Algorithmen verändern die Art wie wir mit unseren Kunden interagieren

27. April 2017

Big Data? Nein, der eigentliche Nutzwert für die Unternehmen liegt in der Anwendung von Advanced Analytics und Data Science. Nur so können aus Daten echte Informationen abgeleitet werden. Das Ziel ist, weniger nach Intuition und Bauchgefühl zu entscheiden und sich mehr auf die von Algorithmen gelieferten Ergebnisse zu verlassen. Dies hat insbesondere im Marketing einen großen Einfluss, wo neue Paradigmen wie „Omni-Channel Marketing“ und „Customer Centricity“ die großen Schlagworte sind.

Auch wenn es der Begriff „Big Data“ geschafft hat in aller Munde zu sein, ist seine Aussagekraft genau genommen eher gering. Denn es geht nicht einfach nur darum, Daten, die ganz offensichtlich in immer größeren Mengen anfallen, zu speichern. Entscheidend ist vielmehr die Fähigkeit, diese Datenmassen auch zu analysieren und in Nutzwert umzumünzen. Das ist nicht ganz trivial: Wer versucht, sich zu diesem Zweck mit einem Excel-ähnlichen Frontend oder einem Ad-hoc-Browser durch Milliarden von Datensätzen zu arbeiten, stößt irgendwann an natürliche Grenzen.

Um zu wirklich wertvollen Ergebnissen zu gelangen, bedarf es angesichts der Menge an Daten einer Auseinandersetzung mit dem Unternehmensprozess, in dem die Daten generiert werden, sowie komplexer Machine-Learning Modelle. Deshalb erscheint in diesem Zusammenhang der Terminus „Advanced Analytics“ oder „Data Sience“ zutreffender.

Abgrenzung Advanced Analytics und Data Mining

Aufmerksame Leser werden sich an dieser Stelle vielleicht die berechtigte Frage stellen, was neu daran sein soll, Datensätze auf Ausreißer und Korrelationen zu untersuchen. Schließlich ist das ein seit vielen Jahren gängiges Verfahren, das wiederum unter dem Begriff „Data Mining“ bekannt ist. Der entscheidende Unterschied zwischen Advanced Analytics und Data Mining liegt in den Technologien und Hardware-Plattformen, die in den vergangenen zehn Jahren aufgekommen sind. Neben vielen technischen Innovationen sind es vor allem zwei große Entwicklungen, die hier neue Möglichkeiten eröffnen. Als erstes die Technologie: Hier erhöht die Kombination von Cloud und neuen Datenplattformen die Möglichkeiten, riesige Datenmengen mit Algorithmen parallel zu analysieren. Aber auch auf der algorithmischen Seite hat sich einiges getan: Hier hat sich zwar in der Statistik selbst kaum etwas verändert, aber im Bereich der „lernenden Systeme“ (=Machine Learning) wurden komplexe „Deep-Learning“ Algorithmen entwickelt, die nun viel genauer als im Data-Mining auch komplexe nicht-lineare Zusammenhänge erkennen können. Oft wird in diesem Zusammenhang deswegen auch schon von „Artificial Intelligence“ geredet.

Entwicklungszyklen automatisch synchronisieren

Agile Datenbankentwicklung mit Toad

Änderungen an Datenbanken werden meist mit manuellen Prozessen wie Scripting durchgeführt. Das dauert, verhindert bei sorgfältigem Arbeiten aber Datenverluste. Die Skalierung geht aber nie so weit, wie es für agile Prozesse nötig ist. lesen

Was bedeutet dies nun für Marketing und Kundenansprache?

Im Marketing und in der Kundenansprache sind, wie schon eingangs erwähnt, zwei große Paradigmenwechsel merkbar. Das eine ist der Bereich Omni-Channel-Marketing: Anstatt Kunden nur einem Kanal zuzuordnen (z.B. Kunden, die über den Newsletter oder über die Filiale Kaufinformationen beziehen) wird nun alles rund um den Kunden aufgehängt. Sprich: Der Kunde erwartet, mittlerweile selbst entscheiden zu können, über welchen Kanal er mit einem Unternehmen in Kontakt treten will. Um in dieser Situation Kunden optimal ansprechen zu können, ist es notwendig, die Aktivitäten der Kunden auf allen Kanälen zu messen und zu speichern. Advanced Analytics Algorithmen werten dann diese Information aus und können Vorschläge liefern, wie der Kunde über den richtigen Kanal zur richtigen Zeit angesprochen werden kann.

