Die Herausforderung: Demokratisierung des Datenzugangs
Daten sind ein zentraler Bestandteil der Entscheidungsprozesse bei Itaú und fest in der Unternehmenskultur verankert. Der Zugang zu wesentlichen Informationen über verwaltete und administrierte Assets war jedoch weitgehend auf Mitarbeitende im Bereich Investment Services beschränkt.
Um fundiertere Entscheidungen im gesamten Unternehmen zu ermöglichen, sollten diese Daten auch anderen Geschäftsbereichen, Analyst:innen und operativen Teams zugänglich gemacht werden. Ziel war es, den Mitarbeitenden das Finden, Abgleichen und Nutzen relevanter Informationen zu erleichtern – ohne lange Wartezeiten, ohne Abhängigkeit von spezialisierten Datenteams und bei gleichzeitig klar geregelter Datensicherheit und Governance. Eine solche Form der Datendemokratisierung reduziert den manuellen Aufwand, Daten aus unterschiedlichen Systemen zusammenzuführen, zu konsolidieren und Inkonsistenzen vor der Nutzung zu bereinigen.
„Wir standen vor der Herausforderung, unsere Data-Democratization-Agenda im Unternehmen deutlich zu beschleunigen“, sagt Ellen de Vasconcelos, Technology Manager im Bereich Investment Services bei Itaú. „Unser Ziel war es, internen Nutzerinnen und Nutzern nahezu in Echtzeit konsolidierte Informationen in einem Data Lake bereitzustellen.“
Um schneller auf Marktanforderungen und interne Bedürfnisse reagieren zu können und letztlich einfachere, schnellere und konsistentere Customer Journeys zu unterstützen, war ein stärker verteiltes und besser zugängliches Data-Governance-Modell erforderlich.
Modernisierung der Datenarchitektur
Itaú setzte die Initiative auf einer Datenarchitektur auf, die dem Data-Mesh-Ansatz folgt. Ein Data Mesh basiert auf vier zentralen Prinzipien: Domain Data Ownership, Data as a Product, eine Self-Service-Datenplattform und föderierte Governance.
Dieser Ansatz verlagert die Verantwortung für Daten näher an die jeweiligen Geschäftsdomänen. Daten werden als Produkt verstanden und so strukturiert bereitgestellt, dass Teams einfacher auf für sie relevante Informationen zugreifen können. Gleichzeitig verbindet das Modell einen breiteren Datenzugang mit klaren Standards für Sicherheit, Datenschutz und regulatorische Compliance, einschließlich der Ausrichtung an Brasiliens General Data Protection Law (LGPD).
Damit wurde deutlich, dass eine dedizierte technische Architektur erforderlich war, die auf Events und modularen Komponenten basiert.
Herausforderungen
Begrenzter Datenzugang und verzögerte Aktualisierung
Vor der Modernisierung stand der Bereich Investment Services vor der Herausforderung, Daten zeitnah bereitzustellen und aktuell zu halten. Verzögerungen beeinträchtigten den Informationsfluss zu den Teams, die auf diese Daten angewiesen waren, und reduzierten die operative Effizienz.
Fragmentierte Datenquellen
Die Daten waren auf unterschiedliche Quellen und Formate verteilt, jeweils mit eigenen Kontrollmechanismen. Das erschwerte Integration und Standardisierung erheblich und begrenzte die Möglichkeit, bereichsübergreifend vergleichende Analysen durchzuführen.
Laut Kelly Nascimento, IT Director bei NTT DATA, war ein einheitlicher Ansatz für Datenaufnahme und -verteilung entscheidend, um Konsistenz und Verlässlichkeit der Informationen zu verbessern. Alexandre Gusson, Director Business IT and Strategic Alliances bei NTT DATA, ergänzt, dass ein neues Modell erforderlich war, um Kennzahlen zu standardisieren und Leistungsindikatoren (KPIs) zu entwickeln. Nur so lassen sich präzisere Vergleiche und konsistente Insights im gesamten Unternehmen sicherstellen.
„Wir haben uns für NTT DATA entschieden, weil das Unternehmen technologische Expertise in der Datenarchitektur mit umfangreicher Erfahrung in großen Projekten im Finanzsektor verbindet. Die Partnerschaft brachte Struktur in komplexe Projektphasen und einen klaren Fokus auf geschäftliche Ergebnisse.“
Die Lösung: Implementierung einer neuen Architektur
NTT DATA verfolgte gemeinsam mit Itaú einen phasenweisen und kollaborativen Ansatz, der technologische Expertise mit der strategischen Zielsetzung der Bank hinsichtlich Plattform und Datendomänen verband.
Im ersten Schritt wurden jene Datendomänen identifiziert und priorisiert, die den größten geschäftlichen Mehrwert versprachen. Darauf aufbauend entwickelte das Team eine ereignisgesteuerte Architektur (Event-driven Architecture), die Daten nahezu in Echtzeit verarbeiten und orchestrieren kann. Dadurch verbesserten sich Kontrolle über Datenaktualisierungen, Konsistenz und Nachvollziehbarkeit deutlich.
Zur Validierung des Ansatzes wurde ein Pilotprojekt in einer einzelnen Domäne umgesetzt. So konnte der vollständige Datenfluss konzipiert und getestet werden, bevor die Skalierung erfolgte. Der Pilot umfasste alles von Datenkatalogen, Application Programming Interfaces (APIs) und Dashboards bis hin zu klar definierten Adoptionsmetriken.
