Finanzdaten sind sensibel, persönlich und unterliegen strengen Vorschriften.
Unternehmen im Finanzdienstleistungssektor stehen vor besonderen Herausforderungen, wenn es darum geht, die in ihrem Besitz befindlichen Kundendaten zu sichern und sicherzustellen, dass sie Compliance-Anforderungen für verschiedene Vorschriftenund verwalten ihre Daten proaktiv, um Risiken zu minimieren und Geschäftsergebnisse steigern.
Hinzu kommt, dass Finanzinstitute oft auf großen Datenmengen sitzen, was ein höheres Risiko birgt. Es ist schwierig, mit den Daten, über die sie verfügen, Schritt zu halten – ganz zu schweigen von dunklen und potenziell Hochrisikodaten im gesamten Unternehmen versteckt (oder vergessen).
Finanzinstitute müssen in der Lage sein, alle ihre sensiblen Daten zu finden, zu klassifizieren, zu inventarisieren und zu verwalten, unabhängig davon, wo und um welche Daten es sich handelt. Dies ist eine gewaltige Aufgabe – und erfordert die Bewältigung gängiger Herausforderungen wie isolierter Daten, mangelnder Transparenz und fehlender präziser Einblicke. Ausgleich von Legacy-Systemen mit Cloud-DatenUnd das alles, während eine Litanei von Compliance-Anforderungen erfüllt wird.
Dieser Artikel hilft dabei, diese Herausforderungen Schritt für Schritt zu bewältigen und bietet konkrete Lösungen, die speziell auf die besonderen Schwachstellen von Finanzdienstleistungen zugeschnitten sind.
In diesem Artikel erfahren Sie mehr über:
- Vorschriften für die Finanzbranche
- So reduzieren Sie Risiken mit maschinellem Lernen
- Abstimmung der Strategie für Datenschutz, Sicherheit und Governance
- Cloud-Migration
- Schützen Sie sensible und regulierte Daten
- Erfüllen Sie Datenschutzanforderungen
- Verbessern Sie die Datenqualität
- Integrieren Sie Risikoeinblicke in die Datenverwaltung
- Katalogisieren Sie vertrauliche Daten aus unstrukturierten und strukturierten Quellen
- Entdecken Sie Daten, um Daten zu schützen
Vorschriften für die Finanzbranche
Finanzdienstleister unterliegen zahlreichen Vorschriften. Sie müssen die sich ständig weiterentwickelnden Gesetze verschiedener US-amerikanischer und globaler Regulierungsbehörden einhalten und ihre Daten ordnungsgemäß verwalten, sichern und Bericht über ihre Daten.
Erschwerend kommt hinzu, dass regulierte Daten je nach Gesetz unterschiedlich geregelt sind. Manche Regelungen konzentrieren sich auf nicht öffentliche personenbezogene Daten (NPI), andere auf wesentliche nicht öffentliche Informationen (MNPI), wieder andere auf personenbezogene Daten (PI), sensible personenbezogene Daten (SPI) usw. Obwohl sich die erfassten Daten weitgehend überschneiden, gibt es Unterschiede in der Definition der Daten in den einzelnen Regelungen.
Zu den wichtigsten Vorschriften, denen sich Finanzinstitute stellen müssen, zählen unter anderem:
KYC / AML (Know Your Customer / Geldwäschebekämpfung)
Die KYC-Richtlinien – Teil der umfassenderen Anti-Geldwäsche-Richtlinien (AML) einer Bank – verlangen von den Fachleuten, dass sie sich bemühen, die Identität, Eignung und Risiken zu überprüfen, die mit der Aufrechterhaltung einer Geschäftsbeziehung verbunden sind.
CCAR (Umfassende Kapitalanalyse und -überprüfung)
CCAR ist ein von der Federal Reserve eingeführter US-Regulierungsrahmen zur Bewertung, Regulierung und Überwachung großer Banken und Finanzinstitute – auch als Bankholdinggesellschaften (BHCs) bekannt.
BCBS 239 (Baseler Ausschuss für Bankenaufsicht)
BCBS 239 ist ein Standard, der darauf abzielt, die Fähigkeiten der Banken zur Aggregation von Risikodaten und ihre internen Risikoberichterstattungspraktiken zu verbessern.
SOX (Sarbanes-Oxley Act)
SOX ist ein US-Bundesgesetz, das Finanzinstituten vorschreibt, eine angemessene Kontrollstruktur für ihre Finanzunterlagen, Datenschutzrichtlinien und Berichterstattung aufrechtzuerhalten.
GLBA (Gramm-Leach-Bliley-Gesetz)
GLBA ist ein US-Bundesgesetz, das Finanzinstitute dazu verpflichtet, die Vertraulichkeit und Sicherheit der NPI ihrer Kunden zu gewährleisten und bestimmte Richtlinien zur Verwaltung und Offenlegung dieser Daten, einschließlich der Weitergabe an Dritte, einzuhalten.
