Gastbeitrag

Data-driven Banking für mittelständische Banken

Kevin Smith über Data-driven Banking für mittelständische Banken

ndgit Serie: Experten sprechen über Banking Disruption

Kevin Smith ist Head of Analytics & AI bei Contovista. Als Data Scientist hat sich Kevin Smith darauf spezialisiert, Daten mit Hilfe von KI-Methoden zu analysieren und diese in direkt nutzbare Informationen zu überführen. Im Interview beantwortet er drei Fragen zu den Chancen von Data-driven Banking für mittelständische Banken.

Warum sind Banken dafür prädestiniert, datengetriebene Geschäftsmodelle zu realisieren?

Banken sind schon immer Organisationen gewesen, in denen mathematische Modelle und Daten die Grundlage für Geschäftsprozesse bildeten. Mit der breiten öffentlichen Debatte um Big Data und KI erfährt das Thema Data-driven Banking viel Aufmerksamkeit – völlig zu Recht. Denn im Gegensatz zu einzelnen Tech-Anbietern, die ihre Kunden auf Basis einer einzigen Plattform oder eines einzigen Produktes kennenlernen, erfahren Banken sehr viel mehr über die Lebensgewohnheiten ihrer Kunden. Dieses Wissen können Banken nutzen, um Kundenbindung und Share-of-Wallet nachhaltig zu steigern.

Können Sie konkrete Anwendungsbeispiele nennen?

Zum einen verfügen Banken über die Transaktionsdaten aus dem Banking-System. Hinzu kommen Kreditkartentransaktionen und eventuell noch weitere Daten von Zweit- und Drittbanken. Nach PSD2 können Kunden ihrer Hausbank zusätzlich den Auftrag erteilen, auch diese Daten zu nutzen. Daraus ergeben sich über 200 Datenkategorien, Geoinformation, persönliche Interessen und vieles mehr, welche wir aus den Transaktionen extrahieren. Mit diesen Informationen kann eine Bank Kunden präzise ansprechen und ein zur individuellen Lebenssituation passendes Produkt anbieten. Wer vermehrt Babyartikel einkauft, ist möglicherweise an der Finanzierung eines Eigenheims interessiert. Wer 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.

Zu guter Letzt können wir dank KI diese Beziehungen (und viel komplexere) automatisch erkennen anstatt sie manuell definieren zu müssen.

Was empfehlen Sie mittelständischen Banken, die ins KI-basierte Banking einsteigen wollen?

Wir stellen fest, dass zu oft über Algorithmen und zu wenig über die zugrundeliegenden Daten gesprochen wird. Um aus Machine Learning messbaren Nutzen zu ziehen, sollten Banken viel mehr Zeit in die Datengrundlage investieren. Die Konsolidierung und Veredelung von Daten aus relevanten Quellen ist das solideste Fundament für jedes KI-Projekt. Es lohnt sich, hier zu Projektbeginn ausreichend Zeit zu investieren, um am Ende den erwünschten Nutzen zu erzielen. Darüber hinaus rate ich dazu, Zielvorstellungen sehr konkret mithilfe von KPIs zu formulieren, so dass sich der Erfolg eines Projektes am Ende messen lässt.

Lesen Sie hier das ganze Whitepaper von Contovista zum Thema: „Drei Strategien, um Data-driven Banking mithilfe Künstlicher Intelligenz zu realisieren“.

Über Contovista

Contovista ermöglicht Data-driven Banking. Die White-Label Software, Data- & Analytics-Lösungen erlauben Banken und Finanzdienstleistern, das Kundenerlebnis in ihren digitalen Kanälen zu optimieren und datenbasierte Entscheidungen zu treffen. Mit Datenveredelung und Machine Learning hilft Contovista seinen Partnern, ihre Kunden zu begeistern und Kundenbindung und Share-of-Wallet nachhaltig zu steigern. Contovista hat seinen Hauptsitz in Zürich. www.contovista.com


Themen


Diesen Beitrag teilen