Aufrufe
vor 3 Jahren

KINOTE 01.2020

Um einen Wandel der Finanzbranche erfolgreich zu meistern, müssen Kreditinstitute sowohl Chancen als auch Herausforderungen der Künstlichen Intelligenz (KI) erkennen. Unter der neuen Marke KINOTE der Bank-Verlag GmbH finden Sie Meldungen, Studien und Fachartikel zum Themenkomplex KI. Wir beantworten Ihre Fragen rund um KI. Wir berichten über Trends, neue Technologien, Forschungsergebnisse und daraus entstehende Möglichkeiten, die KI Ihrem Unternehmen bietet.

44 01 | 2020

44 01 | 2020 Neuberechnung verändern. Sobald keine beträchtlichen Veränderungen mehr entstehen, werden die Zentren nicht mehr aktualisiert. Aus diesem stark vereinfachten Beispieldatensatz wird schnell ersichtlich, dass sich die Distanzen minimal verändert haben. Die Cluster-Strukturen bleiben bestehen bzw. grenzen sich noch stärker ab. Die Zentren platzieren sich mittiger und entfernen sich weiter voneinander. Gleichzeitig bewegen sie sich mehr zu den Datenobjekten innerhalb des Clusters. » 3 Ergebnisse des Clustering Das Ziel war es, Kunden anhand ihres Levels an Interaktion mit der App in Gruppen (low, medium und high) einzuteilen. Anhand der Cluster geschieht dies wie folgt: 1. Low: Cluster C3 mit Z3 bildet jene Nutzer ab, deren Recency hoch und deren Frequency niedrig ist. Diese Kunden weisen im Vergleich zu den anderen eine niedrigere App-Interaktion auf, da ihr letzter Login bereits länger her ist und innerhalb des Zeitraums wenige Aktionen stattgefunden haben. 2. Medium: Cluster C2 mit Z2 enthält Kunden, die ein moderates Nutzerverhalten haben. Der Recency-Wert ist hier niedriger und der Frequency-Wert etwas höher als von Kunden aus der Gruppe Low. 3. High: Cluster C1 mit Z3 gruppiert hier die meisten Kunden aus dem Datensatz. Es handelt sich hierbei um die aktivsten Nutzer mit den jüngsten und häufigsten Anmeldungen. Fazit Machine Learning ist ein wichtiges und innovatives Instrument im Rahmen einer Banking App, um Kunden zeitgemäß zu erreichen sowie zu beraten. Dabei wurde deutlich, dass die Nutzersegmentierung mithilfe eines Machine-Learning-Algorithmus umsetzbar ist. Das Clustering erfolgt in der Regel in einer Programmiersprache wie Python oder R, um schneller und effizienter Ergebnisse abzuliefern. Oftmals wird das Clustering eher zur Datenexploration zu Beginn eines Data-Science-Projekts und selten für den tatsächlichen Produktionseinsatz genutzt. Der Datensatz und seine Strukturen sollen an dieser Stelle zunächst besser verstanden werden, um im Vorfeld mögliche Relationen, Anomalien oder Ausreißer zu entdecken. Von hier aus könnten die einzelnen Cluster mit zusätzlichen Machine-Learning-Ansätzen gezielter analysiert und Funktionen individuell angezeigt werden – mit dem Ziel, das Nutzungserlebnis zu optimieren. Autorin Emilia Trinh ist Junior Data Scientist bei der Neugelb Studios GmbH. Die Firma ist eine 100-prozentige Tochter der Commerzbank AG und unterstützt diese bei digitalen Projekten. Basierend auf diesen Ergebnissen könnten weitere Interaktionen – etwa das Zahlungsverhalten – in Betracht gezogen werden. So lassen sich die Cluster verfeinern, weitere Cluster bilden und die Nutzersegmente ausführlicher definieren. 1 Stuart Russell and Peter Norvig. Artificial Intelligence a modern approach. 3rd ed. Pearson, 2010. 2 Accenture Report: Beyond Digital. How can Banks Meet Customer Demands?

