Advanced Analytics soll zuverlässige Prognosen für Geschäftsentscheidungen ermöglichen

Was wäre, wenn eine Bank zuverlässig 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. Seiner Auffassung nach reicht es nicht aus, lediglich die neueste Software einzukaufen und Data Scientists zu beauftragen. Wichtig sei vor allem die Planung. „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.

Dennoch ist die Strategie für viele Manager noch Neuland. Viele Führungskräfte müssen 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 auf die Zukunft schließen

Zu verstehen ist Advanced Analytics am besten, wenn man es mit der traditionellen Business Intelligence (BI) vergleicht. BI untersucht historische Daten und kann daraus beispielsweise Diagnosen ableiten. Advanced Analytics kreiert dagegen neue Informationen mit Hilfe bestimmter Algorithmen und Mustererkennung. Das primäre Ziel ist es dabei, 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 und damit die Voraussagekraft erhöht. 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 dadurch proaktives Handeln. Insgesamt ermöglicht das Konzept Einsparungen finanzieller und zeitlicher Natur, was angesichts geringer Margen und steigender Ansprüche der Kunden für Banken in Zukunft überlebensnotwendig ist.

FinTechs und RegTechs können bei der Digitalisierung mitwirken

Bei so vielen Vorteilen stellt sich die Frage, warum Advanced Analytics noch nicht überall eingesetzt wird, zumal die hierfür benötigten 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. So fehlten Qualifikationen bei den Mitarbeitern und häufig sei auch kein klares Zielbild vorhanden.

Bei vielen sachlichen Problemen können die innovativen Lösungen von FinTechs oder RegTechs helfen. Doch nicht selten verhindern dies Datensilos oder unflexible IT-Architekturen.“

Stefan Steinhoff, Partner TME

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.

Bei der Implementierung von Advanced Analytics sollten die einzelnen Komponenten harmonisch aufeinander und auf die Gesamtstrategie der Bank abgestimmt werden, sagt Yaroslavtseva. Man benötige hierfür eine effektive und effiziente Organisation mit klar definierten Verantwortlichkeiten, eine verbesserte Unterstützung des Vertriebs sowie Compliance, Skalierbarkeit und Flexibilität. Ein Patentrezept gebe es dabei allerdings nicht, sondern jedes Kreditinstitut müsse sein individuelles Konzept entwickeln und umsetzen.

Oftmals Paradigmenwechsel in der Banken-IT erforderlich

Immerhin gibt es allgemeingültige Regeln. Letztlich wird Advanced Analytics nur dann erfolgreich genutzt, wenn es eingebunden wird in die digitale Transformation des Unternehmens. Um am Ende wirklich zu einer Real-Time-Datenauswertung und aussagekräftigen Prognosen zu kommen, ist oft eine tiefgreifende Wandlung der IT nötig. Hier muss laut TME jede Bank den maximalen Aufwand bestimmen, den sie treiben kann.

Ein nicht kleiner Teil des Aufwands betrifft die Kommunikation. Bei allen Stakeholdern der Bank müsse dasselbe ganzheitliche Verständnis für den Veränderungsprozess geschaffen werden, sagt Steinhoff. Er empfiehlt, eine Advanced-Analytics-Einheit zu schaffen, die unternehmens- und gegebenenfalls konzernweit bei Strategien der operativen Umsetzung und der Methodik berät. Workshops, Schulungen und Coachings seien wesentliche Erfolgsfaktoren, denn bei Advanced Analytics gehe es nicht um irgendein Zusatz-Feature.

Die Interaktion mit Kunden findet zunehmend digital statt und die Datenmengen wachsen rasant. Nur wer diese smart nutzt, wird sich mittelfristig im Wettbewerb durchsetzen.“

Stefan Steinhoff, Partner TME

Das Whitepaper des TME Instituts „Advanced Analytics – strategisches Zielbild zur smarten Nutzung von Daten“ steht zum kostenlosen Download zur Verfügung. tw