Aber nicht nur der richtige Zeitpunkt und Kundenkanal kann von Algorithmen vorgeschlagen werden, sondern auch das passende Produkt. Hier wären wir beim zweiten großen Paradigmenwechsel: „Customer-Centricity“. Die Idee ist: durch Customer Centricity wird die Wertschöpfungskette so definiert, dass sie beim Kunden anfängt: Die Erwartungen, Bedürfnisse und Wünsche des Kunden sind damit der Ausgangspunkt. Das Produkt wird an diese Gegebenheit angepasst. Algorithmen und Machine-Learning Modelle sind hier wieder die großen „enabler“. Sie können Vorschläge und Empfehlungen geben, welche Kunden „personalisiert“  mit welcher Produktkonfiguration angesprochen werden. Dabei lernt der Algorithmus mit der Zeit und passt sich Veränderungen an.

Die Vorreiter sind hier aktuell bei den Online-Anbietern zu finden und daraus ergibt sich der Anknüpfungspunkt für Banken- und Versicherungen. Schließlich gibt es doch keinen Konzern, der sich nicht mit diesen Themen beschäftigt und der rege Zuspruch zum Banken-Symposium Wachau ist dafür ein deutliches Zeichen für den österreichischen Markt.

Banken und Versicherungen sitzen auf einem „Datenschatz“, den es zu heben gilt. Voraussetzung dafür ist die Überbrückung der „gewachsenen“ heterogenen Systemlandschaften und Harmonisierung der Prozesse. Es ist damit zu rechnen, dass sich neue Anbieter (ohne diesen Ballast) schneller auf diese Anforderungen einstellen werden bzw. dies bereits getan haben. Den Plus-Punkt einer dualen Betreuung mit digitalen und persönlichen Service-Plattformen können hingegen die etablierten Banken und Versicherungen ins „Rennen“ um den Kunden einbringen, hierfür sind die gesetzlichen Beschränkungen in Bezug auf die Datenverwertung noch auszuloten. Im ersten Schritt ist eine Bestandsaufnahme und die Suche nach Use-Cases der richtige Weg: gilt es doch die Technologien als „enabler“ für die Umsetzung einer kunden- und zukunftsorientierten Dienstleistung zu nutzen.

 

pmOne: gut aufgestellt, um FSI-Bedürfnisse zu adressieren

Bei pmOne haben wir uns auf die Bedürfnisse des Banken- und Versicherungssektors ausgerichtet: Big Data/Predictive Analytics, integrierte Finanzarchitektur sowie Szenario- und Simulationsmöglichkeiten, FinRep und CoRep: Das sind alles Themen, die den Banken unter den Nägeln brennen. Darüber hinaus wurde etwa für Versicherungen ein vollständiges Solvency II Paket inkl. QRTs entwickelt.

Mit Lösungen zu IFRS 9, 15, 16 und 17 runden wir unser Angebotsspektrum zusätzlich ab. Wir freuen uns, wenn wir unseren Finanzdienstleistungskunden als kompetenter Partner zur Seite stehen und unser Know-how rund um Business Intelligence, Performance Managemet und Big Data einsetzen können, um gemeinsam die anstehenden Herausforderungen anzugehen.

Übrigens: In den kommenden Wochen und Monaten gibt es für Interessierte zahlreiche Gelegenheiten, pmOne und ihre Lösungen live kennenzulernen und sich mit unseren Experten persönlich auszutauschen. Eine aktuelle Veranstaltungsübersicht findet sich hier: https://www.pmone.com/events/ oder Sie nutzen die Gelegenheit und lernen uns auf dem Banken Symposium Wachau (http://banken-symposium-wachau.at/) näher kennen!

Verfasst von: Gernot Molin / Geschäftsführer, pmOne Analytics GmbH und Heimo Teubenbacher / Senior Account Manager, pmOne GmbH

Zurück