Latest / MY DATA IS BETTER THAN YOURS / Warum Banken Daten falsch denken - mit Caroline G., Münchener Hypothekenbank

Transcript

Warum Banken Daten falsch denken - mit Caroline G., Münchener Hypothekenbank · MY DATA IS BETTER THAN YOURS

• 0:00
  Speaker 0: Was bedeutet eigentlich Daten im Kontext der Regulierung bei Banken?
• 0:05
  Speaker 0: Und macht es überhaupt Sinn, Daten als Werttreiber einzusetzen.
• 0:10
  Speaker 0: Das sind alles Fragen die ich mit der lieben Caroline in der heutigen Folge bespreche.
• 0:18
  Speaker 1: Neue Folgen jeden Freitag!
• 0:20
  Speaker 1: In dieser digitalen Welt gibt es einen speziellen Faktor, der über Erfolg und Misserfolg entscheidet – Daten.
• 0:27
  Speaker 1: Doch nur die wenigsten wissen sie für sich zu nutzen.
• 0:30
  Speaker 1: Wer seine Kunden verstehen will, um ihnen das bieten zu können was sie brauchen
• 0:34
  Speaker 0: kommt um
• 0:34
  Speaker 1: ein professionelles Datenmanagement nicht herum.
• 0:37
  Speaker 1: Jonas Raschidi interviewt andere Experten aus den Data Bereichen und zeigt Schritt für Schritt wie genau das funktioniert.
• 0:49
  Speaker 0: Herzlich willkommen im Podcast!
• 0:52
  Speaker 1: Danke
• 0:53
  Speaker 0: schön dass du da bist.
• 0:54
  Speaker 0: eine spannende Folge warum wir sprechen heute so ein bisschen über das Thema Daten und Banken und die Herausforderung die damit einhergeht weil die große Herausforderung ist so ein bisschen.
• 1:07
  Speaker 0: Aber dann steigen wir schon viel in die Folge ein, dieses Thema Aufsicht also sozusagen Daten verarbeiten müssen versus Daten nutzen wollen.
• 1:17
  Speaker 0: aber stelle dich noch mal kurz vor wer du bist was du machst und dann wird das glaube ich eine ganz spannende Folge.
• 1:22
  Speaker 1: Ja gerne, ja ich freue mich auch total hier zu sein bin Carolin.
• 1:25
  Speaker 1: Ich bin Chief Data Officer bei der Mission der Botheken Bank Und dann leitet dort das sogenannte Data-Office und wir sehen eben verantwortlich für die Umsetzung von Regulatorik und den Aufbau eines fachlichen Datenmanagements in der MHB.
• 1:40
  Speaker 0: Wir haben uns auf dem Datamietup einmal persönlich gesehen, vorher haben wir miteinander gesprochen.
• 1:44
  Speaker 0: Ziel ist ja schon ein bisschen – also war gerade eben das Vorgespräch vielleicht – machen wir beide mal irgendwie einen Hirox gemeinsam?
• 1:52
  Speaker 0: Also das heißt ich muss.
• 1:53
  Speaker 0: Ich hatte ja schon mal eine Podcastfolge, wo jemand gesagt hat ich soll mehr laufen.
• 1:57
  Speaker 0: Das heißt, ich werde jetzt auch von dir her noch mehr verpflichtet, mehr aus der Ort zu machen.
• 2:00
  Speaker 1: Ja würde ich sagen und das Gute beim Hyrox ist ja da kannst du deine Kraft weitermachen und musst nur das Laufen nicht so
• 2:05
  Speaker 0: viel.
• 2:06
  Speaker 0: Nur des Laufen!
• 2:07
  Speaker 0: Das ist ja das gute ja.
• 2:11
  Speaker 0: Lasst uns aber mal in das Thema schon tiefer einsteigen Caroline.
• 2:15
  Speaker 0: die Herausforderung glaube ich es im vielen großen Unternehmen ist immer diese Situation dass Man dem Vorstand die Geschäftsführung überzeugen muss, Daten überhaupt zu verarbeiten.
• 2:28
  Speaker 0: Die Herausforderungen habt ihr nicht weil der durch die Aufsicht kommt und das ganze Thema ein Pflichtthema ist.
• 2:36
  Speaker 0: Jetzt kommen wir aber trotzdem irgendwie dazu dass man es ja wollen muss.
• 2:42
  Speaker 0: Wie motiviert man da?
• 2:44
  Speaker 0: Die Leute, also als deine Aufgabe Chief Data Officer ist es ja genau da irgendwie diesen Ballonsack gut hinzubekommen.
• 2:49
  Speaker 1: Ja genau!
• 2:49
  Speaker 1: Also wie du schon sagst wir haben... Es bei uns ist so ein bisschen fluchensegen.
• 2:53
  Speaker 1: auf der einen Seite bekommen wir Budgets und Projekte zu machen weil die Aufsicht uns dazu zwingt quasi diese Projekten zu tun.
• 3:02
  Speaker 1: Auf der anderen Seite sind dieses Projekt aber nur erfolgreich wenn ich die Mitarbeiter auch mitnehmen kann und das ist eine kulturelle Sache.
• 3:09
  Speaker 1: Also da ist ganz viel Transformation dabei, die Menschen zu motivieren und also zu verstehen.
• 3:18
  Speaker 1: Ganz viel Einsicht zu verstehen warum sie das tun und dann auch damit zu ziehen.
• 3:23
  Speaker 0: Ja jetzt hatte ich als ich so ein bisschen Vorarbeit geleistet habe gesehen dass du systemische Beraterin bist.
• 3:31
  Speaker 0: hilft es dir diesen Papiertieger zu verhindern und eher in das Business denken zu kommen.
• 3:39
  Speaker 0: Also hilft es dir, deine Stakeholder mit gut zu managen?
• 3:42
  Speaker 1: Man reflektiert sehr stark und ich überlege mir schon wer ist mein Gegenüber?
• 3:46
  Speaker 1: also ich überlege mir Hypothesen, ich stelle Hypothesen auf einfach und mache mir die klar.
• 3:51
  Speaker 1: Ich versuche immer ein klares Bild zu bekommen von den Menschen und dabei auch von den Interaktionen im System.
• 3:56
  Speaker 1: ja und ich finde reflektieren an solche Themen ranzugehen ist das eine Und das andere ist dem Methodenkoffer, den man einfach mitbekommt in so einer systemischen Ausbildung.
• 4:06
  Speaker 1: Also ich ... Systemisch arbeiten heißt ganz viele Fragen stellen.
• 4:11
  Speaker 1: In Reframing zu gehen und in Perspektivenwechsel einzunehmen.
• 4:15
  Speaker 1: Das sind Dinge, da stößt man Gedankengänge an auch beim Gegenüber, dem man sonst vielleicht nicht lange erreicht hat.
• 4:22
  Speaker 1: Und das hilft im täglichen Duigen ungemein!
• 4:25
  Speaker 0: Würdest du jedem Data-Lieder, Data- Liederinnen empfehlen systemischen Coach oder eine Coachausbildung zu
• 4:30
  Speaker 1: machen?
• 4:31
  Speaker 1: Ich würde das jedem empfehle.
