STRATEGIE28. März 2018

Eine KI-Lösung muss stetig neue Datenquellen hinzu­fügen und analysieren, um bessere Treffer zu liefern

KI-Lösung im Angebot: Dr. Dorian Selz ist CEO und Mitgründer von Squirro
Dr. Dorian Selz ist CEO und Mitgründer von SquirroSquirro

Künstliche Intelligenz und ma­schi­nel­les Ler­nen lie­fern zum ers­ten Mal ge­schäfts­re­le­van­te Ein­bli­cke in die rie­si­gen Men­gen un­struk­tu­rier­ter Da­ten von Fi­nanz­dienst­leis­tern. Da­mit las­sen sich Kun­den­be­dürf­nis­se an­ti­zi­pie­ren, die Kun­den­zu­frie­den­heit ver­bes­sern und die Kun­den­bin­dung stär­ken. Doch damit eine KI-Lösung auch wirklich gute Ergebnisse liefert, muss sie neue unstrukturierte Daten jederzeit hinzufügen und analysieren können.

von Dr. Dorian Selz, CEO Squirro

Bankkunden sind besser informiert als je zuvor. Gleichzeitig haben sie eine größere Auswahl auf dem Markt: Zusätzlich zu den traditionellen Finanzinstituten gibt es Dutzende von FinTechs, die zahlreiche Finanzdienstleistungen für Privat- und Geschäftskunden anbieten.

CRM-Systeme alleine reichen nicht aus

Angesichts des verschärften Wettbewerbs müssen die herkömmlichen Anbieter ihre Kunden besser als je zuvor kennen und verstehen. Sie müssen herausfinden, was die Kunden bewegt, wann sie unzufrieden sind und ihnen überzeugende Lösungen anbieten, um die Kundenabwanderung zu verringern. Seit einigen Jahren haben Banken daher massiv in CRM-Systeme investiert, stellten dann aber fest, dass sich damit alleine die Herausforderungen nicht bewältigen lassen.

Das Problem: Enorme Datenmengen liegen nur unstrukturiert vor

Finanzdienstleister verfügen über große Datenmengen über ihre Kunden – E-Mails, Anrufnotizen, Besprechungsprotokolle, Informationen aus dem Customer Service und aus Social-Media-Plattformen. Es gibt also jede Menge Informationen über die Aktivitäten und Absichten eines Kunden, seine Präferenzen und mögliche Probleme.

Die Daten befinden sich aber meist in einem virtuellen „schwarzen Loch“, das für gängige Abfragetools nicht zugängig ist, denn die große Mehrheit der CRM-Systeme arbeitet nur mit strukturierten Daten. 85 Prozent der Unternehmensdaten sind aber unstrukturiert.”

Das Problem ist damit klar – Finanzdienstleister versuchen, ihre Kunden anhand eines Bruchteils der relevanten Informationen zu verstehen. Wie soll das gehen? Salesforce beispielsweise schätzt, dass nur ein Prozent der Daten eines Unternehmens von seinem CRM-System verwendet werden, was bedeutet, dass riesige Mengen an Kundeninformationen ungenutzt bleiben.

KI-Lösung und maschinelles Lernen bringen Licht ins Dunkel

Eine wichtige Rolle bei der entscheidungsorientierten Analyse der strukturierten und unstrukturierten Datenbestände spielen sogenannte lernende Algorithmen.

