Das unsichtbare Rückgrat des Bankwesens: Ein tiefer Einblick in Matching und Reconciliation

Letztes Jahr feierte ich zwei Jahrzehnte Erfahrung in der IT, insbesondere im Finanzdienstleistungssektor. In dieser Zeit war ich Zeuge bemerkenswerter Veränderungen im Bankwesen und in der Technologie. Das Aufkommen von Fintech-Unternehmen und ihr kundenorientierter Ansatz haben zusammen mit bedeutenden Fortschritten in der Softwareentwicklung wie agilen Methoden, Microservices und Cloud Computing die Landschaft verändert. Interessanterweise sind die Back-Office-Abläufe vieler Finanzdienstleistungsunternehmen in diesen Jahren jedoch relativ statisch geblieben und haben immer noch mit Problemen zu kämpfen manuelle Codierung, sich wiederholende Aufgaben und starke Abhängigkeit von Excel.

Ein besonders manueller und dennoch automatisierbarer Prozess im Finanzdienstleistungsbereich ist Matching und Versöhnung. Dieser Prozess findet in verschiedenen Formen statt, z. B. von der Identifizierung und Behebung von Diskrepanzen (typischerweise aufgrund von Problemen oder Lücken bei den Integrationen) bei Master-Slave-Integrationen bis hin zur Korrektur oder Entfernung von Duplikaten und halbautomatischen Aktualisierungen von Betriebssystemen mit Daten aus externen Quellen.

Trotz Verfügbarkeit von ausgefeilte Software (z. B. FIS IntelliMatch, Calypso Bestätigungs-Matching, Misys CMS, Temenos T24 Bestätigungs-Matching…​) für spezifische Abstimmungsaufgaben, wie z. B. Zahlungs- und Handelsbestätigungs-Matching (häufig basierend auf SWIFT-Nachrichten), die Die meisten Matching-Aufgaben basieren häufig auf benutzerdefinierten oder manuellen Lösungen, einschließlich Excel oder sogar papierbasierter Methoden. Sehr oft ist auch die Automatisierung nicht relevant, da der Abgleich oft mit einmaligen Aktionen wie Marketingkampagnen, Datenbereinigungen, Abstimmung mit Partnern usw. verbunden ist

Um eine bessere Versöhnung zu verstehen, ist es erforderlich seine Bestandteile zerlegen, Ie

• Es beginnt mit Sammeln und Umwandeln der unterschiedlichen Datensätze zur Vergleichbarkeit. Dies besteht aus der Wiederherstellung von zwei Datensätzen, die in unterschiedlichen Formaten, unterschiedlichen Strukturen, unterschiedlichen Bereichen und mit unterschiedlichen Namen oder Aufzählungen geliefert werden können. Die Daten müssen transformiert werden, um sie vergleichbar zu machen, und in dasselbe Tool (z. B. eine Datenbank oder Excel) geladen werden, damit sie leicht verglichen werden können.

• Der nächste Schritt ist die Definition von a präziser Matching-Algorithmus. Dies kann ein einfacher eindeutiger Schlüssel sein, es kann aber auch eine Kombination aus mehreren Attributen (zusammengesetzter Schlüssel), eine hierarchische Regel (d. h. Übereinstimmung zuerst mit Schlüssel 1, wenn keine Übereinstimmung vorhanden ist, versuchen Sie es mit Schlüssel 2 …) oder eine Fuzzy-Regel (wenn Schlüssel (Wenn der Schlüssel von Datensatz 1 dem Schlüssel von Datensatz 2 ähnelt, handelt es sich um eine Übereinstimmung). Die Definition dieses Matching-Algorithmus kann sehr komplex sein, ist aber entscheidend für die Fähigkeit, den Matching zu automatisieren und eine gute Ausgabequalität zu erreichen.

• Sobald der Matching-Algorithmus definiert ist, geben wir den ein Vergleichsphase. Bei kleinen Datensätzen kann dies ganz einfach durchgeführt werden, bei sehr großen Datensätzen kann es jedoch alle Arten von Leistungsoptimierungen (wie Indizes, Segmentierung, Parallelität usw.) erforderlich machen, um den Vergleich in angemessener Zeit durchzuführen.

• Schließlich Erkannte Diskrepanzen müssen in umsetzbare Ergebnisse umgesetzt werdenB. Berichte, Mitteilungen an Kollegen oder Dritte oder Korrekturmaßnahmen (z. B. Generierung von Dateien, Nachrichten oder SQL-Anweisungen zur Behebung der Unterschiede).