• 4:32
  Speaker 0: Warum?
• 4:34
  Speaker 1: Weil es unglaublich bereichernd ist weil man sein ganz anderes Mindset bekommt.
• 4:38
  Speaker 1: Man lernt anders zu denken.
• 4:41
  Speaker 1: Das ist einfach über den Tellerrand hinausblicken und wirklich einen perspektiven.
• 4:45
  Speaker 1: Wechsel hilft ganz oft.
• 4:47
  Speaker 0: Kannst du mit zwei Situationen beschreiben wie man was... oder wie du selber, was ohne deine Ausbildung gelöst hättest oder angegangen wärst versus... Wie du es jetzt angehen würdest?
• 4:58
  Speaker 0: Gibt's ein gutes Beispiel?
• 5:00
  Speaker 1: Ja tatsächlich.
• 5:02
  Speaker 1: Was mir spontan einfällt in der Konfliktsituation.
• 5:06
  Speaker 1: Früher hätte ich noch...
• 5:07
  Speaker 0: Nicht zum High Rocks zu motivieren.
• 5:10
  Speaker 0: Das ist ja keine
• 5:11
  Speaker 1: Konfliktsituation!
• 5:13
  Speaker 1: Früher wäre ich bestimmt eher in eine Kontraposition gegangen, hätte erklärt was nicht gut gelaufen ist.
• 5:20
  Speaker 1: Was meine Erwartung gewesen wäre, was total richtig ist.
• 5:23
  Speaker 1: Erwartungen zu kommunizieren.
• 5:25
  Speaker 1: Aber heute gehe ich gerne in so ein Perspektivenwechsel und sage stell dir vor du wärst an meiner Stelle Und das wäre genauso gelaufen?
• 5:33
  Speaker 1: Was würdest du tun?
• 5:34
  Speaker 1: Was würde du denken?
• 5:36
  Speaker 1: wie würdest Du auf mich zu gehen?
• 5:39
  Speaker 1: Das finde ich stößt Ja, Gedankengänge an die nicht angestoßen worden wären wenn mich einfach nur in ... ja.
• 5:48
  Speaker 1: Weil ich das nicht so gemacht hätte.
• 5:52
  Speaker 0: Auf LinkedIn gibt es immer wieder dieses Beispiel dass über so Lego-Steine erklärt wird wie man Daten verarbeitet.
• 5:59
  Speaker 0: Brauchen wir Lego Steine um Bankern zu erzählen wie wir mit Daten umgehen müssen?
• 6:02
  Speaker 1: Wir brauchen nichts wegen des Lego Steines dafür aber ich glaube es hilft Bankern und auch Nichtbänkern einfach sich dem Thema anders zu nähern.
• 6:13
  Speaker 1: Was meine ich damit?
• 6:15
  Speaker 1: Wir reden immer über Daten, wir bilden ... Wir etablieren Metadatenmodelle, die reden über Delta-Linus-Date-Datenflüsse und das ist alles super abstrakt für ganz viele Menschen.
• 6:26
  Speaker 1: Das ist einfach abstrakt und das verstehe ich total!
• 6:29
  Speaker 1: Und wenn ich jemandem was näher bringen will dann muss es aber verstehen.
• 6:32
  Speaker 1: Damit er das verstehen kann brauche ich irgendwas wo ich einen Anknüpfungspunkt habe gerne auch was Haptisches etwas was mir im Gedächtnis bleibt Und da helfen eben solche Ansätze wie ein Lego unter anderem, auch um Dinge einfach verständlich zu machen.
• 6:47
  Speaker 1: Wenn ich dir jetzt ... Ich geb dir jetzt einen Haufen Legoschneiner Farben und Formen.
• 6:53
  Speaker 1: Ja.
• 6:53
  Speaker 1: Und ich geb die...
• 6:54
  Speaker 0: Hätte ich lange?
• 6:55
  Speaker 0: spaust damit!
• 6:55
  Speaker 1: Glaub' ich auch?
• 6:57
  Speaker 1: Und ich gebe den einem Kollegen von dir.
• 6:58
  Speaker 1: Genau das Identische.
• 7:00
  Speaker 1: Und gebt ihr euch einfach zum Bauen.
• 7:02
  Speaker 1: Dann baut ihr was komplett unterschiedlicher.
• 7:03
  Speaker 1: Definitiver,
• 7:04
  Speaker 0: ohne Anleitung.
• 7:05
  Speaker 1: Ohne Anleitung genau!
• 7:06
  Speaker 1: Wenn ich jetzt sage... Ich hätte gerne das in Haus baut.
• 7:09
  Speaker 1: Baut jeder von euch ein Haus.
• 7:10
  Speaker 1: Das ist aber total unterschiedlich.
• 7:12
  Speaker 1: Wenn ich euch sage, ich möchte ein Haus und es soll so und so ausschauen, dann wird das wahrscheinlich schon ähnlicher werden?
• 7:19
  Speaker 1: Und ich finde eben über so einen Prozess kann man haptisch ganz viel näher bringen.
• 7:28
  Speaker 0: nutzt die spielerische Ansätze, um das Thema in der Organisation nochmal anders darzustellen?
• 7:33
  Speaker 1: Also wir haben tatsächlich das Thema Lego schon mal verwendet für das Data-Linux-Thema.
• 7:39
  Speaker 1: Auch für das Thema Datenqualität haben wir das verwendete Mal.
• 7:43
  Speaker 1: Wir produzieren kurze Videos ganz einfache Kurzvideos mit denen wir komplexe Sachverhalte versuchen einfach zu erklären intern.
• 7:54
  Speaker 0: Machen wir ein Beispiel
• 7:57
  Speaker 1: Was ist eine Daterlinit, scheinbar kurz Video gemacht?
• 7:59
  Speaker 1: oder wir bauen gerade neues Enterprise-Data Warehouse auf.
• 8:03
  Speaker 1: Das ist jetzt klar mit Bauen Warehouse.
• 8:05
  Speaker 1: Aber vielleicht ist nicht jedem in der Organisation klar auch wenn er es nutzen sollte was wir da genau machen.
• 8:12
  Speaker 1: also versuchen wir mit einfachen Worten in sechzig oder neunzig Sekunden so ein Video aufzunehmen und das zur Höhung zu stellen und dafür suchen wir schon interaktiv mit den Kolleginnen und Kollegen, oder das denen näher zu bringen.
• 8:30
  Speaker 1: Und dann was wir auch noch machen ist ein bisschen Corporal Identity.
• 8:35
  Speaker 1: Wir haben Buttons in denen wir mit Namen rumlaufen...
• 8:41
  Speaker 0: Für die Data Leute?
• 8:43
  Speaker 1: für die Rollen im Datenmanagement Text.
• 8:46
  Speaker 1: Wir haben Data Producer Buttons, wir haben Data Consumer Buttons...
• 8:49
  Speaker 0: Die tragen die täglich?
• 8:50
  Speaker 1: Nein, die tragen den nicht täglich.
• 8:52
  Speaker 1: Das wäre lustig!
• 8:53
  Speaker 1: Aber die hängen dann zumindest an und das ist natürlich auch nicht bei jedem.
• 8:56
  Speaker 1: aber es ist so der erste fängt an und ansonsten auch.
