototype (Abnahme durch FB) Fachkonzept

17 Ergebnis Technische Umsetzung innerhalb kürzester Zeit Performancesteigerung (speed, von mehrere Stunden auf wenige Minuten) Keine Abbrüche Neue Anforderungen an Informationen werden schnell umgesetzt Kostensenkung durch z.b. Datenbankoptimierung (performance tuning for DB fällt weg) Die Fachbereiche kommen immer wieder mit neuen Anfragen/Anforderungen ;-) 17

18 Beispieltabellen aus unserer Datenbank Anzahl Datensätze und Dateigröße als Beispiel 18

19 19 Admin-Oberfläche

20 Schwerigkeiten IBM Pure Data Analytics/Netezza war unbekannt Dadurch etwas Unsicherheit (funktioniert Excel, SAS, SQL etc. weiterhin oder nicht, is es eine Oracle Datenbank etc. ) Interne Architektur-Diskussion Firewall (neue Ports müssen freigeschaltet werden) Softwareversorgung (z.b. Clients ODBC) auf Client Rechnern 20

21 Schlusswort Diese Architektur hat uns ermöglicht, eine schnelle und nach Fachkonzept eine Lösung zu erstellen und auch weiter zu entwickeln. Wichtig ist auch dabei, dass die Kosten relativ konstant und niedrig bleiben. Die Kosten sind niedriger als vergleichbare Lösungen Zufriedene Kunden (Fachbereich) 21

22 Q & A An mich An IBM An?? 22

23 Vielen Dank Vielen Dank fürs Kommen 23