Die Komplexität des Matchings im Finanzdienstleistungsbereich ist vielfältig. Lassen Sie uns erkunden einige typische Anwendungsfälle in der Finanzdienstleistungslandschaft:

• Die meisten Banken haben eine Wertpapierstammdatei, der alle Wertpapiere beschreibt, die sich bei der Bank befinden oder gehandelt werden können. Diese Datei muss in viele Anwendungen integriert werden, muss aber auch von mehreren Datenquellen wie Telekurs, Reuters, Bloomberg, Moody's usw. gespeist werden. Das bedeutet, dass ein Wertpapier eindeutig zugeordnet werden muss. Leider gibt es nicht eine eindeutige Kennung, die alle Wertpapiere beschreibt. Öffentlich gehandelte Instrumente haben einen allgemein vereinbarten ISIN-Code, private und OTC-Produkte wie z. B. die meisten Derivate jedoch normalerweise nicht. Banken haben daher interne Identifikatoren erfunden, verwenden gefälschte ISIN-Codes (normalerweise beginnend mit einem „X“) oder verwenden zusammengesetzte Schlüssel, um das Instrument eindeutig zu identifizieren (z. B. kann dies bei einem Derivat eine Kombination aus Ticker des zugrunde liegenden Wertpapiers, Ausübungspreis, Optionstyp usw. sein). Verfallsdatum).

• Im Privatkundengeschäft ist dies natürlich unerlässlich eine bestimmte physische Person eindeutig identifizieren und zuordnen. Doch selbst in einem entwickelten Land wie Belgien ist dies leichter gesagt als getan. Jede Person in Belgien hat eine nationale Registernummer, daher scheint dies die offensichtliche Wahl für einen passenden Schlüssel zu sein. Leider beschränken die belgischen Gesetze die Verwendung dieser Nummer auf bestimmte Anwendungsfälle. Darüber hinaus gibt es diese Kennung für Ausländer nicht und sie kann sich im Laufe der Zeit ändern (z. B. erhalten ausländische Einwohner zunächst eine vorläufige nationale Registernummer, die sich später in eine endgültige ändern kann, oder im Falle einer Geschlechtsumwandlung ändert sich auch die nationale Registernummer). Eine weitere Möglichkeit ist die Verwendung der Personalausweisnummer, diese ist jedoch auch für Ausländer unterschiedlich und ändert sich alle 10 Jahre. Viele Banken verwenden daher komplexere Regeln, wie einen Abgleich basierend auf Vorname, Nachname und Geburtsdatum, aber natürlich bringt dies auch alle möglichen Probleme mit sich, wie Duplikate, Schreibunterschiede und Fehler in den Namen, Verwendung von Sonderzeichen im Namen…​

• Ein sehr ähnliches Problem ist Passend zu einem Unternehmen oder genauer gesagt zu einem Geschäft. In Belgien hat jedes Unternehmen eine Firmennummer, die der Umsatzsteuer-Identifikationsnummer ähnelt (ohne das Präfix „BE“), aber auch diese ist sehr national und eine Umsatzsteuer-Identifikationsnummer kann mehrere Standorte haben (z. B. mehrere Geschäfte). Es gibt ein Konzept einer „Filialennummer“ („vestigingsnummer“ auf Niederländisch), aber dieses Konzept ist nicht sehr bekannt und wird selten verwendet. Ähnlich gibt es den LEI-Code (Legal Entity Identifier), einen Code aus einer Kombination aus 1 Buchstaben und Codes, der ein Unternehmen weltweit eindeutig identifiziert. Leider haben nur große Unternehmen einen LEI-Code beantragt, sodass dies für kleinere Unternehmen nicht wirklich eine Option ist.
  Auch hier werden oft komplexere Zuordnungen durchgeführt, wie etwa eine Kombination aus Umsatzsteuer-Identifikationsnummer, Postleitzahl und Hausnummer, aber offensichtlich ist dies alles andere als ideal. Auf der Suche nach einer eindeutigen und allgemein bekannten Kennung wird auch immer häufiger die Google-ID verwendet, aber die Abhängigkeit von einem kommerziellen Unternehmen kann auch ein großes betriebliches Risiko darstellen.

• Ein weiterer interessanter Fall ist der Abgleich einer Autorisierung und der Clearing-Nachricht bei einer VISA-Kartenzahlung. Normalerweise sollte eine eindeutige Kennung mit beiden Nachrichten übereinstimmen, aber aufgrund aller Arten von Ausnahmefällen (z. B. Offline-Autorisierungen oder inkrementelle Autorisierungen) ist dies nicht immer korrekt. Daher ist eine komplexere Regel erforderlich, die mehrere Identifikatoren, aber auch andere Übereinstimmungskriterien wie Acquirer-ID, Händler-ID, Terminal-ID, PAN (Kartennummer), Zeitstempel und/oder Betrag berücksichtigt.
  Diese Art des Abgleichs gilt auch für andere Zahlungsanwendungsfälle, wie z. B. den Abgleich einer abgeschlossenen Vorautorisierung mit der vorangegangenen Vorautorisierung oder einer Rückerstattung mit einem früheren Kauf.