KI-Lösung von Squirro
Die KI-Lösung von Squirro für Corporate Financial Services verarbeitet Daten von Social-Media-Plattformen, Newsfeeds, Ad-hoc-Mitteilungen, Aufzeichnungen von Bilanzkonferenzen, unterschiedlichen internen Datenbanken und CRM-Plattformen sowie E-Mails. Die KI-Lösung strukturiert die Daten, liefert Anwendern einen Einblick in die Denk- und Verhaltensweisen von Interessenten und Kunden und zeigt zusätzliche Geschäftsmöglichkeiten auf.
Bei genauerem Hinsehen ist der Begriff jedoch etwas irreführend, denn der Algorithmus selbst verändert sich nicht. Vielmehr baut er mit einer Ausgangsbasis vorhandener Daten eine Entscheidungsstruktur auf. Da die vorliegenden Daten die Entscheidungsstruktur beeinflussen, spricht man auch davon, dass der Algorithmus „trainiert“ wird. Im Laufe der Zeit kommen neue Daten hinzu; daraus entstehen weiter verfeinerte und differenzierte Strukturen – und damit Handlungsempfehlungen.

Eine KI-Lösung für Fi­nanz­dienst­leis­ter soll­te idea­ler­wei­se ei­ne 360-Grad-Sicht auf Kun­den be­reit­stel­len und hand­lungs­re­le­van­te Emp­feh­lun­gen lie­fern, wann und wie die Kun­den er­folg­ver­spre­chend zu adres­sie­ren sind.”

Bei der Suche nach relevanten Daten kommen beispielsweise Word2Vec-Verfahren zum Einsatz, bei denen Worte oder auch Suchanfragen und Dokumente als Vektoren repräsentiert und in Beziehung zueinander gesetzt werden. Je geringer der Abstand zwischen den Datenpunkten, desto größer ist die Ähnlichkeit.

Eine intelligente Suchfunktion ist in der Lage, Informationen aus immer neuen Datenquellen hinzuzufügen, den Algorithmus zu trainieren und die Treffergenauigkeit der Suchfunktion zu verbessern.”

In Anbetracht einer Vielzahl von Faktoren, die bei Finanzdienstleistern eine Transaktion anstoßen oder eine Geschäftsmöglichkeit aufzeigen können, identifiziert KI automatisch die entscheidenden Daten und liefert Handlungsempfehlungen. So könnte eine Bank eine KI-Lösung bei der Suche nach gewerblichen Immobilienangeboten einsetzen. 

Autor Dr. Dorian Selz, Squirro
Dr. Dorian Selz ist CEO und Mit­grün­der von Squir­ro. Zu­vor grün­de­te er die Schwei­zer Such­platt­form lo­cal.ch und mach­te sie in vier Jah­ren zum Markt­füh­rer. Er war Part­ner und COO bei Na­mics, der grö­ß­ten E-Busi­ness-Be­ra­tung in der Schweiz und in Deutsch­land. Do­ri­an Selz hat ei­nen Dok­tor­ti­tel der Uni­ver­si­tät St. Gal­len und ei­nen Mas­ter in Wirt­schafts­wis­sen­schaf­ten der Uni­ver­si­tät Genf.
Dabei werden interne und externe Quellen nach Mustern untersucht, die auf eine Bewegung im Markt hindeuten, zum Beispiel einen möglichen Verkauf oder Diskussionen um ein neues oder die Wiederbelebung eines vorhandenen Gewerbegebiets. Dabei muss ein Finanzdienstleister die verfügbaren Datenbestände effizienter analysieren.

Schneller auf den Mitbewerb reagieren

Eine gezielte Marktbeobachtung und Analyse der Mitbewerber auf Basis öffentlich zugängiger Daten im Internet bietet zuvor nicht zugängliche Einblicke in deren Produkt-, Preis- und Marketingstrategien. Finanzdienstleister können so schnell und punktgenau auf Aktivitäten des Wettbewerbs reagieren.

Unternehmen befinden sich bezüglich KI heute an einem Meilenstein, vergleichbar mit umwälzenden Technologien, die im letzten Jahrhundert die Wirtschaft und Gesellschaft revolutioniert haben.

Finanzdienstleister sollten sich daher mit den variationsreichen Anwendungsszenarien der künstlichen Intelligenz beschäftigen, testen und praktische Erfahrungen sammeln, um das damit verbundene Innovationspotenzial optimal erschließen zu können.”aj

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert