data quality per solvency ii: abbattimento dei silos e ......2012/05/21 · data quality per...
Post on 13-Aug-2020
0 Views
Preview:
TRANSCRIPT
Data quality per Solvency II: abbattimento dei silos e gestione centralizzata del dato
Massimiliano Neri, massimiliano.neri@moodys.com 22 Maggio 2012
CETIF, 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
Server di calcolo
Cos’è l’approccio centralizzato al dato in
Data Mart
Risultati Data Scenari
ETL Platform
Dati storici
Sistemi informativi alimentanti
Attività ( equity, bonds, …)
&
Passività (Polizze vita e danni)
Workspace
Workspace
Workspace
Data Quality Checks
Riconciliazione con Contabilità Generale &
Audit
Reporting regolamentare per ISVAP
Gli utenti possono accedere agli stessi dati da viste configurate in maniera diversa
L’attività di ogni utente si svolge in un workspace
dedicato associato a sessionie sicura (autenticazione,
autorizzazione, data access)
Consente di gestire grandi quantità di dati storici con
un accurato dettaglio
Dati contabili
Dati vita
e danni Dati di
mercato
Dati copertura sanitaria
CETIF, 22 Maggio 2012
18
Inputs for SCR Calculation/Reporting
Prepare data for SCR & Reporting
VALUATION_IMPORT
CASH_FLOW_IMPORT
SCR Calculation
Results of Calculation Engines CASH_FLOW VALUATION
Reporting
SCR
SCR_IMPORT
ASSET_DATA
LIABILITY_DATA
SCR_IMPORT
LIAIBILITY_IMPORT
…_IMPORT
Profondità dell’auditing in base alla centralizzazione dato
Moodys DataMart LIABILITIES_DATA ASSET_DATA …
Calculation Engines
…
VALUATION_IMPORT
CASH_FLOW VALUATION …
…
Interface point 1
Interface point 2
Interface point 3
Interface point 4
CETIF, 22 Maggio 2012
19
Approccio centralizzato per la qualità del dato: pattern 1
Results DataScenario
ETL
Data Source Systems
Data Quality AssessmentBefore data import
…..
CETIF, 22 Maggio 2012
20
Approccio centralizzato per la qualità del dato: pattern 2
Results DataScenario
ETL
Data Source Systems
Data Quality AssessmentDuring data import
…..
CETIF, 22 Maggio 2012
21
Approccio centralizzato per la qualità del dato: pattern 3
Results DataScenario
ETL
Data Source Systems
Data Quality AssessmentAfter data import
…..
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 Il "codice" di una polizza non corrisponde a nessuna voce nella tabella dei codici dei contratti
Controlli funzionali
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”.
Controlli di business
Il valore della “periodicità del premio“ deve essere coerente con il tipo di polizza.
Riconciliazione con la contabilità generale
Importazione di un gruppo di 50 polizze, il punto decimale scompare in un campo con valore monetario, lasciando tutti i valori moltiplicati per 100.
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
top related