Big-Data-Management – es stellt hohe Anforderungen an Sicherheit, an Leistung und Compliance und stellt somit besonders Finanzbehörden, die heterogene Daten aus verschiedensten Systemen, in unterschiedlichen Formaten und Strukturen grenzüberschreitend verarbeiten, vor große Herausforderungen. Eine End-to-End-Datenmanagement-Plattform, die alle Prozessschritte abdeckt und Business-Intelligence-Auswertungen erlaubt, kann Abhilfe schaffen.
Daten bestimmen die Welt von Finanzbehörden und -ämtern: Sie bearbeiten Transaktionsdaten, also finanzielle Bewegungen wie Einzahlungen, Auszahlungen, Überweisungen und Bankkontendaten von Privatpersonen und Unternehmen – also personenbezogene Informationen, Kreditdaten und Kontostände. Hinzu kommt der Datenaustausch mit anderen amtlichen Stellen – hier werden Steuermeldungen, Eigentumsdaten, Kredit- und Beschäftigungsdaten oder Zoll- und Handelsdaten geteilt.
Die Herausforderung dabei liegt in der Handhabung der Heterogenität von verschiedenen Arten von Daten, verschiedenen Datenstrukturen, -umfängen und Speicherarten. Daten können strukturiert, semi- oder unstrukturiert als Dark Data, als Legacy-Daten auf dem Mainframe oder lokal oder in der Cloud in Datensilos vorliegen. Daten aus alten Beständen, aus Software, die Jahrzehnte alt ist, müssen übernommen werden und verarbeitet werden können, aber ebenso solche aus neuen Systemen – und das grenzübergreifend auch mit internationalen Behörden. Gleichzeitig wächst der Datenumfang stetig – jedes Neugeborene erhält eine Steuer-ID, und auch Privatverkäufe oder Vermietungen etwa über Ebay oder Airbnb sollen künftig von der Online-Plattform für die Finanzbehörden geloggt und in Echtzeit verarbeitet werden, um einen Abgleich mit der Steuererklärung zu ermöglichen. Finanzbehörden müssen dieser Datenflut Herr werden – eine umständlich arbeitende und zu bedienende Multi-Toollandschaft mit Insellösungen kann dafür nicht die Antwort sein.
Anforderung an das Datenmanagement
Big-Data-Management bedeutet für Finanzbehörden vielfältige funktionelle und leistungsbezogene Anforderungen:
End-To-End Plattform für Big Data Management
Um Integrität, Vertraulichkeit und Verfügbarkeit von Daten sicherzustellen, müssen die persönlichen Daten zunächst global aufgespürt und vereinheitlicht werden. Folgende Datenverarbeitungs- und Transformationsfunktionen, die zum Beispiel das Tool IRI CoSort vorhält, sind sinnvoll: Eine effiziente Sortierung von Big Data erlaubt es, Daten in einer bestimmten Reihenfolge anzuzeigen, zu analysieren oder für den späteren Einsatz vorzubereiten. Dubletten können entfernt und damit die Datenqualität verbessert werden. Daten werden basierend auf bestimmten Schlüsselattributen zusammengeführt, was eine Kombination von Daten aus verschiedenen Datenbanken oder Dateien ermöglicht.
Manipulationen wie Filtern, Maskieren, Anonymisieren oder Aggregieren erlauben die Transformation bzw. Modifikation von Daten gemäß den Geschäftsanforderungen. Eine Aggregation ist notwendig, um Zusammenfassungen zu erstellen, statistische Analysen durchzuführen und Berichte zu generieren. Mit der Datenbereinigung werden ungültige oder fehlerhafte Datensätze entfernt und die Datenqualität verbessert.
Die so gesammelten, sortierten, aggregierten und angepassten Daten können für verschiedene Zwecke genutzt werden:
Business Intelligence und Best Practices
Business Intelligence kann dazu beitragen, die Effizienz von Finanzbehörden in der Aufdeckung von Steuerhinterziehung und anderen finanziellen Vergehen zu steigern, die Compliance zu verbessern und fundierte Entscheidungen zu treffen, während gleichzeitig eine kontinuierliche Optimierung bei sich verändernden Anforderungen erfolgen kann.
Die Transformation großer Datenmengen im Rahmen von Business Intelligence benötigt einen strukturierten Prozess: Es erfordert eine sorgfältige Planung, Technologieauswahl und Implementierung, um sicherzustellen, dass die Datenqualität hoch ist und die Analysen zu verlässlichen Ergebnissen führen. Dazu gehören ETL bzw. Datenextraktion, Bereinigung und Aufbereitung, umfassende Integration, Modellierung wie Data Warehouse/Data Lake und die Nutzung eines Business Intelligence (BI)-Tools für Datenvisualisierung mit Reporting und Analyse. Damit werden Best Practices möglich, etwa der Einsatz von automatisierten Betriebsprüfungen unter Verwendung von Data-Warehouse-Technologien.
Durch die Implementierung von Machine-Learning-Algorithmen kann die Behörde automatisierte Betriebsprüfungen durchführen und Unregelmäßigkeiten in den Finanzdaten effizient identifizieren. Eine weitere Möglichkeit ist die Entwicklung von risikobasierten Prüfungsstrategien: BI wird dann eingesetzt, um Risikoprofile für Steuerzahler zu erstellen. Damit können Ressourcen gezielt auf steuerliche Bereiche mit höherem Risiko konzentriert werden, was zu effizienteren Prüfungen führt.
Auch die Implementierung von Echtzeitüberwachungssystemen für finanzielle Transaktionen ist mit BI-Tools möglich: Dies erlaubt die sofortige Identifizierung von verdächtigen Aktivitäten, was die Reaktionszeit erheblich verkürzt. Und nicht zuletzt kann BI zur proaktiven Analyse von Compliance-Daten eingesetzt werden: Analysiert die Finanzbehörde regelmäßig Compliance-Daten, um Trends und Muster zu identifizieren, wird so die frühzeitige Erkennung von Nichteinhaltungen samt Prävention möglich.
Fazit
Finanzbehörden benötigen ein Management-Tool, das den vollständigen Datenlebenszyklus abdecken kann. So gelingt es ihnen, Herr der Lage zu werden und die stetig wachsende Datenmenge aus verschiedenen Quellen und in verschiedenen Strukturen zu organisieren, sie für Analyse- und Auswertungen nach Best Practices zu nutzen und gleichzeitig Compliance-Anforderungen und Datenschutz zu gewährleisten.