Wie können Banken Big Data richtig nutzen?

Durch die Digitalisierung wächst auch in Unternehmen der Datenberg immer weiter und mit ihm das Bewusstsein für das Potenzial, das darin steckt. Laut einer weltweit durchgeführten Studie halten 81 Prozent der Befragten Daten für sehr wertvoll. Deutsche Firmen sehen sich im Umgang mit der Datenflut gut gewappnet: 86 Prozent gaben an, dass ihre Unternehmen sich bereits gezielt zukunftssicher aufstellen. Allerdings zeigen sich Unterschiede je nach Branche – besonders gut vorbereitet sei nach Angaben der befragten Deutschen der Finanzsektor (57 %), gefolgt von der Fertigungsbranche (45 %) und dem Gesundheitswesen (27 %).

Big Data: Berge unstrukturierter Daten

„Informationen über Geld sind fast so wichtig wie Geld selbst“, sagte Walter Wriston, ehemaliger CEO der Citibank, bereits 1984. Seine Aussage hat nichts an Aktualität verloren, heute sind Informationen längst zu einer der wichtigsten Währungen geworden. Im Arbeitsalltag fallen enorme Mengen an Daten an, die aus unterschiedlichen Quellen stammen und zunächst in unstrukturierter Form vorliegen – man spricht von Big Data. Um daraus möglichst viele Informationen zu gewinnen, investieren Banken und Geldinstitute in smarte Analysetools. „Daten sind Gold wert – allerdings nur dann, wenn sie wirklich richtig und gut ausgewertet werden können“, sagt Christian Braun, Tribe Lead „Advanced Intelligence“ bei der Fiducia & GAD. So bietet Big Data eine wichtige Grundlage für businessrelevante Entscheidungen: von der Kostenoptimierung interner Prozesse über die spezifische Beratung von Bestandskunden bis hin zu Aspekten der Cyber Security ist alles möglich. Durch den Einsatz von Analyse-Instrumenten und IT-Anwendungen kann Big Data sein Potenzial voll entfalten: Rohdaten werden mit ihrer Hilfe zu Smart Data – also zu aussagekräftigen Daten, die effizienteres Handeln ermöglichen.

Die intelligente Datenauswertung macht dann vieles möglich: Smart-Analytics-Algorithmen durchleuchten verschiedenste Datensätze wie etwa Kontobewegungen, Depottransaktionen, Immobilienpreise, Wertpapierkurse sowie das Nutzungsverhalten der Kundinnen und Kunden auf digitalen Kanälen. Auf dieser Grundlage können Korrelationen gefunden, Zeitreihen analysiert und Trends identifiziert werden, sodass sich schließlich neue Geschäftsmodelle und -optionen erschließen und zielgerichtete Marktstrategien entwickeln lassen. Davon profitieren beide Seiten: Während Finanzinstitute interne Prozesse und Bankgeschäfte effizienter gestalten können, profitieren die Kunden von einer individuellen Ansprache und Produkten, die genau auf sie zugeschnitten sind.

Optimiertes Kundenverständnis

Basierend auf den analysierten Datenmustern können Bankangestellte Kundinnen und Kunden zum Beispiel auf eventuelle Lücken in der Altersvorsorge hinweisen, kundenbezogene Automatisierungsoptionen für regelmäßige Überweisungen empfehlen sowie finanzielle Spielräume durch eine Optimierung des Ausgabeverhaltens aufzeigen. Mitarbeitende bekommen durch Smart Data ein besseres Verständnis für ihre Kundschaft und können so individueller und persönlicher beraten. Zudem werden Bankprodukte oder Dienstleistungen speziell auf den Nutzenden zugeschnitten und ihm bzw. ihr über die präferierten Kanäle angeboten – die Analyse des Nutzungsverhaltens macht es möglich. Bankangestellte werden so den Kundenerwartungen besser gerecht und können die Customer Experience nachhaltig optimieren. Für die Zukunft bedeutet das: Anbieter mit der besten Customer Experience werden sich vermutlich durchsetzen.