• 9:02
  Speaker 1: wir haben große Projektmeetings in denen wir planen und dann schreiben wir die Sprüche auf packen sie auf Buttons.
• 9:08
  Speaker 0: Wenn man sehr catcheres sind gibt's in Deutschland ja dieses Thema Bild-in-Buy.
• 9:15
  Speaker 0: Jetzt kommt ihr sehr stark aus einem Dokumentationswillen raus und seid natürlich als Bank nicht die größten Techniker, gar nicht negativ gemeint.
• 9:28
  Speaker 0: Wenn man sich zum Beispiel beim Thema data lineage tool ist das was ihr einkauft, was sie nutzt oder ist es dann Was ihr selber baut?
• 9:35
  Speaker 0: ja du hast ja gerade eben data warehouse angesprochen da kommt der kopfdöster schon in eine losung ein aber implementiert ihr dass selber.
• 9:41
  Speaker 0: wie muss ich mir sowas vorstellen?
• 9:43
  Speaker 1: das kann spannend.
• 9:43
  Speaker 1: also ich glaube wir sind eben Wie viele andere Unternehmen auch nicht die die Dokumentationshelden, also es macht nicht jedem Spaß zu dokumentieren.
• 9:53
  Speaker 1: Das ist glaube ich einfach was menschliches.
• 9:54
  Speaker 1: Es hat nichts mit Bank oder Nichtbank zu tun und ich glaube wir sind vielleicht technikerfiner als du glaubst.
• 9:59
  Speaker 1: Also das ist ganz spannend.
• 10:00
  Speaker 1: Überzeug mich.
• 10:03
  Speaker 1: Nein, das ist so ein bisschen die... Ich glaube es ist ein Klischee einfach auch.
• 10:07
  Speaker 1: Die typische Bank ein bisschen eingestaubt und so weiter.
• 10:11
  Speaker 1: Und das muss ja nicht sein.
• 10:12
  Speaker 1: Auch wir nutzen KI, auch wir überlegen wie wir technisch eine gute Architektur hinstellen
• 10:18
  Speaker 1: usw.,
• 10:18
  Speaker 1: also das ist uns schon auch wichtig.
• 10:22
  Speaker 1: Ansonsten was das Linux-Thema angeht haben wir etwas zugekauft dass wir dann befüllen.
• 10:30
  Speaker 1: Also ich kenne jetzt kaum eine Bank, die selbst entwickelt an der Stelle.
• 10:35
  Speaker 1: Weil das einfach schon auch sehr komplex ist tatsächlich, auch wenn es nicht so komplex ausschaut.
• 10:41
  Speaker 1: Da haben wir zugekauft und ansonsten entwickeln wird das Warehouse klar in einer vorgegebenen Art und Weise.
• 10:48
  Speaker 1: aber nach unserem Bedürfnis Tauscht
• 10:51
  Speaker 0: ihr euch viel?
• 10:51
  Speaker 0: Taust du dich viel mit anderen Banken aus und versuchst zu verstehen was sie machen.
• 10:55
  Speaker 1: Ja, auf der Ebene, auf die das möglich ist schon.
• 10:58
  Speaker 1: Weil es einfach sehr bereichernd ist.
• 11:00
  Speaker 1: Das Thema Datenmanagement in Banken oder gerade diese regulatorische Vorgabe gibt's ja noch nicht so ultralang.
• 11:07
  Speaker 1: Also natürlich wurde im Jahr den Initial-BZBS-Famous-Bzbs-Zoneununddreißig-Paper veröffentlicht als Konsequenz und nicht als Konsequenz sondern als Reaktion der Aufsicht auf die Finanzkrise wo sie dem Banken quasi vorgeschrieben hat oder eine Richtlinie gegeben, wie sie mit Risikodaten, Aggregation und Berichterstatter umgehen soll.
• 11:32
  Speaker 1: Und jetzt, im Jahr zwei Tausend Dreizehn waren es ganz wenige Banken die das umsetzen mussten.
• 11:36
  Speaker 1: Jetzt sind's eben wenn immer mehr der Zeithorizont ist ja nicht ewig.
• 11:41
  Speaker 1: Das heißt man beschäftigt sich damit, immer mehr Banken beschäftigen sich damit aber es ist auch interpretativ.
• 11:49
  Speaker 1: Wie setz ich was gut umgegeben den Rahmenbedingungen, die ich habe?
• 11:52
  Speaker 1: Und da finde ich es unglaublich bereichernd.
• 11:54
  Speaker 1: Wenn man verschiedene Dinge auch mal diskutieren kann.
• 11:57
  Speaker 0: Du bist zwei Jahre bei euch bis zwei Jahre sozusagen als Chief Data Officer.
• 12:03
  Speaker 0: Deine Datastrategie steht schon.
• 12:05
  Speaker 0: Habt ihr eine Datastrategy?
• 12:07
  Speaker 1: Wir arbeiten gerade dran.
• 12:09
  Speaker 1: Also wir arbeiten gerade daran.
• 12:10
  Speaker 1: Wir haben begonnen und haben uns das Mandat geholt vom Vorstand und sind jetzt gerade dabei in der Erarbeitung und das ist auch das Ziel für setzten, sechsundzwanzig.
• 12:19
  Speaker 0: Das ist spannend!
• 12:21
  Speaker 0: Das heißt ihr habt euch erstes Mandat geholt eine Datenstrategie auszuarbeiten und arbeitet dann dran?
• 12:30
  Speaker 1: Also wir arbeiten im Datenkontext natürlich schon ganz lange ja und natürlich gibt es so eine implizite Strategie.
• 12:35
  Speaker 1: aber wir haben uns tatsächlich das Mandat geholen.
• 12:37
  Speaker 1: ich finde das ist mal ganz wichtig sich auch von der auf der Vorstandsebene des Mandats zu wohnen um wirklich was zu tun damit man
• 12:47
  Speaker 0: Ich finde es gut, warum ich jetzt das nochmal gefragt habe.
• 12:51
  Speaker 0: In den Gesprächen und in die Sachen, die ich oft mitbekomme ist es nämlich genau andersherum dass... überhaupt gar nicht gefragt wird, sondern das Selbstverständnis da ist dass man die Datenstrategie machen kann.
• 13:01
  Speaker 0: Die wird dann über drei oder sechs Monate im Kämmerchen gebaut vielleicht mit Stakeholders gesprochen.
• 13:06
  Speaker 0: ich bin jetzt sehr provokant.
• 13:08
  Speaker 0: Dann wird sie kommuniziert und gesagt jetzt führen wir sie ein aber man hat sich nicht das Mandat geholt Man hat sich nichts dabei in der Stakeholder geholt Und dann wird es auch gar nicht mitgetragen.
• 13:18
  Speaker 0: Dann verstaubt diese Datenstrategie halt eben nach zwölfen Monaten irgendwo in der Schublade oder auf SharePoint, aber sie wird nicht mitgenommen.
• 13:25
  Speaker 0: Deswegen ist es glaube ich richtig schon diesen Buy-in voll zu gucken.
• 13:27
  Speaker 1: Ich glaube auch und das war unser Ansatz also wir wollten eben nichts schreiben in drei bis sechs Monaten bei uns im Data-Office, um es dann zu publizieren.
