Vier Beispiele: Hier findet sich Big Data im Bankwesen

Der Zuwachs an Daten nimmt kein Ende. Auch in der Finanzwelt werden die Vorteile der immer wichtigeren Technologie innerhalb der Digitalisierung erkannt – Stichwort Big Data. CANCOM.info zeigt mit vier Beispielen, wie Finanzinstitute schon heute bestehende Ertragsquellen optimieren und neue erschließen.

Ein Satz ist in der Finanzwelt heute präsenter als jemals zuvor: „Informationen über Geld sind fast so wichtig, wie Geld selbst“. Bereits 1984 hat Walter Wriston, ehemaliger CEO der Citibank, das ausgesprochen, was für Finanzinstitute und Banken weltweit das zentrale Asset ist: Informationen. Im Zeitalter von Big Data und Analytics bieten jene Mengen an Informationen jedoch nochmals vollkommen neue Möglichkeiten, sich in der Branche unter Beweis zu stellen und das (alltägliche) Geschäftsmodell maßgeblich zu optimieren.

Alle Prozesse im Blick? Das klappt, mit und ohne Big Data. Doch wenn es um die Auswertung und automatisierte Empfehlungen geht, dann macht die Technologie das Rennen. (Bild: Evernine)

Als Fachmagazin des IT-Experten CANCOM, nimmt sich die Redaktion von CANCOM.info den wachsenden Einsatz von Big Data Lösungen im Finance-Umfeld zum Anlass und zeigt mit vier Beispielen, wie Big Data – natürlich richtig eingesetzt – das Bankwesen voranbringt.

1. BI meets Big Data

Eng mit einander verbunden und doch selten zusammen kommuniziert. Big Data und Business Intelligence (kurz BI) gehören im Finanzwesen eng zusammen. Größtes Einsatzgebiet: Business Monitoring, die Überwachung des täglichen Geschäfts.

In Kombination mit BI gewährleistet Big Data die detailgenaue Überwachung von Geschäftsabläufen. Darunter fällt beispielsweise auch das Controlling des Geschäftserfolgs.

Weitere Einsatzgebiete:

✔ Planung und Budgetierung
✔ Steuerung und Risikomanagement
✔ Reporting und Berichtwesen
✔ Analyse von Soll-Ist-Vergleichen

2. Business Insights: Geschäftsmodelle vom digitalen Experten

Online-Kredite, Bezahlen per App oder direkt über das Internet beraten werden – die Digitalisierung hat im Finanzwesen bereits spürbar Einzug gehalten. Hierzu zählt auch der Einsatz von Big Data für weiterführende Analysen, etwa zur Generierung von Vorschlägen oder zur Optimierung bestehender Geschäftsmodelle.

Ein Beispiel aus der Praxis: Einige Banken analysieren Kreditkartenkunden und werten die Daten über das Nutzungsverhalten aus. Nutzt ein Kunde seine Karte etwa seit längerer Zeit nicht mehr, ist also zum passiven Kunden geworden, kann über die Auswertung des Kundenprofils und des Kaufverhaltens eine Reaktivierung des Kunden vorgenommen werden. Hier sind beispielsweise gezielte Marketingkampagnen im Online-Bereich zu erwähnen.

Videos von CANCOM.info

3. Business Optimization: Nie wieder Warteschlangen

Das Kerngeschäft von Finanzinstituten ist bis heute noch immer der klassische Kunde in der Filiale. Während hier verhältnismäßig viel falsch laufen kann – etwa Warteschlangen, defekte Automaten oder Ausfälle beim Personal – bietet der Big Data Unterbereich „algorithmic trading“ Prognosen über tagesaktuelle Werte. Kommt es beispielsweise zum Ausfall eines Automaten in der Rush Hour, können die Filialen frühzeitig reagieren und gegebenenfalls über eine App Wartezeiten vermeiden und die Kunden auf andere Filialen verweisen oder kurzfristig Mitarbeiter an die Schalter setzen.

Wussten Sie schon, dass CANCOM im Bereich Big Data Analytics tätig ist?

Mit Retail Analytics bietet CANCOM Lösungen, die Auswertungen über Kundenbewegungen innerhalb oder in der Nähe Ihres Geschäfts durchführen kann. Dies geschieht beispielsweise durch die Analyse von mobilen Endgeräten in Geschäftsweite oder innerhalb Ihrer WLAN-Umgebung – auch ohne dass sich Kunden direkt in Ihr WLAN einloggen.

> hier mehr erfahren <

4. Datensätze zu Geld machen

Jede einzelne Information über Kunden und Unternehmen fließt in Big Data ein. Kein Wunder, dass auch Banken an Geschäftmodellen arbeiten, die Daten nicht nur zu nutzen sondern auch gewinnbringend zu vertreiben. (Bild: Evernine)

Im Bankwesen wird Big Data heute auch vielfach genutzt, um neue Ertragsquellen zu generieren. Hier sind einerseits neue Geschäftsmodelle gemeint, andererseits aber auch der Handel mit den Daten selbst.

So verkaufen bereits einige Finanzinstitute Datenanalysen an Unternehmen oder integrieren die Analyse in Ihr Leistungsangebot, etwa bei der Prognose der Kreditwürdigkeit von Unternehmen.

Im Endkundenbereich kommt zusätzlich eine Komponente hinzu. Denn hier werden mitunter Kundenverbindungen ausgewertet und Vorschläge für die Verbesserung der Customer Experience anhand von gesammelten Daten gegeben.

Zwei Beispiele aus der Branche:

✔ Die National Bank of Australia vertreibt anonymisierte Kundendaten an Unternehmen, z.B. aus dem Einzelhandel.
✔ In Kooperation mit (internen) Versicherungsangeboten analysieren einige Banken Kreditkartenumsätze, um zum passenden Zeitpunkt Leistungspakete anzubieten, wie die Auslandskrankenversicherung im Urlaub.

Ausblick fürs ‚Big Money‘

Die größten Hemmnisse für den Einsatz innovativer Datenanalysen sind Rechts- und Sicherheitsbedenken. Denn die Arbeit mit Daten, vor allem Kundendaten, kommt dort an seine Grenzen, wo Datenschutz und Privatsphäre der Kunden verletzt werden. Gerade im Bankwesen gehen Big Data, Analytics und Compliance daher Hand in Hand. In Branchen wie Retail oder Industrie findet Big Data Analytics hingegen mit wesentlich geringerem Risiko statt.

Quelle Titelbild: Evernine

Hier schreibt Lenz Noelkel für Sie

Mehr Artikel vom Autor Lenz Noelkel