Mit KI zu Data-driven Banking

Datenbasierten Geschäftsmodellen gehört die Zukunft. Auch im Banking. Doch was genau ist darunter zu verstehen? Und vor allem: Was gilt es zu beachten, damit entsprechende Projekte von Erfolg gekrönt sind? Derlei Unsicherheiten halten viele Banken davon ab, eigene Projekte in Angriff zu nehmen. Dabei müssen Sie den Erfolg nicht dem Zufall überlassen.

Dank Data-driven Banking können Banken ihren Kunden personalisierte Dienstleistungen und Produkte anbieten (Bild: Contovista)

Die digitale Transformation hat längst auch die Finanzindustrie erreicht. Schon 2022 werden dank dem «Internet of Things» rund 28,5 Milliarden Endgeräte ans Netz angeschlossen sein. Und der weltweite Datenverkehr wird sich in den kommenden fünf Jahren – nicht zuletzt dank 5G – verdreifachen. Das geht aus dem Visual Networking Index von Cisco hervor. Mit anderen Worten: Daten sind das Öl unserer Zeit.

Gleichzeitig wächst mit den Millennials und der Generation Z ein neues Kundensegment heran, das unter völlig anderen Vorzeichen sozialisiert wurde als die vorangehenden Generationen. In einer universell vernetzten Welt als Digital Natives aufgewachsen, stellen die jungen Konsumenten neue Anforderungen an Unternehmen. Produkte und Dienstleistungen müssen zu ihrem Lifestyle passen. Banking bildet hier keine Ausnahme. Für Finanzdienstleister ist das eine Herausforderung – aber auch eine Chance: Die digitale Transformation bietet zahlreiche Möglichkeiten, das Kundenerlebnis zu personalisieren und Kunden so noch enger ans eigene Unternehmen zu binden.

Konsequente Veredelung von Daten

Gerade Banken sind prädestiniert, datengetriebene Geschäftsmodelle zu realisieren. Denn ihr Geschäft hat schon immer auf mathematischen Modellen und Daten basiert. Oder anders gesagt: Kaum ein anderes Unternehmen weiss so viel über die Lebensgewohnheiten seiner Kunden wie die Bank. Mit diesen Informationen können Banken ihre Kunden präzise ansprechen und zur individuellen Lebenssituation passende Produkte anbieten. Wer etwa häufig reist, könnte eine Kreditkarte, eine Versicherung oder ein Fremdwährungskonto benötigen. Wer eine Gehaltserhöhung erhalten hat oder häufig Überweisungen zu anderen Banken und Investment-Plattformen tätigt, interessiert sich wahrscheinlich für Anlageprodukte. Und so weiter. 

Die Herausforderung liegt in der intelligenten Verarbeitung des massiven Datenvolumens, das aufgrund immer neuer Datenpunkte rasant wächst. «Datenveredelung» lautet das Stichwort. Hier kommt Künstliche Intelligenz – kurz KI – ins Spiel: Moderne Ansätze wie Data Analytics, Data Mining und Machine Learning generieren aus den rohen Daten verwertbares Wissen. Auf dieser Basis können Finanzinstitute in einem zweiten Schritt dann die Bankdienstleistungen der Zukunft gestalten.

Der Weg zum Erfolg

Der Weg scheint vorgegeben. Und doch herrscht nach wie vor Unsicherheit. Wie identifiziert man den richtigen Anwendungsfall? Worauf kommt es beim Umgang mit Daten an? Und sind auch ausreichend Know-how und Ressourcen vorhanden? Es sind viele Fragen offen. Dabei lassen sich die Erfolgschancen mit einigen Grundsatzregeln erheblich steigern:

  1. Offen und experimentierfreudig sein
    Es gibt kein Patentrezept – bleiben Sie offen für Kursänderungen und Neues.
     
  2. Zielvorstellungen formulieren
    Machen Sie die Zielerreichung mittels klar formulierter KPIs messbar.
     
  3. Anwendbarkeit der Ergebnisse im Auge behalten
    Bleiben Sie praxisorientiert und behalten Sie den geschäftlichen Nutzen stets im Blick.
     
  4. Mit kleinen, in sich abgeschlossenen Projekten beginnen
    Beginnen Sie mit einem kleinen Projekt und weiten Sie den Einsatz von KI nach und nach aus.
     
  5. Von Best Practices profitieren
    Vermeiden Sie Fehler, die andere Unternehmen bereits gemacht haben, indem Sie einen Profi als Coach ins Boot holen.
     
  6. Auf Fachkompetenz setzen
    Engagieren Sie einen Data Scientist – ob intern oder extern.
     
  7. Einfachen Datenzugang einrichten
    Ein ausgefeiltes Data Warehouse ist für die ersten Projekte nicht nötig – den Zugriff auf die relevanten Daten müssen Sie allerdings sicherstellen.
     
  8. Daten konsequent veredeln
    Data Analytics und Machine Learning leben vom Informationsgehalt der Daten – nutzen Sie externe Datenquellen, Services und Modelle, um diesen insbesondere bei unstrukturierten Daten zu erhöhen und zugänglicher zu machen.
     

Wenn Sie diese Punkte beachten, dann stehen die Chancen gut, ohne viel Aufwand und Zeit erste positive Resultate mit Data-driven Banking zu machen. Dabei ist jetzt der richtige Zeitpunkt gekommen. Wer länger wartet, riskiert den Anschluss zu verpassen.