• 13:38
  Speaker 1: Dann wird's abgelegt in der schriftlich fixierten Ordnung und keinen interessiertes.
• 13:41
  Speaker 1: Also da ist die Zeit einfach zu schade auch.
• 13:43
  Speaker 1: Und deswegen haben wir gesagt, wir möchten das Mandat holen und wir möchten eine Datenstrategie entwickeln, die eben kein Papiertiger ist sondern die uns wirklich auch was bringt oder die uns hilft in den ganzen Datenkontext.
• 13:58
  Speaker 1: Da haben wir uns jetzt überlegt wie wir daran gehen mit Leitlinien definiert Partizipationer schon gesagt, das ist ganz wichtig.
• 14:07
  Speaker 1: Dass wir Kolleginnen und Kollegen mitnehmen die eben auch in diesen Datenthemen arbeiten dass wir auch wissen wo... Das wird nicht an der Organisation vorbeiarbeiten.
• 14:17
  Speaker 1: Und genau das ist es ganz wichtig.
• 14:20
  Speaker 1: und einer der Leitlinien ist kein Bullshit blies.
• 14:23
  Speaker 1: also Wir wollen eine Präzision da reinbringen dass wir sagen ich möchte nicht sagen Die Datenqualität der MHB muss gut sein natürlich muss ihr das Aber wie mäßig das, was bedeutet das?
• 14:34
  Speaker 1: Sondern wirklich dass wir versuchen konkret aufzusetzen.
• 14:38
  Speaker 1: Wo stehen wir, wo wollen wir hin und wie kommen wir da?
• 14:45
  Speaker 0: Was sind so Use Cases in der Bank die euch Mehrwert mit Daten bieten?
• 14:50
  Speaker 0: also ich glaube ein use case der sozusagen mandatory ist, wo man aber danach ja auch sagen kann Ich habe es einfach getan weil ich es musste ist ja dieses Thema Data Nenage Also diese Aufsichts-Cremium glücklich zu machen.
• 15:01
  Speaker 0: Aber was ist ein Mehrwert, was sind deine Stakeholder?
• 15:04
  Speaker 0: ohne jetzt vielleicht Betriebsgeheimnisse zu verraten, aber ich höre sie gerne.
• 15:09
  Speaker 0: Wo Mehrwert bietet?
• 15:10
  Speaker 1: Im Kontext Data-Linux jetzt oder?
• 15:13
  Speaker 0: Nein, Kontextdaten und AI.
• 15:15
  Speaker 1: Naja... Ich glaube der Use Case ist, oder einer der größten Use Cases, den gilt für alle nicht nur für Banken.
• 15:23
  Speaker 1: Was passiert denn?
• 15:24
  Speaker 1: Du bist Geschäftsführer.
• 15:26
  Speaker 0: Ja, Geschäftsleitung, aber ja.
• 15:28
  Speaker 1: Ich könnte mir vorstellen dass du Entscheidungen triffst auf Basis von Daten.
• 15:35
  Speaker 0: Komfort, ja?
• 15:35
  Speaker 0: Genau!
• 15:37
  Speaker 1: Ich könnte mir auch vorstellen dass das dich interessiert wie diese Daten so stande gekommen sind beziehungsweise wie gut die Qualität dieser Daten ist und ob wie sicher du dir sein kannst deine Entscheidung auf Basiss dieser Daten zu treffen.
• 15:49
  Speaker 0: Ja, jetzt bin ich.
• 15:51
  Speaker 0: natürlich glaube ich...ich komme aus dem Thema Data aber definitiv
• 15:57
  Speaker 1: Wenn ich nicht keine Ahnung habe für meine Datenqualität wenn ich mich nicht in meinen Daten auskenne.
• 16:03
  Speaker 1: Ich möchte sagen, es ist kein Glücksspiel.
• 16:05
  Speaker 1: Aber kann ich nicht so darauf vertrauen als wenn ich mir sicher bin oder wenn ich daran arbeite Transparenz da rein zu bekommen?
• 16:16
  Speaker 1: Und das finde ich ist ein ganz wesentlicher Faktor warum wir an diesem Thema auch arbeiten um Sicherheit, Transparens, Entscheidungssicherheit.
• 16:29
  Speaker 0: Wenn du die Datenstrategie hast und die weiteren Use Cases, also ihr nehmt uns nochmal mit auf die Reise des Data Warehouse.
• 16:36
  Speaker 0: Ihr tauscht das für Data Warehouse ja sozusagen nicht eins zu eins aus würde ich jetzt mal frech behaupten wie seid ihr reingegangen und habt use cases erarbeitet?
• 16:46
  Speaker 0: Oder habt ihr überhaupt use case zu arbeiten?
• 16:49
  Speaker 1: Ja, wir haben Berichtswesen.
• 16:53
  Speaker 1: Das wird abgebildet oder das beinhaltet Daten natürlicherweise.
• 16:58
  Speaker 1: Und wir haben einfach angefangen, uns anhand von Berichten entlang zu hängen und zu schauen wie kriegen wir die Berichte in der neue Struktur beispielsweise?
• 17:12
  Speaker 1: Wir haben nur ja Haus-Cloud oder wir hatten eins.
• 17:14
  Speaker 1: das ist noch nicht abgelöst und wir haben uns aber dann auf der grünen Wiese wirklich im Greenfield Ansatz überlegt gemäß all der Anforderungen, ein neues Warehouse auf, das den Anforderungen die wir jetzt heute haben, dass denen entspricht.
• 17:32
  Speaker 1: und was müssen wir dafür tun?
• 17:33
  Speaker 1: Da haben wir Programm ins Leben gerufen.
• 17:37
  Speaker 1: Und unter diesem Programm sind verschiedene Datenthemen gebündelt.
• 17:39
  Speaker 1: Da ist eben der Aufbau von dem RealHouse mit drin, da ist auch die Ablöse des Alten gleich mit drinnen.
• 17:46
  Speaker 1: Da geht es um Ablösung von End-User Computing und da geht's aber auch gleichzeitig darum, die Anforderungen aus der Regulatorik mit reinzukriegen also dass man so ein ganzheitliches Bild hat.
• 17:57
  Speaker 1: Ja,
• 17:57
  Speaker 0: das ist schon ein großes Projekt oder?
• 17:58
  Speaker 0: Das ist ein
• 17:59
  Speaker 1: sehr großes Programm genau!
• 18:00
  Speaker 1: Wie
• 18:00
  Speaker 0: lange dauert es?
• 18:01
  Speaker 0: Was schätzt du?
• 18:03
  Speaker 1: Also das läuft jetzt schon zwei Jahre und es geht sicherlich noch ein, zwei Jahre.
• 18:07
  Speaker 1: Und dann werden wir den, wenn wir... Nein,
• 18:11
  Speaker 0: wo bestehen?
• 18:11
  Speaker 1: Nein, auf dem wir überstehen aber ich glaube dass wir da ganz viel abgabertet haben.
• 18:14
  Speaker 1: also die Regulatorik wird dieses Jahr abgeschlossen werden.
• 18:17
  Speaker 1: ja und dann haben wir eben noch andere Datenthemen.
