Data Science für Banken und Versicherungen: Mit Financial Analytics die eigenen Stärken ausbauen und Sicherheit garantieren.

Financial Analyritcs spielt eine wesentliche Rolle im Banken- und Versicherungssektor.

Kaum eine Branche ist derzeit so stark von den Auswirkungen der Digitalisierung betroffen wie der Banken- und Versicherungssektor. Neue Konkurrenten wie FinTechs oder Crowd-Lending beziehungsweise Crowd-Investing-Plattformen stehen in direkter Konkurrenz zu den Banken. Alternative Zahlungsmethoden, Online-Banking und die Blockchain-Technologie stellen die traditionellen Bankdienstleistungen und die Bankfiliale als Institution infrage. Letzteres wirkt sich wiederum direkt auf den Vertrieb von Versicherungen aus.

Eine Studie der Universität Potsdam belegte 2015, dass insbesondere Banken und Versicherungen zu konservativ arbeiten. Auch heute sind ganzheitliche Data-Science-Lösungsansätze eher die Seltenheit.
Bildquelle: http://www.presseportal.de/pm/10938/3147503

Wie sehr die Branche unter Druck geraten ist, zeigt sich auch daran, dass die großen vier Technologie-Konzerne Amazon, Apple, Google (Alphabet) und Facebook in diesem Bereich aktiv sind. Google verfügt bereits über eine europäische Banklizenz und Facebook will seit einiger Zeit gleichziehen. Wenn der bereits in Irland gestellte Antrag über eine entsprechende Lizenz Erfolg hat, wird das soziale Netzwerk, gemessen an der Mitgliederzahl, mit einem Schlag zur größten Bank der Welt. Für Banken wird es in dieser Situation immer wichtiger, die eigenen Stärken auszubauen und die interne Unternehmensstruktur zu optimieren – beides gelingt mit Financial Analytics.

Data Science bietet Banken die Chance, ihre Stärken auszubauen

Gegenüber herkömmlichen Berechnungen im Rahmen von Financial Management und Financial Accounting bietet ein auf Datenanalysen basierendes Instrument wie Financial Analytics mehr Möglichkeiten. Durch Modellierung und Simulation können beispielsweise im Bereich Kosten- und Ergebnismanagement genaue Vorhersagen über die Entwicklung eines Produkts oder die Rentabilität gemacht werden. Banken können so gegenüber den neuen Formen des Bankings zwei entscheidende Vorteile ausspielen: Sie können ihren Kunden qualitativ hochwertige Beratung und Serviceangebote sowie ein höheres Maß an Sicherheit bieten. Studien belegen, dass beides – das gestiegene Bedürfnis nach persönlichem Kontakt mit einem Mitarbeiter und das Bedürfnis nach Sicherheit –  zentrale Werte für die Kunden darstellt.

Das hat zur Folge, dass zum einen die Ansprüche an die Bankberater und zum anderen an die technische Infrastruktur stetig steigen. Im Rahmen einer persönlichen Beratung können ergänzend Financial Analytics Tools eingesetzt werden. Auf diese Weise kann beispielsweise die Trading-Erfahrung eines Mitarbeiters mit Hilfe von Prognose-Modellen unterstützt und verbessert werden.

Wie Financial Analytics die Banken und Versicherungen unterstützt, Prozesse zu optimieren

Im Vergleich zu anderen Unternehmen sind die internen Prozesse und die Zusammenhänge innerhalb von Banken und Versicherungen sehr komplex. Wichtige Kennzahlen, Berechnungsfaktoren und Rahmenbedingungen kommen von außen – beispielsweise von den nationalen und internationalen Finanzmärkten, dem Gesetzgeber, Institutionen wie der EZB und viele Weitere. Financial Analytics ermöglicht flexible Preismodelle, bessere Risikoabschätzung sowie eine bessere Planung von Assets und Investments. Neue Produkte zu entwickeln, ihre Absatzwahrscheinlichkeit vorherzusagen und die Rentabilität zu bestimmen beruht so auf einer verlässlichen Datenbasis.

Die vielschichtigen Zusammenhänge stellen eine besondere Herausforderung für die Data Science dar. Je komplexer die beteiligten Prozesse sind, umso wichtiger ist es, dass die Daten im Vorfeld bereinigt und auf Aktualität, Relevanz und Plausibilität geprüft werden. Die Aufbereitung, die ohnehin einen großen Anteil eines Data-Science-Projektes ausmacht, ist im Bereich der Banken und Versicherungen besonders sensibel. Selbst kleinste Fehler oder Ungenauigkeiten können große Auswirkungen mit realen Verlusten nach sich ziehen.

Data Science für Banken gab es auch schon in den 80er Jahren. Der Unterschied zu heute – die Rechenleistung ist exponentiell gewachsen, während die Kosten für Technologie immer weniger wurden.

Neben Sicherheit geht es heute darum, nahe am Kunden zu sein

Heute ist es für Banken und Versicherungen nicht nur wichtig die Rentabilität ihrer Produkte in Abhängigkeit von Kosten, Verlusten, Umsatz und Gewinnen zu kennen. Vielmehr geht es auch darum, das Ausfallrisiko bei Krediten und Versicherungen richtig zu bestimmen und die richtigen Produkte, zum richtigen Marktpreis, am richtigen Ort den richtigen Kunden anzubieten. Das gelingt beispielsweise, indem Produkte und Dienstleistungen individuell gestaltet und angeboten werden. Berechnung von Risiken kann heute sehr viel genauer bestimmt werden und sich so in der Kalkulation niederschlagen. Ein solches Rating lässt sich sogar anhand weniger Interaktionen von Kunden auf der Unternehmens-Homepage vornehmen.

Eine weitere Möglichkeit, die Kundenbeteiligung und die Kundenzufriedenheit zu steigern, bietet das sogenannte „Community Scoring“. Durch die Beteiligung von Kunden in Communities und der Bewertung ihrer Interaktionen kann gleichzeitig der Service verbessert und die Zahl der möglichen Touchpoints erhöht werden. Aber auch Kundenbindung und die Vorhersage beziehungsweise Verhinderung von Abwanderung zählen zu möglichen Data-Science-Anwendungen in diesem Bereich.

Financial Analytics – Ein intelligentes Planungs- und Steuerungsinstrument für Banken und Versicherungen

Die konkreten Einsatzbereiche von Financial Analytics bei Banken und Versicherungen sind zahlreich: Die Projektion von zukünftigen Finanzszenarien führt zu einer optimierten Planung von Assets, Investments und intelligentem Workforce-Management. Monitoring-Tools liefern wertvolle Insights, die bei der Messung von Performance, Budget- und Personalkostenkontrolle sowie der Personalplanung unterstützen. Über solche Einzellösung hinaus, die oftmals abteilungsspezifische Fragestellungen beantworten, ist es jedoch wichtig, Unternehmen ganzheitlich zu betrachten.

Das übergeordnete Ziel muss sein, Daten über Abteilungsgrenzen hinweg auszuwerten, um die wirtschaftliche Performance insgesamt zu verbessern. Auf diese Weise kann Financial Analytics zu einem zentralen Instrument werden, das bessere und fundiertere Entscheidungsprozesse ermöglicht. Nur so können Banken und Versicherungen in den Genuss aller Vorteile kommen, die durch Data Science möglich werden.

 

 

Tags

top