Advertorial 45 Mit Process Excellence den digitalen Wandel gestalten und konkurrenzfähig bleiben „Banken, wie wir Sie kennen, wird es in zehn Jahren nicht mehr geben.“ Mit dieser These löste Thomas Jorberg, Vorstandssprecher der GLS Bank, einst eine lebhafte Diskussion aus. Als einen der Hauptgründe sah er mitunter die träge Umsetzung von notwendigen Digitalisierungsmaßnahmen, die von vorherrschenden Strukturen der Finanzhäuser behindert wird. Was hat sich in der Bankendigitalisierung seit dieser Aussage vor fünf Jahren getan? Die anhaltende Niedrigzinspolitik, in die Jahre gekommene IT- Strukturen und die gestiegene Erwartungshaltung seitens der Endkunden sind Gründe genug für umfassende Digitalisierungsinitiativen. Strategische Pläne zur Kostensenkung durch Stellenabbau und Filialschließungen reichen nicht mehr aus, um langfristig den wachsenden Herausforderungen zu begegnen. Zudem konnten FinTechs in den letzten Jahren immer mehr Marktanteile wichtiger Geschäftsfelder für sich gewinnen, etwa in der digitalen Kontoeröffnung, der Anlageberatung oder dem Zahlungsverkehr. In einigen Bereichen haben Banken mittlerweile nachgezogen und stellen ihre Services ebenfalls digital zur Verfügung. Entscheidend dabei ist, Vorgänge ganzheitlich zu betrachten und manuelle, ineffiziente Schritte zu eliminieren. Denn der Druck, Prozesse einfacher, schlanker und schneller zu gestalten, wächst immer mehr. Die erforderlichen Technologien für digitale Process Excellence durch Process Mining, Business Process Management (BPM) oder Robotic Process Automation (RPA) sind längst vorhanden. Welches Potenzial in der softwaregestützten Optimierung von Prozessen steckt, zeigt ein Beispiel einer großen europäischen Universalbank. Dort können Kreditanträge dank Process Mining jetzt vier Mal so schnell bearbeitet und die Durchlaufzeit im Retail-Payment-Prozess um 30 Prozent verringert werden. Und die Anwendungsfälle sind nahezu unendlich. Angesichts des schwierigen Geschäftsumfeldes, in dem sich ein Großteil der Banken befindet, und den Herausforderungen, vor denen die Institute stehen, wird es immer wichtiger, die vielen Chancen der Prozessoptimierung zu nutzen und jederzeit flexibel reagieren zu können. So können Geschäftsabläufe strategisch, wirtschaftlich und kundenorientiert verbessert werden. Am nötigen Fokus für digitale Themen und innovative Technologien mangelt es nicht. Laut einer aktuellen Umfrage von Gartner sehen CIOs der Finanzbranche neue Technologien durchaus als entscheidend für den Erfolg ihrer Organisation an. Dennoch ist das Management bei digitalen Themen oft noch zu risikoscheu, wenn es um Innovationen und damit verbundene Investitionen geht. „Um trotzdem kein Potenzial zu verschenken und die digitale Transformation mittels intelligenter Lösungen voranzutreiben, braucht es eine durchdachte Strategie und die richtige Herangehensweise“, so Alexander Lerch, Geschäftsführer des IT-Unternehmens Halvotec und Experte im Bereich Digitalisierung. Fehlen dafür zeitliche und personelle Ressourcen oder das notwendige Know-how, ist es ratsam, auf externe Unterstützung zurückzugreifen. Mit einem erfahrenen Partner können Prozesse ganzheitlich analysiert, Anwendungsfälle identifiziert und darauf ausgerichtet, die richtigen Technologien ausgewählt und implementiert werden. Damit wären Institute in der Lage, die maximale Effizienz bei gleichzeitig niedrigen Prozesskosten zu erreichen und gegenüber anderen Banken oder FinTech-Unternehmen konkurrenzfähig zu bleiben. Kontakt Halvotec Information Services GmbH Digitalisierungspartner für Banken | Business Process Excellence & Digital Workplace halvotec.de | kontakt@halvotec.de | +49 8031 2979-0

die bank