• 18:22
  Speaker 1: die werden uns immer begleiten.
• 18:23
  Speaker 1: also ich glaub das Thema Es gibt kein Datenprojekt Das Rehaus wird immer wachsen Da wird's immer Anpassungen geben.
• 18:29
  Speaker 1: also ich glaube das muss man einfach gucken wie man an die Projekte schneidet.
• 18:32
  Speaker 1: Und darunter haben wir eben, ja... Wir haben das Fit for Data genannt.
• 18:36
  Speaker 1: Weil wir wollten ein bisschen weg von der Regulatorik.
• 18:39
  Speaker 1: Also wir wollten keinen regulatorischen Namen.
• 18:42
  Speaker 1: Das entfacht jetzt nicht überall immer große Freude.
• 18:46
  Speaker 1: Dafür haben wir einfach zu viel Regulatorik und eigentlich geht es uns hier wirklich darum dass wir fit sind für die Zukunft in dem Datenkontext.
• 18:52
  Speaker 1: Deswegen haben wir da einfach alles drunter gepackt und laufen jetzt unter dem Handel.
• 18:57
  Speaker 0: Ja!
• 18:59
  Speaker 0: Es ist nicht ein unglaublicher Spagat.
• 19:01
  Speaker 0: zwischen haben wir ja jetzt lange auch drüber gesprochen, Regulatorik zu haben.
• 19:05
  Speaker 0: So Sachen zu machen zum Müssen versus jetzt diesen ganzen neuen Hypes AI hinterherzurennen?
• 19:12
  Speaker 1: Ja
• 19:13
  Speaker 0: Also auf der einen Seite da vielleicht kann ich es nochmal anders schneiden Du hast den Vorteil dass du Sachen machen musst und Sachen damit machen kannst.
• 19:22
  Speaker 0: Auf der anderen Seite mit AI kommt ja wieder das Thema Regulatorik auf der anderen seite rein.
• 19:28
  Speaker 0: Mit dürfen wir das überhaupt machen?
• 19:31
  Speaker 1: Ja, also unterschreibe ich total und wir wollen AI einsetzen.
• 19:37
  Speaker 1: Wir setzen es auch ein.
• 19:38
  Speaker 1: Wir haben halt gewisse regulatorische Leitlinien der Nichtsmal- oder Leitplanken die wir einhalten müssen.
• 19:48
  Speaker 1: aber ich glaube wir haben noch einen ganz anderes Thema in dem AI Kontext und das ist... Wir brauchen um AI gut nutzen zu können einfach eine gute Datenqualität und müssen unsere Hausaufgaben machen.
• 19:59
  Speaker 1: Also das ist, wie.
• 20:01
  Speaker 1: jeder möchte AI nutzen.
• 20:04
  Speaker 1: Aber ich brauche einfach eine gute Datenbasis dafür.
• 20:06
  Speaker 1: Das heißt wir wollen es nutzen und werden es nutzen aber müssen auf der anderen Seite auch unsere Hausaufgaben machen.
• 20:14
  Speaker 1: Und dann in dem Kontext, klar Regulatory und AI mit.
• 20:21
  Speaker 0: Viele sprechen ja davon Geschwindigkeit bei AI zu haben, habt ihr die?
• 20:26
  Speaker 1: In welchem Kontext
• 20:28
  Speaker 0: sind sie so?
• 20:29
  Speaker 0: ausprobieren POC zu testen oder habt ihr es ist der regulatorischen Klotz am Bein.
• 20:37
  Speaker 1: Also natürlich steht die immer ist die immer dabei und die läuft mit.
• 20:42
  Speaker 1: Aber es gibt Arbeitsgruppen und Arbeitskreise, die sich mit AI beschäftigen bei uns.
• 20:47
  Speaker 1: Natürlich beschäftigen wir uns intern damit oder wir haben uns damit beschäftigt.
• 20:50
  Speaker 1: was dürfen wir?
• 20:51
  Speaker 1: Was dürfen wir nicht tun?
• 20:52
  Speaker 1: müssen wir aufpassen?
• 20:53
  Speaker 1: Was fordert die Regulatorik von uns im Kontext AI?
• 20:57
  Speaker 1: aber natürlich darüber hinaus gibt das ganz viele Ideen.
• 20:59
  Speaker 1: Wir sammeln Newscases wo wir AI einsetzen können.
• 21:03
  Speaker 1: also wir können ja auch AI einsätzen um die Datenqualität zu haben fangen zum Beispiel solche Themen.
• 21:08
  Speaker 1: Also da beschäftigen wird uns auf jeden Fall damit.
• 21:11
  Speaker 1: Und da gibt es auch PUCs, Use Cases und...
• 21:14
  Speaker 0: Wenn wir beim Thema Kultur sind.
• 21:17
  Speaker 0: Ich hatte mir aufgeschrieben ist ja eigentlich kein Geheimnis dass du auch sagst das Datenprojekte oft am Change Scheitern.
• 21:31
  Speaker 0: Was ist das eine Wort?
• 21:33
  Speaker 0: Dass du in einer Bank verbieten würdest um dieses Thema der Angst oder der Transformation zu nehmen.
• 21:44
  Speaker 1: Ich weiß nicht, ob es ein Wort gibt, das ich verbieten würde?
• 21:49
  Speaker 1: Verbot ist ja immer so eine Sache.
• 21:51
  Speaker 0: Wir sprechen über Regulatorik!
• 21:53
  Speaker 1: Ja also ich würd's nicht verbieten.
• 21:56
  Speaker 1: aber es gibt einen Wort auch aus dem Systemischen was sich tatsächlich versuchen würde ganz ganz doch stark zu reduzieren nämlich das
• 22:09
  Speaker 0: Problem Das
• 22:09
  Speaker 1: Wort Problem.
• 22:10
  Speaker 1: Und warum?
• 22:11
  Speaker 1: Weil es gibt in der Systemik eben einen schönen Satz, der sagt über Probleme reden schafft Probleme, über Lösungen reden schafft Lösungen.
• 22:22
  Speaker 1: und wenn ich mir... Also ich finde das stimmt auch.
• 22:24
  Speaker 1: also wenn ich versuche immer in Lösungen zu denken dann macht das was ganz anderes mit mir oder auch mit einem Prozess als wenn ich immer in diesem Problem verhaftet bin.
• 22:34
  Speaker 1: Also an dieser Stelle würde ich's nicht verbieten Probleme, aber ich würde Ihren Lösungsorientierten ansetzen.
• 22:44
  Speaker 0: Ja ist ein spannender Punkt!
• 22:45
  Speaker 0: Ich durfte und darf ja in einigen Unternehmen auch so ein bisschen beratend tätig sein und den Blickwinkel einnehmen zu wie können wir AI und Data nochmal wirklich Top-Down etablieren?
• 23:00
  Speaker 0: In vielen Organisationen habe ich am Anfang den falschen Ansatz gewählt und in den Gremien, im gleichen Gremium haben wir versucht Regulatory-Complaint Struktur für A aufzubauen und für Data.
• 23:14
  Speaker 0: Und auf der anderen Seite aber auch eine Lösung zu etablieren.
• 23:17
  Speaker 0: Bis ich verstanden habe dass wenn wie du sagst über Probleme sprechen können wir nicht mehr über Lösungen sprechen.
• 23:23
  Speaker 0: das ist einfach mein Zett technisch gar nicht möglich habe ich angefangen Themen zu trennen.
• 23:31
  Speaker 0: Also klar zu sagen, es gibt ein Risiko Kompleinsteam die sich um das Thema kümmern, die das auch spielerische erarbeiten, die gar nicht die Rolle später einnehmen sollen als Boomern sondern eher einfach die Aufgabe haben ist zu tun und auf der anderen Seite die die Chancen beschreiben und die dürfen wirklich komplett frei von was geht nicht erst mal denken und danach können wir uns Gedanken machen.
• 23:52
  Speaker 0: wie müssen wir etwas vielleicht theoretisch beschneiden oder verändern um die Möglichkeit zu haben?
• 23:59
  Speaker 0: Stimmt.
• 24:01
  Speaker 0: So der Klassiker, ich kenne das so ein bisschen bei... versuchte es jetzt gerade bei meiner Tochter immer wieder zu etablieren wenn ich sie sehe zu sagen sitzt an der Hausaufgaben und sagt Sie kann das nicht und will dann die Aufgabe lösen.
• 24:14
  Speaker 0: aber dieses Mainz-Satze haben man die Lösung heranzugehen und zu sagen Ich kriege das schon irgendwie hin.
• 24:18
  Speaker 0: ja vielleicht ist auch der Art und Weise wie ich an High Rocks rangehen sollte.
• 24:21
  Speaker 0: ich glaube ich mal gucken
• 24:26
  Speaker 1: Ja, aber wie du schon gesagt hast das sind eben große Transformationsprojekte.
• 24:29
  Speaker 1: Also es ist immer ein Change mit dabei.
• 24:34
  Speaker 1: Und Transformationen nicht nur in einem Sinne von einer IT-Transformation.
• 24:36
  Speaker 1: und dass sie eben so spannende viele denken.
• 24:38
  Speaker 1: immer wir haben hier eine IT-Transformation darum geht's aber nicht.
• 24:41
  Speaker 1: Es geht im Grunde genommen auch um dieses Thema Transformation in den Köpfen und da ist es glaube ich viel komplexer als das Thema IT-transformation.
• 24:51
  Speaker 0: Ich habe ja bis jetzt viele Fachbücher geschrieben.
• 24:53
  Speaker 0: Ich hatte überlegt, ob ich mich mal trauere ein Buch genau zu dem Thema zu beschreiben, dass dieses ... Digitalisierung ist glaube ich ein Unwort geworden.
• 25:07
  Speaker 0: Mal aufzuzeigen und zu verstehen wie man mit Leuten vielleicht sprechen kann sollte um das Thema der neuen Art und Weise, der Arbeitsweise zu etablieren.
• 25:17
  Speaker 0: Weil ich glaub wir haben immer noch diese Fronten!
• 25:19
  Speaker 0: Ja?
• 25:20
  Speaker 0: Die jungen Wilden oder die Leute aus der IT versus dem Business, die versuchen aufeinander und überhaupt nicht miteinander sprechen.
• 25:27
  Speaker 0: Vielleicht brauchen alle eine systemische Coach-Ausbildung aber das ist glaube ich der größte Punkt.
• 25:33
  Speaker 0: Ich
• 25:33
  Speaker 1: glaube auch dass es der Schlüssel ist Weil jeder kommt ja mit seinem Rucksack, mit seinen Bedürfnissen irgendwo hin.
• 25:41
  Speaker 1: Und ich hab mal die Hypothese, jeder versucht sein Bestes zu geben.
• 25:43
  Speaker 1: Aber dann, wie du schon sagst, dann kommen die jungen Wilden und vielleicht etwas Brügerin zusammen... Es gibt immer noch ganz viel Silo-Denken!
• 25:52
  Speaker 1: ...und das abzubauen, das schaffe ich eben nicht indem ich ein neues IT System hinstelle sondern das schaff' ich indem ich die Menschen zusammenbringe und motiviere gemeinsam an was zu arbeiten.
• 26:05
  Speaker 0: Warum haben wir das eigentlich noch nicht gelöst bekommen?
• 26:08
  Speaker 1: Ich glaube, es ist sehr komplex.
• 26:09
  Speaker 1: Und ich glaube auch dass in dem Kontext, in dem wir uns befinden tatsächlich neu gedacht wird.
• 26:22
  Speaker 1: also ich meine das Thema Kommunikation etc.
• 26:24
  Speaker 1: gibt's ja schon ewig oder schon sehr lange aber ich glaube in so einer pädagogischen Psychologie und so ist das deutlich etablierter weil da existiert es auch schon sehr lang.
• 26:36
  Speaker 1: In dem Kontext, Daten, Technik etc.
• 26:41
  Speaker 1: macht man sich vielleicht noch nicht so lange darüber da.
• 26:43
  Speaker 1: Wobei das Thema Data Culture zum Beispiel ja auch eins ist was jetzt immer mehr im Kommen ist wo immer mehr Leute sich Gedanken machen.
• 26:49
  Speaker 1: aber ich glaube es ist relativ frisch noch im Vergleich wenn wir das mal betrachten.
• 26:53
  Speaker 0: Wir haben ja vorhin über dieses Thema gesprochen oder ich habe mich erwischt und muss schmunzeln weil es eigentlich die falsche Einstellung ist.
• 27:02
  Speaker 0: Vorhin haben wir gerade überrascht, man muss positiv an ein Thema rangehen und ich war ja jetzt eigentlich sehr frech.
• 27:06
  Speaker 0: Und hatte dieses Vorurteil, Banken sind verstaubt.
• 27:09
  Speaker 0: Jetzt hört es vielleicht hier jemandem der sich überlegt im Thema Data einzusteigen aber auf der anderen Seite vielleicht Familie oder wie doch immer so einen Bankenbezug hat und Lust hätte wieder ein Thema Banken einzusteigend.
• 27:19
  Speaker 0: Wie würdest du den Personen mal aus dem Nähekästchen plaudern?
• 27:23
  Speaker 0: Warum ist das nicht mehr Verstaubtes?
• 27:28
  Speaker 0: Ich habe eher anscheinend die falsche Einstellung dazu.
• 27:32
  Speaker 1: Also es ist ein Klischee, das kommt wahrscheinlich von irgendeinem Klisches.
• 27:35
  Speaker 1: Kommen ja irgendwo her, genau.
• 27:38
  Speaker 1: Ich krede jetzt mal von uns.
• 27:39
  Speaker 1: also wir sind das Data Office in der Münchner Apotheken Bank und wir sind ein relativ junges dynamisches Team würde ich mal sagen.
• 27:48
  Speaker 1: Also Jung jetzt gar nicht einmal nur im Sinne von Alter.
• 27:50
  Speaker 1: Wir sind sehr, sehr bunt gemischt aber uns gibt es noch nicht so lange.
• 27:53
  Speaker 1: Uns gibt es seit gut zwei Jahren und da hat die Bank eben reagiert.
• 27:58
  Speaker 1: nach den Bedarfen bebraucht jemand der Zentral sich um das Thema Daten kümmert Und wir haben natürlich die Regulatorik, die uns so einen Rahmen vorgibt.
• 28:07
  Speaker 1: Was wir da zu tun haben und ansonsten sind wir aber in der Bank schon sehr frei wie wir was erarbeiten.
• 28:15
  Speaker 1: also Wir können Ideen einbringen.
• 28:17
  Speaker 1: Natürlich stimmen wir die ab.
• 28:18
  Speaker 1: Also wir machen jetzt nicht irgendwie Dinge Unmögliche Dinge Aber wir sind schon sehr free In der Gestaltung des Themas.
• 28:28
  Speaker 1: Dann gehen wir zum Vorstand stellen es vor, die Hierarchien sind sehr flach bei uns tatsächlich beziehungsweise.
• 28:34
  Speaker 1: Wir sind ja nicht so groß.
• 28:35
  Speaker 1: da kann man wirklich noch gestalten auch in der Bank in Summe und bei unserem Data Office eben auf jeden Fall.
• 28:43
  Speaker 1: Wir haben wir gelernen alle sehr viel dadurch dass wir ausprobieren wir sind mit ganz vielen Menschen in Kontakt weil wir im Schnittstelle sind für Fachbereiche und IT.
• 28:54
  Speaker 1: Aber ich habe ein paar IT-Kollegen, die sagen immer ihr seid der Fachbereich vor den Fachbereichen.
• 29:01
  Speaker 1: Also wir sind so Brückenbauer.
• 29:04
  Speaker 1: Ja also das ist auch was total Schönes Menschen zusammenzubringen, Themen voranzutreiben zu sehen dass das was entsteht und dass wir wirklich etwas entstehen lassen können.
• 29:17
  Speaker 1: Und das macht es glaube ich total spannend und deswegen ist das finde ich nicht so eingestaubt.
• 29:23
  Speaker 1: Wir hatten ja vorhin schon kurz zurückgesprochen, das ist nicht nur ein Thema für Banken.
• 29:29
  Speaker 1: Das ist auch ein Thema an alle Unternehmen.
• 29:32
  Speaker 1: Also jeder der mit Daten arbeitet hat diese Themen.
• 29:34
  Speaker 1: Wir sind halt ein bisschen mehr den Zwang in bestimmten Bahnen und im bestimmten Zeitrahmen abzuarbeiten aber das Thema ist genauso wenig eingestaubt oder eng gestaubt wie in einem Industrieunternehmen.
• 29:50
  Speaker 1: Und wir haben auch immer Werkstudenten.
• 29:53
  Speaker 1: Die haben fast alle mal verlängert, weil sie sich so wohl gefühlt haben bei uns.
• 29:59
  Speaker 0: Und die haben dann auch Interesse zu bleiben?
• 30:01
  Speaker 1: Die haben teilweise auch einen Interesse zum Mal davon abhängen.
• 30:04
  Speaker 1: Also in jeder Werkstunde natürlich wir bleiben.
• 30:07
  Speaker 1: es ist unterschiedlich von unterschiedlichen Interessen.
• 30:11
  Speaker 0: Als du begonnen hast warst du die erste Person, die sich mit dem Thema Data beschäftigt hatte, hattest du schon ein Team?
• 30:18
  Speaker 1: Das Team wurde schon gegründet und das Team war mit vier Kolleginnen Kollegen besetzt.
• 30:23
  Speaker 1: jetzt sind wir zwölf.
• 30:24
  Speaker 0: Was sind die Rollen, die da sind?
• 30:26
  Speaker 1: Wir haben ein Data Manager, der sich das ganze Thema Metadatenmodell und so weiter kümmert.
• 30:32
  Speaker 1: Wir haben einen Data Quality Manager, den wir bis dahin haben, um das Thema Datenqualität zu kümmern.
• 30:38
  Speaker 1: Wir sind Data Stewards, die wirklich die ersten Ansprechpersonen sind für die Fachbereiche wenn es Fragen gibt.
• 30:45
  Speaker 1: Sie kümmernt sich um Linnatestik, auch um DQ Issues usw.
• 30:49
  Speaker 1: Das ist unsere erste Anlog-Stelle.
• 30:52
  Speaker 1: Ein Data Governance Manager, der sich über das ganze Thema Rollenmodell kümmert.
• 31:01
  Speaker 1: Das ist auch ganz wichtig, dass wir Rollen haben und die etablieren.
• 31:05
  Speaker 1: Wir haben aber auch jemand, der ein Facharchitekt ist, der quasi als Pondautomatier-Architekten gerade im Bärhaus sehr aktiv unterwegs ist.
• 31:15
  Speaker 1: Also wir haben schon verschiedenste Rollen, die dem Ganzen gerecht werden.
• 31:20
  Speaker 1: Aber
• 31:20
  Speaker 0: ihr habt gar keine technische Ressourcen?
• 31:22
  Speaker 0: Also Data Engineer, Data Learn List...
• 31:23
  Speaker 1: Wir haben ein Business-Analyst schon, aber ansonsten... Aber
• 31:28
  Speaker 0: wo sitzen die Leute, die die Daten analysieren?
• 31:32
  Speaker 1: Die Daten analysierend für das tägliche.
• 31:33
  Speaker 1: Die sitzen in den Fachbereichen.
• 31:36
  Speaker 1: Und
• 31:36
  Speaker 0: die Data Engineers, die das Data Warehouse aufbauen?
• 31:39
  Speaker 0: Externe?
• 31:40
  Speaker 1: Nee, sie sitzen in der IT.
• 31:42
  Speaker 1: Wir sind aber in dem Programm oder in dem Projekt sind wir eben
• 31:46
  Speaker 0: gewerksübergreifend.
• 31:47
  Speaker 1: Genau, komplett übergreifend!
• 31:50
  Speaker 0: Ja spannend Aus dem Kontext der Bank macht es natürlich Sinn, eher die Qualitäts- und Complianceregulatorischen Rollen zu euch zu setzen.
• 32:01
  Speaker 0: Und sozusagen die anderen dezentral zu haben.
• 32:05
  Speaker 0: Bei FALKE war mir am Ende auch wichtig weil ich davon überzeugt bin dass es so nochmal besser funktioniert.
• 32:13
  Speaker 0: IT Data und AI zentral unter einer Führung
• 32:18
  Speaker 1: Hat total Vorteile.
• 32:19
  Speaker 1: natürlich hat auch bestürzt
• 32:21
  Speaker 0: Ist auch historisch
• 32:22
  Speaker 1: gewachsen, aber musst du mal einfach gucken was braucht die Organisation an der Stelle.
• 32:27
  Speaker 0: Ja macht vielleicht um Regulatorischen sind, muss man sich mal neben meiner Anleitung überlegen welche Möglichkeiten es gibt.
• 32:32
  Speaker 0: So spannend das ist so weil ich auch Feedback auf meine Bücher bekommen habe.
• 32:35
  Speaker 0: Ich hab ja Buch zugeschrieben zum Thema Datenorganisationen.
• 32:39
  Speaker 0: wenn du da für jede Branche je und dann auch muss er eine Matrix abbilden, Organisationsgröße.
