Jim Wetekamp, Geschäftsführer von Riskonnect, schreibt, wie die Zusammenführung von isolierten Datenpunkten von internen und externen Interessengruppen das Risikomanagement optimieren und eine genaue Entscheidungsfindung in strategischer, operativer und situativer Hinsicht ermöglichen kann.
Die Globalisierung, der technologische Fortschritt und die anspruchsvollen Verbraucherwünsche verändern jeden Aspekt der Unternehmenslandschaft in exponentiellem Tempo und rufen ein noch nie dagewesenes Maß an geschäftlicher Innovation und Störung gleichermaßen hervor. Denken Sie nur an die Automatisierung von Produktionslinien, an künstliche Intelligenz in Maschinen, an virtuelle Realität in der Ausbildung, an die Verlagerung von Geschäftsmodellen von materiellen zu immateriellen Vermögenswerten und an neue Wirtschaftsformen in den Märkten für On-Demand und Sharing. Dadurch ändern sich auch die Anforderungen an das Risikomanagement. Der Schwerpunkt liegt auf einem echten Risikomanagement für Unternehmen, bei dem die Disziplin von der Finanz- oder Treasury-Abteilung bis an die vorderste Front der Unternehmen reicht. Und über das Unternehmen hinaus – bis hin zu Dritten, Lieferketten und in einigen Fällen auch zu Verbrauchern, die Waren über digitale Plattformen, mobile Apps und dergleichen kaufen.
Gleichzeitig steht die Risikobranche unter erheblichem Zeitdruck, um Risiken schnell zu lösen. Und für Unternehmen, die sich an die Öffentlichkeit wenden, verbraucherorientiert sind und zu den Kerninfrastrukturen gehören, besteht rund um die Uhr Druck, Risiken zu minimieren und zu managen – von Schadensfällen bis hin zum Umgang mit strategischeren Risiken, wie z.B. Reputationsschäden.
ÜBERBRÜCKUNG DER DATENLÜCKE
Dieses neue und sich schnell entwickelnde Umfeld erfordert einen ausgeklügelten Risikomanagementansatz, der durch Big Data und prädiktive Analysen optimiert wird. Die Daten müssen in ERM-Rahmenwerke eingebettet und konsolidiert werden und das gesamte Risikospektrum erfassen, einschließlich der Risikoinformationen von Dritten und Anbietern: deren Cybersecurity-Fußabdruck, Disaster-Recovery-Pläne und Zertifizierungen von Versicherungsdeckungen. Diese Informationen müssen mit dem eigenen Risikomanagement, den Versicherungs- und Schadendaten des Unternehmens kombiniert und mit den Versicherungsaktivitäten, der internen Revision und den Unternehmenszielen verknüpft werden. All diese Informationen sollten in einer Heatmap oder einem Dashboard zusammengeführt werden, um die Auswirkungen zu korrelieren und die strategischen Risiken des Unternehmens zu visualisieren. Die Vorteile sind dreifach und durchdringen alle Ebenen des Unternehmens – strategisch, operativ und situativ.
DREISTUFIGER VORTEIL
Auf strategischer Ebene wird der Nutzen in kognitiven Fähigkeiten und in Techniken wie Risikomodellierung und -simulation zu spüren sein. Dies wird Unternehmen dabei helfen, die Auswirkungen ihrer strategischen Entscheidungen zu verstehen und die optimale Schnittmenge von Risiken im Verhältnis zur Risikobereitschaft eines Unternehmens zu ermitteln. Nehmen Sie als Beispiel Fusionen und Übernahmen. Durch die Überlagerung der Wertindikatoren – z.B. Produktionskapazitäten, zeiteffiziente Lieferungen, logistische Vorteile, mehr geistiges Eigentum – mit den wahrscheinlichen Risiken lassen sich genauere Projektionen des Risikoprofils im Verhältnis zum Wert der Fusion oder Übernahme erstellen. Und dann können fundiertere Entscheidungen über Pläne zur Risikominderung getroffen werden. Auf operativer Ebene hilft ein Daten- und Predictive Analytics-System dabei, die Arbeitsabläufe in Bereichen mit hohem Volumen und niedrigen Kosten zu automatisieren. Nehmen Sie als Beispiel die Schadenbearbeitung. Mit Hilfe von Predictive Analytics lässt sich feststellen, wann ein potenzieller Schadensfall am frühesten eintritt, wie schwer er wahrscheinlich ist und ob ähnliche Schadensfälle zu erwarten sind. Muss ich mich sofort darum kümmern, oder kann ich die Nachbereitung automatisieren? Auf der situativen Ebene helfen die Daten bei der Priorisierung der aktuellen Arbeitsbelastung, indem sie die Ressourcen auf dringende Bereiche konzentrieren. In Verbindung mit der operativen Ebene helfen prädiktive Analysen dabei, einen Vorfall zu bewerten und zu bestimmen, welcher Anteil des Vorfalls operative Unterstützung erfordert oder nicht. Aber es gibt auch Herausforderungen. Aufgrund der Vielfalt, des Volumens und der Geschwindigkeit zahlreicher siloartiger Datenpunkte haben Unternehmen Probleme mit der Datenaufnahme sowie deren Qualität und Konsistenz. Diese Herausforderungen wirken sich kaskadenartig auf die Risikomanager aus, die wiederum Schwierigkeiten haben, die Bedeutung der Daten zu extrahieren – die Art von Bedeutung, die eine strategische, operative und situative Entscheidungsfindung unterstützen würde. Genau hier kann Riskonnect Unternehmen unterstützen. Wir haben zahlreichen Kunden geholfen, Silos zu verbinden, indem wir Datenpunkte über Mitarbeiter, Kunden, Vermögenswerte (Maschinen, Gebäude) bis hin zu Versicherungspolicen und -verfahren, Arbeitsabläufen, Auditberichten und Ursachenanalysen so zusammengeführt haben, dass im Falle eines Vorfalls das Risiko korreliert werden kann, um aussagekräftige Analysen zu erstellen. Unser Ziel ist es, die Datenlücken zu schließen und eine einheitliche Sicht auf das gesamte Unternehmen und darüber hinaus zu bieten.
Ursprünglich veröffentlicht in https://www.strategic-risk-europe.com/