NYS DFS CRR 500 (Regulierung der Cybersicherheit des New Yorker Finanzministeriums)
Das New Yorker Finanzministerium (New York DFS) verlangt von Finanzdienstleistern die Einrichtung eines Cybersicherheitsprogramms zum Schutz privater Verbraucherdaten und zur Bewältigung von Cyberrisiken. Es erfordert einen risikobasierten Ansatz zum Schutz von Kundeninformationen vor der Offenlegung oder dem Diebstahl zu illegalen Zwecken.
NIST CSF (Cybersicherheitsrahmen des Nationalen Instituts für Standards und Technologie)
Das NIST Cybersecurity Framework ist ein Leitfaden, der Unternehmen beim Management von Datenschutzrisiken unterstützt. Es schafft ein gemeinsames Verständnis und eine Reihe von Praktiken zur Verbesserung des Datenschutzes und zur Risikominimierung.
PCI DSS (Datensicherheitsstandard der Zahlungskartenindustrie)
Der PCI DSS (2006) ist eine Reihe von Anforderungen, die sicherstellen sollen, dass alle Unternehmen, die Kreditkarteninformationen verarbeiten, speichern oder übermitteln, Kreditkartendaten und Karteninhaberinformationen während des gesamten Transaktionsprozesses sicher verwalten.
DSGVO (Datenschutz-Grundverordnung)
Die DSGVO ist ein EU-Datenschutzgesetz, das Einzelpersonen die Kontrolle über ihre personenbezogenen Daten geben soll. Die DSGVO gilt für alle Unternehmen, die personenbezogene Daten von betroffenen Personen in der EU verarbeiten, unabhängig vom Sitz des Unternehmens. Sie regelt auch den Umgang mit und die Übermittlung personenbezogener Daten außerhalb der EU.
CCPA (California Consumer Privacy Act)
CCPA ist ein staatliches Gesetz, das die Datenschutzrechte und den Schutz der Verbraucher in Kalifornien stärkt und für alle in Kalifornien tätigen Unternehmen gilt. Für Finanzunternehmen legt es eine umfassendere Definition personenbezogener Daten als NPI fest, regelt den Verwendungszweck und sieht ein privates Klagerecht vor.
Diese Vorschriften sind zwar unterschiedlich, haben aber letztlich eines gemeinsam: die Risikominimierung und den Schutz regulierter Daten. Sie verlangen von Finanzinstituten, dass sie sensible und personenbezogene Daten nicht nur klassifizieren, sondern auch detaillierter analysieren können. Diese Organisationen benötigen Transparenz über regulierte Daten, um ihre Datenpraktiken dokumentieren und validieren zu können und proaktiv die sensiblen, personenbezogenen und Kundendaten zu schützen, die sie erfassen und verarbeiten.
Der Schlüssel zur Erfüllung vielfältiger und vielschichtiger regulatorischer Anforderungen liegt in der Kenntnis Ihrer Daten: Es ist von entscheidender Bedeutung, alle regulierten Daten in der gesamten Datenlandschaft eines Unternehmens ermitteln, identifizieren und klassifizieren zu können, um die Compliance-Anforderungen zu erfüllen.
So reduzieren Sie Risiken mit maschinellem Lernen
Regulierte Daten sind überall: in Silos, auf Schattenservern und in Datenströmen – in Legacy-Systemen und in modernen Cloud-Speichern.
Traditionelle Technologien, die bisher die Discovery-Landschaft dominiert haben, garantieren praktisch, dass Sie dunkle und sensible Daten in Ihrem Unternehmen übersehen. Diese Tools erkennen möglicherweise nur eine Art von Daten oder finden nur Daten, die Sie bereits kennen – wodurch eine Vielzahl anfälliger Informationen gefährdet ist.
Ein auf maschinellem Lernen beruhender Ansatz zur Datenermittlung beseitigt diese Unsicherheit und ermöglicht es, jahrzehntelange Altdaten, die ein Finanzinstitut möglicherweise besitzt – und von denen es keine Ahnung hat –, aufzuspüren, zu bereinigen und zu verwalten.
Organisationen können eine ML-basierte Vertiefungsansatz um ihre Daten nach Identität, Inhalt, Typ und Sensibilität zu inventarisieren und so vollständige Transparenz über alle regulierten und kritischen Daten aller Art zu erhalten – von strukturiert zu unstrukturiertDurch die Nutzung maschinellen Lernens zur Korrelation können Finanzinstitute Datenbeziehungen finden und klassifizieren, abgeleitete Daten ausrichten und zugehörige Daten bis auf die Identitätsebene identifizieren.
Abstimmung der Datenschutz-, Sicherheits- und Governance-Strategie
Von Cloud-Migrationen über Datenqualität bis hin zur Datenminimierung sollten Finanzinstitute ihre strategischen Dateninitiativen ausrichten für maximalen Erfolg – beginnend mit einem Grundlage der Datenermittlung um konsistente und vertretbare Maßnahmen zu ermöglichen.
Datenminimierung
BigID ermöglicht Unternehmen, Datenredundanz identifizieren und finden Sie ähnliche, doppelte und abgeleitete Daten. Mit BigID können Unternehmen die goldene Kopie jedes Datensatzes identifizieren und aussagekräftige Erkenntnisse daraus gewinnen. Finden Sie die Daten, die Sie benötigen, um in unstrukturierten Datenumgebungen schnell zwischen echten und verrauschten Daten zu unterscheiden.