• 32:47
  Speaker 0: Die ideale Szenarie mit vorn Nachteilen auf was?
• 32:50
  Speaker 0: Dann schreibst du ja nur noch ein Buch über die Art und Weise wie du Data Rollen aufbauen kannst.
• 32:55
  Speaker 0: Das ist ja gigantisch groß.
• 32:57
  Speaker 0: Kaum möglich.
• 32:59
  Speaker 1: Genau!
• 32:59
  Speaker 1: Und die Rollen sind ja oft sehr ähnlich und dann doch wieder anders an das Geschnitten einfach weil es passen muss.
• 33:05
  Speaker 0: Jetzt haben wir vorhin gesprochen, dass du systemische Beraterin bist.
• 33:16
  Speaker 0: Und dann blickst ja, hast auch selber gesagt noch ein bisschen anders auf Strukturen.
• 33:20
  Speaker 0: gab es einen Moment in deiner Karriere, indem Du fachlich alles richtig gemacht hast aber menschlich komplett gegen die Wand gelaufen bist.
• 33:30
  Speaker 1: Komplett gegen die Wand gelaufen?
• 33:39
  Speaker 1: Ich glaube es gab einen Punkt der also was mir einfällt dazu ist schon relativ lange her.
• 33:46
  Speaker 1: Ich erinnere mich an etwas, das man in der Vergangenheit ... ich hab nach dem Studium im Trainingprogramm gemacht.
• 33:51
  Speaker 0: Ja?
• 33:52
  Speaker 1: Und war hochmotiviert.
• 33:53
  Speaker 1: Hab eine Prüfung geschrieben, die habe ich irgendwie alle sehr gut bestanden.
• 33:58
  Speaker 1: Ich bin dann irgendwann nach dem Trainingprogrammen in den Job gegangen und war wirklich hochmotivert und fachlich für die Rolle, die man mir vorgesehen hatte, glaube ich, gut ereignet gewesen.
• 34:14
  Speaker 1: Und ich bin dann damals von der Führungsebene in eine Rolle gesetzt worden eben und da hatte ich nicht das Backing von der direkten Führungskraft beziehungsweise die direkte Führunskraft war nicht so glücklich damit.
• 34:38
  Speaker 1: Das hat mir zu schaffen gemacht, da habe ich mich überlegt wer kommt es was ist das?
• 34:42
  Speaker 1: weil ich ja eigentlich mich als Kompetent verstanden habe und für diese Rolle genau.
• 34:48
  Speaker 1: Und hab dann gelernt, dass es vielleicht nicht immer nur an der Kompetenz liegt sondern ich hab eben versucht über Kompetenzen zu überzeugen.
• 35:01
  Speaker 1: Hab aber dann verstanden das ganz viele andere Dinge da noch mit reinspielen und am Ende hat das vielleicht einfach einen ganz anderen Themen gelegen.
• 35:13
  Speaker 1: nämlich unausgesprochene Mandate, was sonst in so einer Organisation alles passiert.
• 35:20
  Speaker 1: Und habe dann begonnen einfach nochmal ganz anders zu reflektieren und da bin ich eben nicht an die Wand gelaufen.
• 35:26
  Speaker 1: aber es ist einfach nicht... Ich war total irritiert und da zu lernen okay es gibt noch ganz viele andere Dinge im System, die den Einfluss haben und die ich vielleicht berücksichtigen sollte.
• 35:43
  Speaker 0: Wenn morgen die Regulatorik wegfallen würde, würdest du deinen Job noch geben?
• 35:48
  Speaker 0: Ja.
• 35:50
  Speaker 1: Also Regulatory ist die eine Sache und aber die Überzeugung dass man eine gute Datenqualität braucht wie es glaube ich einfach da.
• 36:00
  Speaker 1: also an dem Thema wird immer gearbeitet werden.
• 36:04
  Speaker 1: von daher glaube ich schon dass sie noch da wäre.
• 36:06
  Speaker 0: Wo steht das Datenmanagement bei Banken in den nächsten vierundzwanzig Monaten?
• 36:11
  Speaker 1: Also wir persönlich werden ganz viele Dinge umgesetzt haben.
• 36:17
  Speaker 1: Unser Warehouse wird anders laufen, ich glaube das ist ja individuell.
• 36:21
  Speaker 1: aber ich glaube dass es deutlich weiter ist und auch dass das Bewusstsein deutlich weiter sein wird, dass hoffentlich Transformation stattgefunden hat nicht nur in der IT sondern auch in den Köpfen.
• 36:38
  Speaker 1: Ich
• 36:40
  Speaker 0: stelle meinen Gästen am Ende immer zwei Fragen.
• 36:43
  Speaker 0: Die eine Frage hat sich so ein bisschen geändert.
• 36:45
  Speaker 0: Das ist einmal ja der Filmtitel, wie würdest du die Folge mit einem Filmtitl und einem Serientitel betiteln?
• 36:51
  Speaker 0: Und die andere Frage ist so ein bißchen... ...und dies neu oder vermeintlich neu?
• 36:58
  Speaker 0: welche technische Errungenschaft?
• 37:00
  Speaker 0: wenn du auf ne Einsame innen zu geben würdest und nichts mitnehmen dürftest außer eins was wäre das
• 37:07
  Speaker 1: Wenn ich auf eine einsame Insel gehen dürfte, dürfte nur eins mitnehmen.
• 37:12
  Speaker 1: Ja
• 37:12
  Speaker 0: also ich würde sagen was könntest du alles verzichten aber auf was nicht?
• 37:17
  Speaker 0: Es darf nur eine Sache sein.
• 37:20
  Speaker 1: Im Datenkontext?
• 37:21
  Speaker 0: Im
• 37:23
  Speaker 1: technischen digitalen Kontext.
• 37:25
  Speaker 1: Wenn ich jetzt sage Stift und Papier ist es ein bisschen...
• 37:27
  Speaker 0: Das ist weniger digital.
• 37:28
  Speaker 1: Genau das ist weniger.
• 37:29
  Speaker 0: Das würde das Klischee wieder ein bisschen machen.
• 37:36
  Speaker 0: Wenn es ein iPad ist oder wie, wir heißen die digitalen Notizblöcke.
• 37:41
  Speaker 0: So was in der Art.
• 37:41
  Speaker 0: aber ja sonst würde ich's nicht gelten lassen.
• 37:43
  Speaker 0: Sonst
• 37:43
  Speaker 1: würde das nicht gelden?
• 37:44
  Speaker 1: Dann brauche ich einen iPad mit Solarpanel mitnehmen.
• 37:47
  Speaker 1: Okay.
• 37:47
  Speaker 1: Können
• 37:51
  Speaker 0: wir jetzt darüber diskutieren ob das zwei Dinge sind?
• 37:52
  Speaker 0: Aber ja
• 37:53
  Speaker 1: eingebaut.
• 37:56
  Speaker 0: Und Film und Serientitel
• 37:58
  Speaker 1: Der Mensch als essenzieller Erfolgsfaktor bei der Umsetzung im Datenmanagement
• 38:02
  Speaker 0: Ja cool Vielen vielen Dank für die Folge.
• 38:06
  Speaker 1: Ich sage danke.