DATENQUALITÄT ERHÖHEN
Warum schlechte Daten jedes Risikomanagement zerstören
Schlechte Datenqualität führt nicht einfach zu kleinen Ungenauigkeiten – sie führt zu Fehlentscheidungen, Scheinsicherheit, falschen Prioritäten und teuren Maßnahmen, die am Ryzyko vorbeisteuern
Typische Folgen schlechter Datenqualität:
- Fehlentscheidungen im Management
- geringe Akzeptanz im Unternehmen
- ineffiziente und teure Steuerungsmaßnahmen
- verzerrte Exposure‑Berechnungen
- falsche Risikoklassen
- mangelnde Transparenz
Kurz: Schlechte Datenqualität ist ein eigenes Risiko im Risikomanagement.
Problem Nr. 1: Risikonamen
- zu lang
- zu vage und kreativ
- nicht ein-eindeutig
- doppelt (in verschiedenen Sprachen)
- ganze Sätze statt Begriffe
Ein Risikoname ist kein Roman. Er ist die erste Verteidigungslinie gegen Chaos.
Problem Nr. 2: Risikobeschreibung
- zu technisch
- zu abstrakt
- unvollständig
- unverständlich
Wenn ein Risikoverantwortlicher seinen eigenen Text nicht erklären kann, ist die Beschreibung nahezu wertlos.
Problem Nr. 3: Risikobewertung (Methodik)
- Vorgabe falscher Verteilungsfunktionen
- Modelle abhängig vom verwendeten MC-Simulator
- Übernahme der Bewertung durch Risikomanager
Häufig werden falsche Verteilungsfunktionen für Risiken verwendet (z.B. Dreiecks– anstatt Drei-Punkt-Verteilung). Das führ zu massiven Ergebnisfehlern (grösser als System- oder Modellfehler).
Problem Nr. 4: Risikobewertung (Know How)
- Verteilungsfunktionen auszuwählen
- Parameter und Momente zu definieren / schätzen
- mathematische Modelle zu verstehen
Das ist unrealistisch. „Die Wahl der Verteilungsfunktion ist für 90% ungeschulter (!) RV nicht korrekt machbar.“
Risikoverantwortliche sind keine Finanzmathematiker. Sie sollen schätzen, nicht modellieren.
kORREKTE verteilungsfunktionen
Der Klassiker - Dreiecksverteilung vs. Dreipunktverteilung
Die Wahl der richtigen Verteilungsfunktion hat massiven Einfluss auf die Wyniki symulacji und berechneten Risiko-Exposures.
In der Praxis ist ein häufig erkennbarer Fehler bei der Auswahl der Verteilungsfunktion, dass Risiken fälschlicherweise mit Dreiecksverteilungen charakterisiert / bewertet werden, obwohl sie:
- diskret verteilt,
- asymetrisch,
- heavy-tailed
sind. Risikobeispiele sind Cyber-Attacks, Werksbrand, Compliance-Verstösse, Naturkatastrophen, etc.
Kurz: Diese Risiken brauchen Drei‑Punkt‑Schätzungen (Best‑, Normal‑, Worst‑Case), keine Dreiecksverteilungen.
WARUM?
Eine Dreiecksverteilung erzeugt:
- erfundene Wahrscheinlichkeiten
- Übergewichtung des Most‑Likely‑Schadens
- massive Unterschätzung von Tail‑Risiken
- künstliche Begrenzung der Verteilung
Kurz: Eine Dreiecksverteilung ist für diese Risikotypen zu simpel und methodisch falsch.
Bei der Risikobewertung mit Verteilungsfunktionen bestehen 3 gravierende Risiken:
80%
der Risikoverantwortlichen sind mit der Auswahl von Verteilungsfunktionen und deren Bewertung überfordert.
70%
der zentralen Risikomanager geben die VT-Funktionen vor und führen auch die Bewertungen durch.
60-80%
der Ergebnisse sind verzerrt, weil ungeeignete Verteilungsannahmen und Parameter die Fehler stärker treiben als das Modell selbst.
Checkliste Risikoverantwortliche
Checkliste für Risikoverantwortliche
Nachstehend eine kurze Checkliste für Risikoverantwortliche, um die Datenqualität zu erhöhen.
-
Eindeutige und kurze Risikonamen (max. 3-5 Worte; Substantive an den Anfang)
-
Verständliche Beschreibungen (Auslöser, Ursache, Auswirkung)
-
Schätzfehlerreduktion (Erfahrungswerte, Plausibilitäten, Vermeidung Extrembewertzungen)
-
Realistische und nachvollziehbare Schätzung
-
Auditfeste Angaben (Ableitung und Erläuterung der Inhalte)
Datenqualität entscheidet über die Akzeptanz des Risikomanagements
Datenqualität entscheidet darüber, ob Risikomanagement ein Steuerungsinstrument oder ein Dokumentations-Tool ist. Fehlerhafte oder inkonsistente Daten verzerren Ergebnisse stärker als jede Methodik, während hochwertige Daten die Bewertung stabilisieren, Schätzfehler minimieren und die Risikosteuerung erst verlässlich machen. Datenqualität ist damit der wichtigste Erfolgsfaktor im gesamten Risikoprozess.
