A prudenciális adatminőség ontológiája és diagnosztikája a magyar bankrendszerben

Meta adatok

Szerző(k): Lovász Zoltán

DOI: https://doi.org/10.65513/MaMi.2025.10.56

Kiadó: Nemzetközi Oktatási és Kutatási Központ Alapítvány

Kötet: 2025. október

Évfolyam: 34

Füzetszám: 10

Folyóirat: Magyar Minőség folyóirat

ISSN (Nyomtatott): ISSN 1416‑9576

ISSN (Online): ISSN 1789-5510

Oldalak: 56–65

Kulcsszavak: prudenciális adatminőség, banki szabályozás, működési reziliencia

Absztrakt

A 2008-as globális pénzügyi válság (GFC) óta a nemzetközi és hazai bankrendszer stabilitása egyre kevésbé a fizikai eszközöktől, és egyre inkább az információs infrastruktúra integritásától függ. A szabályozói környezet evolúciója – élén a BCBS 239 alapelvekkel, a BRRD irányelvvel és a DORA rendelettel – az adatot adminisztratív melléktermékből stratégiai vagyonelemmé (Asset) emelte. Jelen tanulmány a nemzetközi szakirodalom, a vonatkozó uniós irányelvek és a specifikus magyar szabályozói keretek (MNB ajánlások) szintézisével rámutat, hogy a hagyományos, statikus adatminőség-mérési módszerek elégtelenek a modern prudenciális elvárások teljesítéséhez. A cikk a neoinstitucionalista szervezetelmélet, az ügynökelmélet és a reziliencia-tervezés kereteire támaszkodva érvel egy új diagnosztikai megközelítés mellett. Az elemzés bizonyítja, hogy a valódi prudenciális adatminőség a 21. századi magyar bankrendszerben nem csupán a szintaktikai pontosságot, hanem a szemantikai konzisztenciát, a válságálló képességet, a 24 órán belüli előállíthatóságot és a technológiai silók meghaladását jelenti.

