Unsere umfassenden Lösungen und Services begleiten Sie auf Ihrem Weg zur Digitalisierung.
Wie können wir Ihnen helfen:
Wir sprechen Ihre Sprache! Unsere branchenspezifischen Lösungen sind perfekt auf Ihre Bedürfnisse zugeschnitten.
Wie der Mittelstand die Wirtschaft verändert. Und welche Rolle dabei ERP-Systeme in der Cloud spielen.
Tipps und Updates zu unseren Lösungen, informative Blogposts, überzeugende Case Studies und Neuigkeiten über unser Unternehmen.
BE-terna erhält den Microsoft Business Applications Inner Circle Award 2023-2024
9 min read • Sep 21, 2020
In den letzten Jahren haben wir in verschiedenen Superlativen über Daten gesprochen und darüber, wie sie unser Leben und die Art, wie wir Geschäfte machen, verändern werden. Da diese Idee im Jahr 2020 immer noch präsent ist, muss es bedeuten, dass der Trend uns noch länger begleiten wird. Sie können den Beweis dafür überall um Sie herum finden. Ob Sie bei Amazon vorgeschlagene Artikel kaufen, beim Surfen im Internet eine relevante Anzeige sehen oder in Google Maps nach "In der Nähe" suchen: Sie haben gerade einen Dienst genutzt, der Datenerfassung und fortschrittliche Analytik in seiner DNA hat.
Das Gleiche passiert (glücklicherweise) in der Bankenbranche und auch andere Finanzdienstleistungen holen auf. Heutzutage leben Sie vielleicht in einem kleinen Nicht-EU-Land und haben trotzdem fortschrittliches Mobile Banking, Zugang zu Online-Banken wie Revolut oder N26, bei denen Sie in 60 Sekunden ein Konto einrichten können. Außerdem gibt es heutzutage die Möglichkeit, Ihren Autounfall zu fotografieren und einen Anspruch bei Ihrer Versicherung unkompliziert geltend zu machen oder als Kleinanleger bequem von der Couch aus etwas Geld in Aktien zu investieren, die an der NASDAQ notiert sind.
Egal, ob Sie im Jahr 2020 eine Privatkundenbank, eine Investmentbank, ein Broker, eine Börse, ein Vermögensverwalter, ein Versicherer, ein Fintech-Unternehmen oder sogar eine Zentralbank oder eine Aufsichtsbehörde sind, Daten haben in verschiedenen Bereichen einen großen Einfluss auf Ihr Geschäft.
Das Segment, das für den Endverbraucher am sichtbarsten ist, kann als Customer Intelligence bezeichnet werden. Das Sammeln von Daten aus verschiedenen Datenquellen wie Mobile-Banking-Apps, sozialen Medien, GPS-Bewegungen (wenn der Kunde damit einverstanden ist) und deren Einbindung in maschinelle Lernalgorithmen für eine intelligente Segmentierung kann Ideen jenseits der reinen Demografie eröffnen, wie Sie Ihre Produkte am besten und im richtigen Moment bei den richtigen Segmenten Ihres Kundenportfolios positionieren können.
Gut durchdachte Produkte in diesem Bereich könnten wirklich die Perspektive verändern, wie junge Generationen Banken und Versicherungen sehen. Ich fände es zum Beispiel toll, wenn jemand die Daten meiner Garmin-Uhr erfassen und analysieren würde und mir dann Angebote für Krankenversicherungen unterbreiten könnte, je nachdem wie aktiv ich bin, und mir erlauben würde, diese über meine mobile Banking-App anzunehmen/zu unterschreiben.
Der zweite Bereich des Verbesserungspotenzials besteht im Grunde darin, Geschäftsprozesse neu zu gestalten, um die Effizienz in einigen Geschäftsbereichen zu steigern. Dieser Bereich stützt sich auf Daten, die Unternehmen bereits haben, aber nicht auf die richtige Art und Weise nutzen oder sie nicht den richtigen Personen präsentieren. Damit ein Vertriebsmitarbeiter seine Leistung steigern kann, braucht er ein paar einfache Drill-Down-Sheets in seinem BI-Tool auf seinem Mobiltelefon.
Mitarbeiter zu zwingen, ins Büro zu kommen, etwas zu exportieren und dann eine Pivot-Tabelle daraus zu erstellen, steigert die Leistung nicht. In allen Unternehmen könnten alle Abteilungen die Daten, die sie haben, mit den richtigen Business-Intelligence-Tools besser nutzen, ganz gleich, ob wir von der Messung der Call-Center-Leistung sprechen, von der Stärkung der Vertriebsteams oder davon, einen klaren täglichen Überblick über die Produktrentabilität zu haben, anstatt einer vierteljährlichen Ansicht.
Der dritte Bereich, der stark auf Datenanalyse angewiesen ist, wird in Unternehmen oft vernachlässigt, weil er manchmal die Zusammenführung von Daten Dritter erfordert, aber er kann auch zu neuen Geschäftsmöglichkeiten führen. Wenn Sie zum Beispiel den durchschnittlichen Einlagenbetrag in Ihrer Bank und die durchschnittliche Kaufkraft nach geografischen Regionen in Beziehung setzen, kann dies einen klaren Einblick geben, welche Region zu wenig genutzt wird oder vielleicht mehr Aufklärung zum Thema Sparen benötigt. Auch kann es ein ganzes Segment potenzieller Kunden geben, die auf Ihrer Website herumschnüffeln und einfach kommen und gehen. Indem Sie aus ihrem Verhalten auf Ihrer Website lernen, können Sie den Weg leicht optimieren, so dass z. B. der Abschluss einer Reiseversicherung 2 Schritte statt 6 Schritte erfordert, was direkt zu neuen Kunden in Ihrem Portfolio führen würde.
Das letzte Segment steht in vielen Unternehmenspräsentationen wahrscheinlich an erster Stelle, und das wäre das Segment des Risikomanagements. Dies ist der Bereich, in dem Unternehmen gut entwickelt sind, wenn es darum geht, verschiedene Simulationen durchzuführen und die Kreditqualität zu überprüfen oder einfach nur ganz allgemein die Einhaltung von Vorschriften zu gewährleisten. Doch mit den wachsenden Datenmengen wächst auch die Herausforderung, diese Daten zu analysieren und zum Beispiel betrügerische Transaktionen zu erkennen.
Vor ein paar Monaten erhielt ich eine Benachrichtigung von meiner Online-Bank, dass sie in diesem Moment eine Transaktion aufgezeichnet hatte, die mir verdächtig vorkam, und bat mich, diese zu bestätigen. Ich sagte "Nein, das bin nicht ich", und sie sagten "OK, Ihre Karte wird jetzt deaktiviert". Ich brauchte weitere 30 Sekunden, um eine neue Karte zu erstellen und sie zu Apple Pay hinzuzufügen und dann mit meinem Urlaub fortzufahren. Das bedeutet, dass sich dieser Bereich weiterhin linear mit dem Datenwachstum entwickeln muss, um die Finanzdienstleistungsbranche auf der sicheren Seite zu halten.
Es liegt auf der Hand, dass Unternehmen zur Unterstützung dieser Vielzahl von Anwendungsfällen eine breite Palette von Technologien einsetzen. Für den Zweck dieses Blogs werde ich drei verschiedene Technologiebereiche beschreiben, die den Schlussfolgerungen von McKinsey entsprechen und von denen wir glauben, dass sie einen großen Einfluss darauf haben werden, wie die Finanzindustrie in den nächsten Jahren ihr Geschäft betreiben wird.
Das Datengeschäft und die Analytik im Allgemeinen ist kein Bereich, in dem man ein fertiges Tool kaufen und damit seine Probleme lösen kann, es ist eher ein Plattform-Ansatz, bei dem man verschiedene Nutzer befähigt, indem man ihnen die richtigen Daten zum richtigen Zeitpunkt zur Verfügung stellt.
In großen, heterogenen Organisationen beginnt dieser Ansatz mit dem Einsatz eines modernen und autonomen Data Warehouse und/oder Data Lake, möglicherweise durch Streaming von Daten in eine Cloud. Die Wünsche und Bedürfnisse in diesen großen Organisationen können sich schnell ändern, und die einzige Möglichkeit, diesen sich täglich ändernden Anforderungen gerecht zu werden, besteht darin, Daten schnell und proaktiv in einem wiederverwendbaren Repository zu sammeln und gleichzeitig eine hohe Datenqualität und Data Governance zu gewährleisten.
Aus der Perspektive der Finanzbranche wird diese Aufgabe noch kniffliger, weil die meisten (wenn nicht alle) von ihnen bereits große Summen in traditionelle DWH, OLAP-Würfel usw. investiert haben, die in den nächsten Jahren ein Redesign erfordern werden. Sie werden immer noch da sein, um einige grundlegende Berichte oder Compliance-Reportings zu bedienen, aber sie werden nicht in der Lage sein, alle Anforderungen zu bewältigen, die das moderne Finanzwesen mit sich bringt.
Betrachtet man alle drei Segmente, die wir hier besprechen, so hat dieses das Potenzial, schnell genutzt zu werden. Das Konzept der Business Intelligence ist zwar schon recht alt, aber die Technologien haben sich stark weiterentwickelt. Viele Unternehmen haben ein Portal oder eine Anwendung, in der die Benutzer einen statischen PDF- oder Excel-Bericht sehen oder herunterladen können. Und das Übliche, was sie damit machen, ist, sie mit einem anderen zu verbinden, sie in 50-MB-Excel-Dateien zusammenzuführen und am Ende eine Pivot-Tabelle zu erstellen.
Das ist meilenweit von dem entfernt, was jeder Entscheidungsträger heute tun sollte. Die Zugänglichkeit von Self-Service-Tools, die auf der anderen Seite eine starke Governance haben, hat sich im Laufe der Jahre wirklich weiterentwickelt. Um sie jedoch in vollem Umfang nutzen zu können, müssen sich die Mitarbeiter von der relationalen Sicht auf die Daten lösen und die flexibleren Analysemöglichkeiten annehmen, die diese Tools bieten. Solche Gewohnheiten nach 5, 10 oder 15 Jahren zu ändern, ist nicht einfach, vor allem weil das Konzept des Lesens und Verstehens von Daten für unsere Schulsysteme ziemlich neu ist.
Haben Sie sich jemals gefragt, warum die meisten Benutzer einige Informationen in einer Tabelle sehen wollen? Es ist, weil es nicht einfach ist, sie aus einem 3-dimensionalen Scatter-Plot zu lesen. Glücklicherweise investieren viele große Anbieter in diesem Bereich mehr und mehr in die Befähigung der Benutzer durch Datenkompetenzprogramme und auch in die Erweiterung der Lösung selbst mit einigen fortgeschrittenen Funktionen, die es dem Benutzer leichter machen, einige Schlussfolgerungen zu ziehen, die er beim bloßen Betrachten einer Pivot-Tabelle nicht machen könnte.
Künstliche Intelligenz (KI) ist zwar auch schon seit einiger Zeit ein Schlagwort, spielt aber mittlerweile eine extrem wichtige Rolle in unseren Unternehmen. Die Popularisierung der Cloud-Technologie und die Fortschritte bei der Integration von KI in alltägliche Tools (neben anderen Faktoren) haben viele Unternehmen dazu gebracht, intelligente Segmentierung, personalisierte Angebote, Kündigungsvorhersagen, Simulationen der vorzeitigen Kreditrückzahlung usw. zumindest zu testen und damit herumzuspielen.
Die größte Lücke in diesem Segment ist unserer Erfahrung nach jedoch nicht die Technologie, sondern die Tatsache, dass ein Unternehmen wirklich ein abteilungsübergreifendes, qualifiziertes Team benötigt, um ein erfolgreiches KI-Projekt durchzuführen, denn ohne die
Fähigkeit, die Ergebnisse zu interpretieren und etwas damit anzufangen, ist selbst das beste Modell nicht viel wert.
Nach alledem denke ich, dass der Banken- und Finanzbranche im Allgemeinen aus der Datenperspektive interessante 3-5 Jahre bevorstehen. Warum 3-5 Jahre? Weil es, wenn es länger dauert, für einige zu spät sein könnte. Einer der Spieler im Disruptionsmarkt der Online-Banken, Revolut, ist in den letzten zwei Jahren um das Sechsfache gewachsen (in Bezug auf die Anzahl der registrierten Nutzer) und sie bleiben auf dieser Kurve. Sie wissen, wie sie damit umgehen können, weil sie online begonnen haben und immer noch zu 99 % online sind (mehr oder weniger), was bedeutet, dass sie so skalierbar sind wie Amazons Webshop-Angebot oder Microsofts Azure-Server-Hosting-Angebot - erschreckend skalierbar.
Melden Sie sich zu unserem Newsletter an und bleiben Sie up-to-date.