Cloud-Migration
Um Compliance, Datenschutz, Sicherheit, Risiko sowie Kosten- und Effizienzaspekte in Einklang zu bringen, führen Sie eine strategische Cloud-MigrationsinitiativeMit BigID können Finanzinstitute sensible Daten vor der Migration in die Cloud abbilden, überwachen und inventarisieren, Probleme mit der Datenqualität aufdecken, doppelte Daten identifizieren, überbelichtete Daten hervorheben und Beschriftungen anbringen basierend auf der Klassifizierungsausgabe zur automatisierten Durchsetzung in der Cloud.
Schützen Sie sensible und regulierte Daten
Schützen Sie sensible, persönliche, regulierte und kritische Daten proaktiv – von Legacy-Stores bis hin zu Cloud-Umgebungen. Mit BigID erhalten Finanzinstitute Transparenz und vollständige Abdeckung ihrer sensiblen, regulierten und risikoreichen Daten. BigID ermöglicht Unternehmen Folgendes: Dark Data aufdecken, Risiken verwalten, Sicherheitsrichtlinien automatisieren und durchsetzen und einen Security-by-Design-Ansatz ausrichten.
Erfüllen Sie Datenschutzanforderungen
Erhalten Sie vollständige Transparenz über personenbezogene und regulierte Daten im Rahmen der US-amerikanischen und globalen Vorschriften für Finanzdienstleistungen. Mit BigID profitieren Unternehmen von vollständige PI/PII-Inventarisierung Verwenden Sie Korrelationen, um die Identitätsebene zu vertiefen. Automatisieren Sie die Erfüllung von Auskunftsersuchen betroffener Personen (DSAR), dokumentieren Verzeichnis der Verarbeitungstätigkeiten (RoPA)), ermitteln Sie, welche Daten an Dritte weitergegeben werden, und ermöglichen Sie die Zustimmungsverwaltung. Erhalten Sie individuelle Berichte für jeden Geschäftsbereich und setzen Sie Datenschutzinitiativen unternehmensweit um.
Verbessern Sie die Datenqualität
BigID ermöglicht Unternehmen, ihre Datenqualität zu verbessern und liefert Einblicke in den Geschäftskontext. Überwachen Sie aktiv die Konsistenz, Genauigkeit, Vollständigkeit und Gültigkeit Ihrer Daten und stellen Sie sicher, dass sie zweckdienlich und datenschutzkonform sind. Bewerten Sie die Datenqualität anhand der Ergebnisse des Datenprofils und erhalten Sie die Ergebnisse automatisch in einer einheitlichen Katalogansicht – ganz ohne Abfragen.
Integrieren Sie Risikoeinblicke in die Datenverwaltung
Finanzorganisationen müssen sich konsequent auf die Risikoreduzierung konzentrieren und unternehmensweit wirksame Maßnahmen zur Risikoreduzierung umsetzen. Durch die präzise Identifizierung gefährdeter Daten mit BigID – wie beispielsweise überbelichtete, unvollständige oder unkontrollierte Daten, redundante, doppelte, abgeleitete oder ähnliche Daten, Verstöße gegen die Datenbewegung, Berechtigungsverletzungen usw. – können sie ihren Teams ermöglichen, Initiieren Sie Abhilfe-Workflows und ergreifen Sie rasch Maßnahmen bei Datenschutzverletzungen.
Katalogisieren Sie vertrauliche Daten aus unstrukturierten und strukturierten Quellen
BigID ermöglicht Finanzinstituten die automatische Identifizierung sensibler, personenbezogener und regulierter Daten und ermöglicht so eine vollständige dynamische Katalogansicht aller Daten – strukturiert und unstrukturiert. Integrieren Sie aktive Metadaten für zusätzlichen Geschäftskontext und datenbasierte Erkenntnisse und erhalten Sie den vollständigen Überblick über Ihre Daten – alles innerhalb eine einzelne Glasscheibe.
Entdecken Sie Daten, um Daten zu schützen
Finanzinstitute stehen vor einzigartigen Hürden, wenn es darum geht, ihre Daten wirksam zu schützen, die Einhaltung gesetzlicher Vorschriften zu erreichen, ihre Systeme zu modernisieren und Erkenntnisse aus den Daten zu gewinnen.
Beginnen Sie mit eine einzige Quelle der Datenwahrheit um sensible, regulierte und personenbezogene Daten automatisch zu erkennen, abzubilden und zu inventarisieren – über alle Datenquellen und Datentypen hinweg. Von On-Premise bis zur Cloud, vom Mainframe bis zu Data Lakes, von strukturiert bis unstrukturiert: Finanzinstitute müssen einen proaktiven Ansatz verfolgen, um ihre Daten zu kennen, wo auch immer sie gespeichert sind.
Termin für eine Demo um zu sehen, wie BigID Finanzdienstleistungsunternehmen dabei hilft, ihre Daten zu entdecken, zu identifizieren, zu verwalten und zu schützen.
Autor