„Dieser Ansatz wurde durch Apache Kafka ermöglicht, das als Kommunikationsrückgrat zwischen den Systemen fungiert und Daten effizient über die verschiedenen Ebenen des Data Mesh verteilt“, erklärt Michel Gobbato, Head of Financial Services bei NTT DATA. „Itaú verfügt nun über einen hochgradig reaktionsfähigen und skalierbaren Datenfluss.“
Nutzung eines Open Table Formats
Die Einführung von Open Table Formats, insbesondere des Apache-Iceberg-Formats, spielte eine zentrale Rolle bei der flexibleren und zuverlässigeren Steuerung großer Datenvolumen. Iceberg bietet Funktionen wie Versionskontrolle, Schema-Evolution und Query-Optimierung.
„Wir gehörten zu den ersten Geschäftsbereichen, die Open Table Formats und das Iceberg-Format eingeführt haben“, sagt Ellen de Vasconcelos. „Dadurch konnten wir eine eventflussorientierte Architektur auf Basis von Kafka sowie eine Microservices-basierte Data-Ingestion-Pipeline aufbauen.“
Diese Funktionen ermöglichen inkrementelle Datenaktualisierungen, beschleunigen komplexe Abfragen und erhöhen die Zuverlässigkeit der Datenverarbeitung. Die Pipeline hat sich inzwischen als Standard etabliert, um Daten in die Plattform einzubringen und sie für Analysen im Bereich Investment Services bereitzustellen.
Orchestrierung von Microservices mit AWS Step Functions
Um Effizienz und Modularität im gesamten Data-Ingestion-Prozess zu erhöhen, setzte Itaú auf AWS Step Functions zur Koordination der beteiligten Microservices für das Lesen, Transformieren und Anreichern von Daten. Der visuelle Workflow-Service erleichtert die Entwicklung, Steuerung und Wartung verteilter Anwendungen und verschafft den Teams mehr Transparenz und Kontrolle.
Durch den Einsatz dieser Lösung konnte die Bank Reaktionszeiten deutlich reduzieren und zugleich die Resilienz der Architektur stärken. Die Umgebung ist nun besser darauf vorbereitet, mit wachsenden geschäftlichen Anforderungen zu skalieren.
Entwicklung von Orange Flow – ein skalierbares Framework
Durch die Kombination von Apache Kafka, Apache Iceberg und AWS Step Functions entwickelte Itaú Orange Flow – ein Data-Flow-Framework, das verschiedenen Teams und Data-Communities im Unternehmen zur Verfügung steht.
Orange Flow standardisiert und automatisiert die Prozesse zur Datenerfassung und -verteilung. Damit wurde die Grundlage geschaffen, denselben Ansatz auch in weiteren Bereichen der Bank anzuwenden.
Die Lösung basiert auf der systemweiten Steuerung von Datenflüssen, ergänzt durch Echtzeit-Monitoring und visuelle Workflows, die Entwicklung, Verwaltung und Skalierung verteilter Anwendungen vereinfachen.
„Die Entscheidung, ein eigenes Produkt zu entwickeln, haben wir nicht leichtfertig getroffen“, sagt Fabio Rocha, Initiator von Orange Flow und Leiter des Data Engineering Chapter im Bereich Investment Services. „Wir haben mehrere Marktangebote geprüft, sind jedoch zu dem Schluss gekommen, dass eine eigene Technologie, abgestimmt auf unser gewähltes Cloud-Modell sowie auf die technischen und fachlichen Anforderungen unserer Teams, mittel- und langfristig die bessere Lösung ist.“
Die Lösung umfasst ein kontinuierliches Monitoring mit KPIs, die sich auf Nutzung und Zugriff konzentrieren, sowie regelmäßige Review-Zyklen zur Weiterentwicklung von Architektur und Governance. Orange Flow wurde so konzipiert, dass es zuverlässig skaliert und zugleich eng an den geschäftlichen Anforderungen ausgerichtet bleibt.
Die Vorteile: Schnellere Datenverfügbarkeit
Mit der neuen Architektur reduzierte Itaú die Zeit bis zur Bereitstellung von Daten um rund 70 Prozent. Transaktionsdaten erreichen das Data Mesh nun in weniger als zehn Minuten. Das ermöglicht deutlich schnellere Reaktionen auf geschäftliche Anforderungen und Kundenbedürfnisse.
Effiziente Verarbeitung im großen Maßstab
Im Bereich Investment Services können täglich mehr als 650.000 Events verarbeitet und rund 2 Millionen Datenflüsse mit AWS Step Functions orchestriert werden. Das reduziert Nacharbeiten und stärkt vor allem das Vertrauen in die Verlässlichkeit der genutzten Informationen.
Demokratisierung von Informationen mit klarer Governance
„Mehr als 3.100 Tabellen wurden demokratisiert. Das entspricht rund 40 Prozent der für das Geschäft relevantesten Daten“, sagt Ellen de Vasconcelos. Sämtliche Informationen stehen unter klar definierten Governance-, Datenschutz- und Sicherheitsvorgaben zur Verfügung.
Direkter Einfluss auf die Customer Experience
Die modernisierte Architektur, der verbesserte Datenzugang und die daraus resultierende operative Effizienz wirken sich unmittelbar auf die Customer Experience (CX) aus. Die höhere Aktualität und Genauigkeit der Informationen ermöglichen personalisierte und flexible Lösungen, die stärker an den Bedürfnissen der Investoren ausgerichtet sind.
Durch automatisierte Prozesse und nahezu in Echtzeit verfügbare Daten stärkt Itaú seine Position als führendes Institut mit intelligenten, effizienten und kundenzentrierten Services.