Exploring the capabilities and challenges of RegTech in automating data-driven regulatory compliance: the role of data quality

Abstract

This thesis examines regulatory technology (RegTech) and the impact of data quality on its effectiveness. RegTech is a field of technology that provides tools for regulatory processes. In this thesis, RegTech was analyzed in the context of the financial industry. This thesis combines the principles of a systematic and a multivocal literature review.

The most significant capabilities of RegTech include its decision-making capacity, profit opportunities, increased information system capabilities and increased level of compliance. RegTech can help regulated entities to ensure their compliance with fewer resources compared to manual work.

However, combining the ambiguous field of law and algorithmic technology continues to cause problems that hinders achieving the capabilities of RegTech. These problems include low-quality data, high implementation costs, insufficient information system capabilities and the multidisciplinarity of RegTech.

The role of data was analyzed by reflecting RegTech against data quality dimensions of accuracy, completeness, consistency, timeliness and relevance. Challenges in data quality include heterogeneous data and data sources, insufficient information system capabilities and the lack of standards. Automated compliance processes require high quality data that is difficult to obtain with current skills. Proposed solutions include cross-sectoral cooperation and immutable technologies.

RegTech can help regulated entities to achieve compliance more easily than before. As a conclusion, the question of whether RegTech can make compliance even “too easy” is raised. Readiness of organizations to implement RegTech reliably is highlighted, since regulatory data often differs from the data quality ideals. Possible areas for future research include how accountability is divided in RegTech and how RegTech affects the quality of decision-making and the decisions made.

Tässä kandidaatintyössä tutkitaan regulaatioteknologiaa (RegTech) sekä sitä, miten datan laadun rooli vaikuttaa regulaatioteknologian vaikuttavuuteen. RegTech on teknologianala, joka tarjoaa työkaluja sääntelyprosesseihin. Työssä tutkittiin regulaatioteknologiaa erityisesti rahoitusalan kontekstissa. Työ yhdistää systemaattisen ja moniäänisen kirjallisuuskatsauksen periaatteita.

Regulaatioteknologian suurimpina hyötyinä ovat tulosten mukaan inhimilliset kyvyt ylittävä data- ja päätöksentekokapasiteetti, kannattavuuden lisääminen, kasvavat tietojärjestelmäkyvyt sekä lisääntynyt sääntelynmukaisuus. Toisaalta monitulkintaisen oikeustieteen ja algoritmisen teknologian yhteensovittaminen aiheuttaa haasteita. Ongelmia ovat esimerkiksi heikkolaatuinen data, korkeat implementointikustannukset, riittämättömät tietojärjestelmäkyvyt sekä regulaatioteknologian poikkitieteellisyys.

Datan laadun roolia tutkittiin peilaamalla regulaatioteknologiaa datan laadun ulottuvuuksiin, joita ovat tarkkuus, täydellisyys, johdonmukaisuus, ajantasaisuus ja merkityksellisyys. Haasteita datan laadulle ovat esimerkiksi heterogeeninen data ja datalähteet, riittämättömät datataidot sekä standardien puute. Automatisoidut sääntelyprosessit vaativat korkealaatuista dataa, jonka hankkiminen on nykytaidoilla vaikeaa. Ratkaisuehdotuksina korostuvat toimialarajat ylittävä yhteistyö ja muuttumattomuutta tarjoavat teknologiat.

RegTech voi auttaa säänneltyjä toimijoita saavuttamaan sääntelynmukaisuuden aiempaa helpommin. Johtopäätöksenä nousee kuitenkin kysymys siitä, voiko RegTech tehdä sääntelynmukaisuudesta jopa liian helppoa. Organisaatioiden valmius käyttöönottaa regulaatioteknologiaa luotettavasti korostuu, sillä regulatorinen data poikkeaa usein datan laadun ihanteista. Mahdollisia aiheita tulevalle tutkimukselle olevat vastuun jakautuminen regulaatioteknologiassa sekä se, miten RegTech vaikuttaa päätöksentekoprosessien ja päätösten laatuun.