• Ein finanzieller Anwendungsfall, der fast jedes Unternehmen betrifft, ist Rechnungs- und Zahlungsabgleich. Wenn ein Unternehmen eine Rechnung ausstellt, muss es erkennen können, wann die Rechnung als bezahlt gelten kann. Dies ist wichtig für die Buchhaltung, aber auch um zu sehen, ob Mahnungen für unbezahlte Rechnungen verschickt werden sollen.
  Um die Zahlung eindeutig der Rechnung zuzuordnen, wird in Belgien typischerweise ein strukturierter Kommentar in der Zahlungsanweisung verwendet. Dieser einzigartige Code mit Prüfziffer bietet eine eindeutige passende Referenz. Leider vergessen Kunden oft, den strukturierten Kommentar einzugeben oder verwenden den falschen (z. B. Kopieren/Einfügen einer früheren Rechnung). Das bedeutet, dass ein Unternehmen über eine Ersatzregel für den Abgleich verfügen muss, falls der unstrukturierte Kommentar fehlt oder falsch ist. Typischerweise kann eine Kombination aus Zahlungsbetrag, Zahlungsdatum, IBAN der Gegenpartei und/oder Name der Gegenpartei eine alternative Möglichkeit zum Abgleich dieser Rechnungen bieten.

Wie Sie sehen, ist das Matching alles andere als einfach, aber das Verständnis der grundlegenden Schritte kann zu besseren Matchings beitragen. In der Zwischenzeit bleibt Excel trotz seiner Einschränkungen ein leistungsstarkes Werkzeug für den (manuellen) Abgleich. Deshalb a Kurze Erinnerung für alle, die den Abgleich in Excel durchführen möchten:

• Verwenden Sie die VLOOKUP, um den Abgleich durchzuführen. VLOOKUP weist jedoch bestimmte Einschränkungen auf, z. B. die Tatsache, dass es eine Fehlermeldung ausgibt, wenn es keine Übereinstimmung gibt, und dass Sie nur in der ersten Spalte suchen können. Eine leistungsstarke Alternative ist die Verwendung XLOOKUP, bei dem diese Einschränkungen nicht gelten.

• Wenn du einen brauchst zusammengesetzter Suchschlüssel, fügen Sie Ihrem Suchdatensatz eine Spalte mit dem zusammengesetzten Suchschlüssel hinzu (dh verketten Sie die verschiedenen Attribute, z. B. mit „#“ als Trennzeichen) und verwenden Sie dann VLOOKUP/XLOOKUP, um in dieser neuen Spalte zu suchen.

• Manche Aufmerksamkeitspunkte bei Verwendung von SVERWEIS:

  • Vergessen Sie nicht, „false“ als letztes Argument der Funktion VLOOKUP hinzuzufügen, um eine genaue Übereinstimmung sicherzustellen.

  • Stellen Sie sicher, dass die Datenformate identisch sind. Beispielsweise stimmen eine Zahl „123“ und der Text „123“ nicht überein, daher ist es wichtig, sie zuerst in das gleiche Format zu konvertieren. Gleiches gilt für Bezeichner, die mit führenden Nullen beginnen. Häufig wandelt Excel diese in Zahlen um, wodurch die führenden Nullen entfernt werden und es zu keiner Übereinstimmung kommt.

  • Verwenden Sie in Excel keine Datensätze mit mehr als 100.000 Zeilen. Größere Datensätze sind problematisch für die Leistung und Stabilität von Excel.
    Es kann auch interessant sein, den Berechnungsmodus auf „Manuell“ zu stellen, wenn Sie mit VLOOKUP an großen Datensätzen arbeiten, da Excel sonst alle VLOOKUPs jedes Mal neu berechnet, wenn Sie eine geringfügige Änderung an den Daten vornehmen.

  • VLOOKUP hat die zurückzugebende Spaltennummer als drittes Argument. Diese Zahl wird beim Hinzufügen oder Entfernen von Spalten nicht dynamisch angepasst. Denken Sie also daran, sie beim Hinzufügen oder Entfernen von Spalten anzupassen.

  • Wenn Sie nur eine Übereinstimmung wünschen, können Sie die Formel „=IF(ISERROR(SVERWEIS( , ,1,false),“NO MATCH“,“MATCH“)“

Diese Tricks können dabei helfen Beschleunigen Sie Ihre manuellen Abgleiche, aber offensichtlich ist echte Automatisierung immer besser.

Matching im Finanzdienstleistungsbereich ist ein vielschichtige Herausforderung, aber das Verständnis seiner grundlegenden Schritte ist der Schlüssel zur Verbesserung der Ergebnisse. Während Tools wie Excel vorübergehende Lösungen bieten, liegt die Zukunft in der intelligenten Automatisierung, die diese Prozesse erheblich rationalisieren kann. Für diejenigen, die tiefer in die Matching-Komplexität oder Automatisierung eintauchen möchten, kann der Einsatz fortschrittlicher Tools und Plattformen, einschließlich KI-gesteuerter Lösungen wie ChatGPT, sowohl Einblicke als auch praktische Lösungen bieten.

Schauen Sie sich alle meine Blogs an https://bankloch.blogspot.com/

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
• Quelle: https://www.finextra.com/blogposting/25297/the-unseen-backbone-of-banking-a-deep-dive-into-matching-and-reconciliation?utm_medium=rssfinextra&utm_source=finextrablogs