Banken schauen in die Zukunft - Advanced Analytics erlaubt smarte Nutzung von Daten
Was wäre, wenn eine Bank vorhersagen könnte, ob ein neues Geschäftsmodell funktionieren wird? Oder wenn sie wüsste, welche Angebote von Kunden künftig am stärksten nachgefragt werden? Klar: Diese Bank hätte einen enormen Wettbewerbsvorteil gegenüber ihren Konkurrenten. Advanced Analytics könne ihr diesen verschaffen, sagt Stefan Steinhoff, Partner der TME AG, einer Frankfurter Unternehmensberatung für Financial Services.
„Neue Tools erlauben es, Daten smart zu nutzen und so Prognosen zu erstellen, statt nur die Vergangenheit zu analysieren.“ Steinhoff rät Kreditinstituten dazu, möglichst rasch Analytics-Technologien einzusetzen.
Wichtig sei es, dabei strategisch vorzugehen, betont Alexandra Yaroslavtseva, die bei der TME für den Themenbereich Advanced Analytics zuständig ist. Es reiche nicht, lediglich die neueste Software einzukaufen und Data Scientists zu beauftragen. „Man muss wissen, wo genau man hin will“, sagt Yaroslavtseva und meint damit die Festlegung einer Vision, eines Zielbilds und einer Strategie. Advanced Analytics dürfe nicht im luftleeren Raum eingesetzt werden, sondern sollte mit der Gesamtstrategie und der Digitalisierungsstrategie des Unternehmens konform gehen. Viele Führungskräfte müssen allerdings erst „Kontakt“ mit diesem neuen Gebiet aufnehmen und dessen Mehrwert begreifen. Um sie zu überzeugen, empfiehlt die TME, die Advanced-Analytics-Vorhaben auf die Durchführbarkeit hin zu testen und auch konkrete Anwendungsfälle einzubeziehen.
Vom Geschehenen zum Zukünftigen
Zu verstehen ist Advanced Analytics am besten, wenn man es mit der traditionellen Business Intelligence (BI) vergleicht. BI untersucht historische Daten und kann daraus z. B. Diagnosen ableiten. Advanced Analytics kreiert dagegen neue Informationen mit Hilfe bestimmter Algorithmen und Mustererkennung. Ziel ist es, etwa künftige Ereignisse oder Verhaltensweisen vorherzusagen. BI will also beantworten, was geschehen ist und warum es geschehen ist, während Advanced Analytics verrät, was mit welcher Wahrscheinlichkeit geschehen wird. Möglich macht das die Einbindung von Machine Learning, welche die Rechenprozesse ständig und automatisiert verbessert. Die Analysefunktionen reichen bis hin zu komplexen Aufgaben wie Performance Management. Predictive Modelling, Asset Intelligence und vielem mehr.
Für Steinhoff ist Advanced Analytics für jede Bank unverzichtbar. Es biete Lösungen für fast alle Bereiche des Unternehmens und habe positive Effekte auf die gesamte Wertschöpfungskette. Informationen, die wichtige Entscheidungen beeinflussen, werden schneller und präziser als bisher geliefert. Individuelle Predictive-Szenarien machen eine raschere Reaktion auf neue Regularien oder Wirtschaftsbedingungen möglich. Die Prognosen erlauben proaktives Handeln. Insgesamt lassen sich Zeit und Geld sparen, was angesichts geringer Margen und steigender Ansprüche der Kunden für Banken überlebensnotwendig ist.
FinTechs und RegTechs können unterstützen
Bei so vielen Vorteilen stellt sich die Frage, warum Advanced Analytics noch nicht überall eingesetzt wird, zumal die Tools inzwischen ausgereift und flexibel sind. Die TME hat diverse Hindernisse ausgemacht, welche die Verbreitung erschweren. Oft werde die Entwicklung parallel in den einzelnen Fachbereichen vorangetrieben und nicht ausreichend koordiniert. Es fehlten Qualifikationen bei den Mitarbeitern und häufig sei auch kein klares Zielbild vorhanden. Bei vielen sachlichen Problemen könnten die innovativen Lösungen von FinTechs oder RegTechs helfen, sagt Steinhoff, „doch nicht selten verhindern dies Datensilos oder unflexible IT-Architekturen“. Dennoch sei der Weg einer Zusammenarbeit mit einem Startup erfolgversprechend, so der Experte von der TME, die selbst eine umfangreiche FinTech-Datenbank mit mehr als 1.400 Einträgen bereithält und Kooperationen vermittelt.