Doch ein besseres Kundenverständnis ist nicht der einzige Bereich, in dem sich der Einsatz von Smart Data für Banken lohnt. Schon heute nutzen Finanzinstitute die Daten für unterschiedliche Geschäftsfelder, wie die folgenden Punkte zeigen – dabei ist das Potenzial der Technologie noch gar nicht komplett ausgeschöpft:

• Smarte Entscheidungen – Business Insights:
  Business Intelligence (BI) dient in Finanzunternehmen zunächst der statistischen Analyse der firmeninternen Daten und liefert basierend darauf Antworten zu Ereignissen: Etwa was (Geschehen) oder in welchem Umfang (Quantität) etwas passiert ist. Mit Big Data kann nun auch das Warum (Grund) näher untersucht werden. So können Szenarien nachvollziehbar gemacht, Handlungsempfehlungen abgeleitet und bestehende Geschäftsmodelle optimiert werden. Interne Prozesse lassen sich dann verschlanken oder automatisieren, sodass Kosten eingespart werden können.
  Am häufigsten kommt BI derzeit noch bei der detaillierten Überwachung des Tagesgeschäfts – Business Monitoring – zum Einsatz. In Verbindung mit Big Data entsteht Business Intelligence 3.0: Informationen werden durch Datenintegration, Machine Learning und smarte Algorithmen aufbereitet und den beteiligten Systemen zur Verfügung gestellt. Aus diesen Daten können dann nicht nur Menschen, sondern auch Maschinen Nutzen ziehen und basierend darauf Entscheidungen treffen.
• Digitaler Schutzschild – Fraud Management:
  Mithilfe von Machine Learning (ML) lassen sich Muster in den Daten erkennen – so fallen beispielsweise regelmäßige Geldeingänge oder ungewöhnlich hohe Überweisungen ins Ausland auf. Auf diese Weise können Geldwäsche und andere Betrugsfälle identifizieren werden, indem das Verhalten analysiert wird. Über ML können sogar Regeln selbstständig geändert und die Überwachung so proaktiv angepasst werden.
• Clevere Filialen – Business Optimization:
  Smart Data kann helfen, Abläufe in der Filiale effizienter zu gestalten. Live-Monitoring offenbart Ausfälle wie defekte Automaten und Engpässe beim Personal tagesaktuell oder sogar in Echtzeit, sodass Filialen frühzeitig reagieren und die Kundschaft umgehend über Alternativen informieren können. Ein weiteres Beispiel: Die Daten aus einem Geldautomaten verraten viel über das Nutzungsverhalten an einem bestimmten geografischen Ort, etwa die Kundenanzahl, die Höhe der Geldbeträge und die Zeiten der Abbuchungen. Mit diesen Informationen lässt sich nicht nur das Geschäftsvolumen eines Terminals je Tag berechnen, sondern auch bewerten, wann es zu Wartezeiten am Automaten kommt, die wiederum Kundinnen und Kunden abschrecken. Banken können mit diesen Mitteln sämtliche Kanäle analysieren, Kosten und Ertrag ihrer Dienstleistungen bewerten und bei ineffektiven Services schnell reagieren.

Smarte Banken dank Smart-Data-Strategie

Auch bei der Fiducia & GAD hat der Einsatz von Technologien rund um Smart Data strategische Priorität. Das Ziel: „Mehr Kundennähe dank hochpräziser Angebotsausrichtung am tatsächlichen Bedarf. Für Banken heißt das: Sie können das individuelle Ertragspotenzial jeder einzelnen Kundenbeziehung deutlich besser ausschöpfen als bisher“, sagt Ulrich Coenen, Ressortvorstand „Digitale Lösungen“ bei der Fiducia & GAD. Dazu hat das Unternehmen schon vor einiger Zeit eine Big Data Analytics Platform etabliert, die dazu dient, Projekte auf breiter Datenbasis auszuprobieren und Lösungsansätze zu entwickeln. „Big Data und Smart Data sind ein Enabler für verschiedene Bereiche und Produkte der Fiducia & GAD – mit ihrer Hilfe können unsere Banken ihre Prozesse automatisieren und so Zeit oder Geld einsparen sowie neue Erlöse bei den Kundinnen und Kunden generieren“, erläutert Christian Braun.

Klar ist: Der gezielte Einsatz von Smart-Analytics-Funktionen bringt Banken und ihre Services im digitalen Transformationsprozess weiter voran. Doch neben Tools und Technologien benötigen die Finanzdienstleister vor allem das Vertrauen ihrer Kundschaft, um aus den Rohdaten wertvolles Wissen gewinnen und entsprechende Handlungen ableiten zu können. Nur wenn die Kundinnen und Kunden damit einverstanden sind, dass Banken ihre persönlichen Daten und Informationen – wie etwa das Nutzungsverhalten auf digitalen Kanälen – auswerten, können alle Seiten von Smart Data und entsprechenden Analysen profitieren.