Cikk letöltése

Hivatkozások

Admati, A. R., & Hellwig, M. F. (2013). The bankers’ new clothes: What’s wrong with banking and what to do about it. Princeton University Press.
Akerlof, G. A. (1970). The market for “lemons”: Quality uncertainty and the market mechanism. The Quarterly Journal of Economics, 84(3), 488–500. https://doi.org/10.2307/1879431
Al-Ruithe, M., Benkhelilfa, E., & Hameed, K. (2019). A systematic literature review of data governance and cloud data governance. Personal and Ubiquitous Computing, 23, 839–859. https://doi.org/10.1007/s00779-019-01247-4
Armbrust, M., Ghodsi, A., Xin, R., & Zaharia, M. (2021). Lakehouse: A new generation of open platforms that unify data warehousing and advanced analytics. In Proceedings of the CIDR 2021 Conference.
Basili, V. R., Caldiera, G., & Rombach, H. D. (1994). The goal question metric approach. In J. J. Marciniak (Ed.), Encyclopedia of software engineering. Wiley.
Baudino, P., Gnezda, J., & Poloni, P. (2018). Bank failure management: The role of deposit insurance and resolution funds (FSI Insights on Policy Implementation No. 8). Bank for International Settlements.
Basel Committee on Banking Supervision. (2013). Principles for effective risk data aggregation and risk reporting (BCBS 239). Bank for International Settlements.
Binder, J. H. (2016). Bank resolution: The European regime (pp. 29–54). Oxford University Press.
Boxenbaum, E., & Jonsson, S. (2017). Isomorphism, diffusion and decoupling: Concept evolution and theoretical challenges. In R. Greenwood et al. (Eds.), The SAGE handbook of organizational institutionalism (pp. 77–101). SAGE Publications.
Buneman, P., Khanna, S., & Tan, W. C. (2001). Why and where: A characterization of data provenance. In Proceedings of the International Conference on Database Theory. Springer. https://doi.org/10.1007/3-540-44503-X_1
Conway, M. E. (1968). How do committees invent? Datamation, 14(4), 28–31.
DAMA International. (2017). DAMA-DMBOK: Data management body of knowledge (2nd ed.). Technics Publications.
Dehghani, Z. (2020). Data mesh principles and logical architecture. MartinFowler.com.
Dehghani, Z. (2022). Data mesh: Delivering data-driven value at scale. O’Reilly Media.
DiMaggio, P. J., & Powell, W. W. (1983). The iron cage revisited: Institutional isomorphism and collective rationality in organizational fields. American Sociological Review, 48(2), 147–160. https://doi.org/10.2307/2095101
European Banking Authority. (2019). Handbook on valuation for purposes of resolution. EBA.
EDM Council. (2020). Data management capability assessment model (DCAM) v2.2 user guide. Enterprise Data Management Council.
Európai Parlament és a Tanács. (2014). A 2014/59/EU irányelv a hitelintézetek és befektetési vállalkozások helyreállítását és szanálását célzó keretrendszer létrehozásáról.
Európai Parlament és a Tanács. (2022). Az Európai Parlament és a Tanács (EU) 2022/2554 rendelete a pénzügyi ágazat digitális működési rezilienciájáról (DORA).
Galbraith, J. R. (1974). Organization design: An information processing view. Interfaces, 4(3), 28–36. https://doi.org/10.1287/inte.4.3.28
Hevner, A. R., March, S. T., Park, J., & Ram, S. (2004). Design science in information systems research. MIS Quarterly, 28(1), 75–105. https://doi.org/10.2307/25148625
Hollnagel, E. (2011). Resilience engineering in practice: A guidebook. Ashgate Publishing.
Inmon, W. H. (2005). Building the data warehouse (4th ed.). John Wiley & Sons.
Jensen, M. C., & Meckling, W. H. (1976). Theory of the firm: Managerial behavior, agency costs and ownership structure. Journal of Financial Economics, 3(4), 305–360. https://doi.org/10.1016/0304-405X(76)90026-X
Khatri, V., & Brown, C. V. (2010). Designing data governance. Communications of the ACM, 53(1), 148–152. https://doi.org/10.1145/1629175.1629210
Kimball, R., & Ross, M. (2013). The data warehouse toolkit: The definitive guide to dimensional modeling (3rd ed.). John Wiley & Sons.
Laney, D. B. (2018). Infonomics: How to monetize, manage, and measure information as an asset for competitive advantage. Bibliomotion.
Luburić, G. (2017). Quality of data in the context of the three lines of defense model. Journal of Central Banking Theory and Practice, 6(1), 37–53. https://doi.org/10.1515/jcbtp-2017-0003
MacCormack, A., Baldwin, C., & Rusnak, J. (2012). Exploring the duality between product and organizational architectures: A test of the “mirroring” hypothesis. Research Policy, 41(8), 1309–1324. https://doi.org/10.1016/j.respol.2012.04.011
Magyar Nemzeti Bank. (2022). 19/2022. (XII.1.) számú ajánlás a hitelintézeti adatszolgáltatások összeállítási folyamatának kialakításáról, működtetéséről és kontroll funkcióiról.
Magyar Nemzeti Bank. (2025). 15/2025. (XII.9.) számú ajánlás a felügyeleti és szanálási célú adatszolgáltatások visszamenőleges módosításáról.
Marcella, A. J., & Stucki, C. (2015). Business continuity, risk and audit: The audit of business continuity management. CRC Press.
Meyer, J. W., & Rowan, B. (1977). Institutionalized organizations: Formal structure as myth and ceremony. American Journal of Sociology, 83(2), 340–363. https://doi.org/10.1086/226550
Panko, R. R. (1998). What we know about spreadsheet errors. Journal of Organizational and End User Computing, 10(2), 15–25. https://doi.org/10.4018/joeuc.1998040102
Paulk, M. C., Curtis, B., Chrissis, M. B., & Weber, C. V. (1993). Capability maturity model for software, version 1.1. Software Engineering Institute.
Simon, H. A. (1957). Administrative behavior: A study of decision-making processes in administrative organization. Macmillan.
Sims, C. A. (2003). Implications of rational inattention. Journal of Monetary Economics, 50(3), 665–690. https://doi.org/10.1016/S0304-3932(03)00029-1
Single Resolution Board. (2024). Expectations for banks. SRB.
Stein, B., & Morrison, A. (2014). The enterprise data lake: Better integration and deeper analytics. PwC Technology Forecast, 1, 1–9.
Wand, Y., & Weber, R. (1990). An ontological model of an information system. IEEE Transactions on Software Engineering, 16(11), 1282–1292. https://doi.org/10.1109/32.60316
Wang, R. Y., & Strong, D. M. (1996). Beyond accuracy: What data quality means to data consumers. Journal of Management Information Systems, 12(4), 5–33. https://doi.org/10.1080/07421222.1996.11518099
Wang, R. Y. (1998). A product perspective on total data quality management. Communications of the ACM, 41(2), 58–65. https://doi.org/10.1145/269012.269022