Bessere Daten, bessere Entscheidungen: Financial intelligence bei quirion

Mit der kombinierten Expertise in AWS und Elasticsearch entwickelten die kreuzwerker eine maßgeschneiderte Business-Intelligence-Lösung für einen der führenden Finanzdienstleister.
15.04.2021

Gegründet durch den Bankenvisionär Karl Matthäus Schmidt, wurde quirion als Marke der Quirin Privatbank AG bereits in seinem zweiten Jahr als “Bestes FinTech StartUp 2015” ausgezeichnet. quirion will die Zukunft der Finanzbranche, genauer der Fintechbranche, aktiv mitgestalten und die etablierte Finanzwelt mit hochinnovativen Anlagelösungen aufrütteln. quirion bietet ihren Kunden ausgewählte Wertpapierdienstleistungen an. Der Schwerpunkt liegt dabei in der Vermögensverwaltung. Darüber hinaus erbringt quirion allgemeine Beratungsleistungen rund um das Thema Geldanlage.

Das Projekt

quirion ist in den letzten Jahren zu einem der führenden digitalen Anlageberater in Deutschland aufgestiegen. Der stetig wachsende Kundenstamm und die Vielzahl der verwalteten Fonds zeugen vom hervorragenden Ruf des Finanzdienstleisters. Für Softwareentwickler und Analystenstellte es somit eine große Herausforderung dar, einerseits mit der Kundennachfrage Schritt zu halten und gleichzeitig einen hohen Standard an Sicherheit und Kundenzufriedenheit zu gewährleisten. Die angestrebte Lösung war eine komplette Neuausrichtung der Infrastruktur und Dienste auf die AWS- Cloud. Zeitgleich bot sich damit die Chance bestehende Geschäftsanalysprozesse zu verbessern.

Als zertifizierter AWS-Partner mit fundierten Kenntnissen der Finanzdienstleistungsbranche hat kreuzwerker mit quirion zusammengearbeitet, um eine auf die individuellen Bedürfnisse von quirion zugeschnittene Business-Intelligence-Lösung mit Elasticsearch zu entwickeln.

Die Herausforderungen

Business Analytics bei quirion gestaltete sich anspruchsvoll und arbeitsintensiv und involvierte mehrere Teams sowie diverse Tools. Verschiedene Analysten richteten benutzerdefinierte Datenpipelines auf gemeinsamen Datenquellen ein, welches zu diversen Engpässen führte. Der Bedarf an einer gesamtheitlichen Lösung für die Geschäftsanalyse wurde deutlich, als der Kundenstamm weiter wuchs und neue Finanzdienstleistungen eingeführt wurden. An dieser Stelle kam kreuzwerker ins Spiel.

Wir kooperierten mit quirion während der intensivsten Phase der Migration digitaler Dienste zu AWS. Um den Prozess zu beschleunigen, setzten die Techniker von quirion auf AWS Amplify, eine Entwicklungsplattform, welche den Umgang mit einer Reihe von AWS Cloud Services wie Datenpersistenz, Authentifizierung und Analyse vereinfacht. Die Kehrseite von Amplify ist, dass eine kurze Markteinführungszeit oft mit ineffizienter Ressourcennutzung und Designrestriktionen einhergeht. Daher ist eine Feinabstimmung des erstellten Strukturen von größter Bedeutung, insbesondere unter den Gesichtspunkten Datensicherheit und Kosten.

Angesichts unserer langjährigen Erfahrung mit Elastic und dessen nativer Unterstützung durch Amplify stimmten wir mit quirion darin überein, dass AWS Elasticsearch die verbindende Lösung für Geschäftsanalysen sein würde. Als größere Herausforderung erwies sich die Transformation der Geschäftsdaten für die Finanz- und Marketinganalyse sowie die Erstellung geeigneter Dashboards und Sichten für die verschiedenen Anwendergruppen.

Die Lösung

Zunächst überprüften wir die Konfiguration der AWS-Elasticsearch-Domänen von Amplify. Obwohl Amplify bereits über zweckmäßige Standardeinstellungen verfügt, haben wir Kosten und Belastbarkeit der Domänen noch erheblich optimiert, indem wir für jede bereitgestellte Umgebung die geeignetste Anzahl und Art von Instanzen auswählten. Vor allem aber haben wir die Sicherheit verbessert, indem wir HTTPS für den gesamten Datenverkehr zu den Domänen aktiviert, strenge Zugangsrichtlinien zu den Daten definiert und die Amazon-Cognito-Authentifizierung eingerichtet haben.

Dann konzentrierten wir uns auf die Daten. Amplify spiegelt Daten der primären Datenquelle zu AWS Elasticsearch unter Beibehaltung des ursprünglichen Schemas. In unserem Fall war das stark normalisierte Schema – das für die primäre Datenquelle geeignet war – für Abfrage und Analyse ungeeignet. Deshalb mussten wir die in Elasticsearch eingespeisten Daten von Grund auf neu strukturieren. Dabei bezogen wir alle beteiligten Techniker und Analysten sowie die Kundenbetreuung ein und nutzten unsere Expertise im Finanzbereich, um das für die Geschäftsanalyse bei quirion optimale Schema zu erstellen. Um die neu gestalteten Daten nach Elasticsearch zu bringen und zu speichern, entwickelten wir mit Logstash, dem Open-Source-ETL-Tool von Elastic, eine kundenspezifische Lösung.

Schließlich investierten wir viel Zeit und Energie in Kibana, die Web-Benutzeroberfläche von Elasticsearch. Unser Ziel war es, Finanz- und Marketinganalysten mit Business-Intelligence-Fähigkeiten auszustatten, indem wir sie mit benutzerfreundlichen interaktiven Dashboards, Drill-down- und Through-Funktionen, Live-Boards von Business-KPIs, zeitgesteuerten E-Mail-Reports sowie automatischen Alarmen getriggert über Amazon CloudWatch versorgten. Dank der Flexibilität von AWS Elasticsearch und Kibana konnten wir einige dieser Lösungen als Proof of Concept für andere quirion-Teams, zum Beispiel Kundenbetreuung oder IT, heranziehen.

Das Fazit

„With kreuzwerker we found a technical experienced, reliable and committed partner for one of our core cloud application developments. This platform has to be developed to be highly scalable and performant serving several 100.000s customers in the future“, Marcel Müller, CTO quirion.

Die gemeinsame Arbeit von quirion und kreuzwerker resultierte in einer effektiven und effizienten Business-Intelligence-Lösung auf Basis von AWS Elasticsearch. Effektiv, weil den Analysten von quirion durch die koordinierte Zusammenarbeit mehrerer Teams sowie die Einrichtung entsprechender Tools nun Möglichkeiten zur Verfügung stehen, deren Umsetzung bisher zu zeitaufwendig oder einfach unmöglich war. Effizient, weil wir die Kosten der AWS Elasticsearch durch einen Abgleich der Servicekonfiguration und der Interna nahezu halbieren und gleichzeitig die Daten für die Finanz- und Marketinganalyse optimieren konnten.