Data Scientists verbringen eine Menge Zeit mit Daten. Dabei gilt immer – von der Anwendung von Machine-Learning-Modellen bis hin zum Trainieren von KI-Modellen: Mit der Datenqualität stehen und fallen die Ergebnisse. Analytics und Data Science stellen jedoch nicht nur Ansprüche an Datenqualität. Sie können auch dazu beitragen, diese zu verbessern.
Die Erfahrung aus Lehman Brothers oder dem Zahlungsausfall bei griechischen Staatsanleihen hat gezeigt, dass die bisherigen bankinternen Strukturen zur Steuerung der Institute nicht mehr der Vielzahl an Marktänderungen gerecht werden. Im Januar 2013 veröffentlichte das Basel Committee on Banking Supervision die „Grundsätze für die effektive Aggregation von Risikodaten und die Risikoberichterstattung“
Lenin und ich sitzen im Publikum und applaudieren heftig: Seine Chefin hat ihren Vortrag beendet über „Datenqualität als Erfolgsfaktor im Internet of Things“. „Kein Datenqualitätsprojekt ohne Hilfe von oben“, raunt Lenin mir zu, "Unterstützung vom Boss ist manchmal wichtiger als tolle Software." Ich will beleidigt darauf hinweisen, dass seine Chefin
