Στα Capital Markets όλοι θέλουν να μιλούν για AI, blockchain, cloud, APIs, real-time processing και automation. Πολύ λιγότεροι θέλουν να μιλούν για Reference Data. Κι όμως, πολλές φορές ένα από τα μεγαλύτερα operational προβλήματα δεν ξεκινά από έναν περίπλοκο αλγόριθμο. Ξεκινά από ένα λάθος identifier, μια παλιά τιμή, ένα λανθασμένο mapping ή μια πληροφορία που θεωρήθηκε «αυτονόητη».
Πριν ένα σύστημα υπολογίσει ένα μέρισμα, εκτελέσει ένα Corporate Action, δημιουργήσει μια πληρωμή ή επεξεργαστεί μια συναλλαγή, πρέπει πρώτα να ξέρει με ακρίβεια σε τι αναφέρεται. Ποιο security; Ποιος issuer; Ποιο ISIN; Ποιο currency; Ποια αγορά; Ποιο settlement cycle; Ποιο calendar; Ποιο status ισχύει για το συγκεκριμένο instrument;
Συχνά αυτά τα στοιχεία χαρακτηρίζονται ως «static data». Ο όρος όμως είναι παραπλανητικός. Το Reference Data κάθε άλλο παρά στατικό είναι. Μια εταιρεία αλλάζει επωνυμία. Ένα instrument αλλάζει status. Ένα ticker αλλάζει. Ένα security μεταφέρεται σε άλλη αγορά. Ένα settlement cycle τροποποιείται. Ένα Corporate Action δημιουργεί νέα securities και καταργεί παλαιότερα.
Και τότε εμφανίζεται η κρίσιμη ερώτηση: όχι «ποια είναι η σωστή πληροφορία σήμερα;», αλλά «ποια ήταν η σωστή πληροφορία τη στιγμή που συνέβη το γεγονός;». Αυτή η διαφορά μπορεί να φαίνεται μικρή. Σε ένα financial system όμως μπορεί να αλλάξει ολόκληρο το αποτέλεσμα.
Ας υποθέσουμε ότι ένα σύστημα πρέπει να υπολογίσει τους δικαιούχους ενός μερίσματος. Ο αλγόριθμος μπορεί να είναι τεχνικά άψογος. Αν όμως χρησιμοποιήσει λάθος classification, λάθος effective date, λάθος calendar ή λάθος currency, το αποτέλεσμα μπορεί να είναι απελπιστικά εσφαλμένο.
Αυτό είναι ίσως ένα από τα πιο σημαντικά χαρακτηριστικά των mission-critical financial systems. 'Ενα σύστημα μπορεί να εκτελεί τέλεια τον κώδικά του και παρ' όλα αυτά να παράγει λάθος αποτέλεσμα. Γιατί η ορθότητα δεν εξαρτάται μόνο από τον κώδικα. Εξαρτάται και από το context μέσα στο οποίο εκτελείται.
Γι’ αυτό το Reference Data δεν μπορεί να αντιμετωπίζεται ως «μερικοί πίνακες στη βάση». Χρειάζεται ownership. Χρειάζεται provenance, ώστε να γνωρίζουμε από πού προήλθε κάθε πληροφορία. Χρειάζεται effective dating, versioning και auditability. Και κυρίως χρειάζεται σαφή απάντηση στην ερώτηση: ποιο σύστημα είναι το authoritative source για κάθε δεδομένο;
Αν δύο διαφορετικά συστήματα θεωρούν ότι είναι το master για το ίδιο στοιχείο, η σύγκρουση είναι σχεδόν αναπόφευκτη. Αν κανένα δεν θεωρείται πραγματικά master, το πρόβλημα είναι ακόμη μεγαλύτερο. Και κάπου εκεί αρχίζουν τα reconciliation issues, οι χειροκίνητες διορθώσεις, τα spreadsheets και τα «ας το φτιάξουμε προσωρινά».
Στην πράξη, πολλές σοβαρές αστοχίες ξεκινούν από κάτι εντελώς πεζό όπως ένα λάθος ISIN, ένα outdated mapping, μια τιμή που άλλαξε στο ένα σύστημα αλλά όχι στο άλλο ή ένα Excel που εξακολουθεί να θεωρείται η «σωστή λίστα».
Ίσως λοιπόν το Reference Data να είναι πράγματι ένα από τα πιο βαρετά θέματα των Capital Markets.
Μέχρι να είναι λάθος! Τότε, μέσα σε λίγα λεπτά, γίνεται το σημαντικότερο θέμα στο δωμάτιο!
Και ίσως αυτό να είναι το πραγματικό μάθημα. Στα mission-critical συστήματα, η αξιοπιστία δεν κρίνεται μόνο από τις εντυπωσιακές λειτουργίες που βλέπουμε. Κρίνεται κυρίως από τα δεδομένα που θεωρούμε τόσο δεδομένα, ώστε ξεχνάμε να τα αμφισβητήσουμε.
