Was ist Advanced Analytics und wie können Unternehmen in der Finanzbranche in Bezug auf Kreditprozesse davon profitieren?
Advanced Analytics, Big Data, Machine Learning und Data Science. Die Buzzwords im Bereich Digitalisierung sind unendlich. Doch was genau verbirgt sich dahinter? In diesem Beitrag möchten wir Licht ins Dunkle bringen und das Buzzword Advanced Analytics genauer erläutern sowie die Anwendungsbereiche im Kreditprozesse aufgreifen.
Advanced Analytics umfasst Untersuchungen von Daten oder Inhalten mithilfe von komplexen Techniken und Tools, welche zumeist die traditionelle Business Intelligence übertreffen. Im Gegensatz zu einfachen Analysen, können Advanced Analytics Techniken und Tools neben strukturierten Daten wie z. B. Daten in Tabellenform, auch unstrukturierte Daten wie Bilder, freie Texte in E-Mails oder Social Media Posts untersuchen.
Zudem sind die Prozesse zumeist (teil-)automatisiert, wodurch für den Benutzer nach anfänglicher Prozessanpassung und Dateneingang wenig händisch zu erledigen ist. Zu den Analysetechniken der Advanced Analytics gehören z. B. Predictive Modeling, Data Mining, KI, Maschine Learning, Simulation und neuronale Netze. Anhand dieser und weiterer Analysetechniken können echte Insights generiert und Handlungsempfehlungen aufgrund von Trends und Prognosen gegeben werden. Die daraus entstehenden Mehrwerte umfassen die Kostensenkung, Umsatzsteigerung, eine schnellere sowie bessere Entscheidungsfindung, Perspektivwechsel, eine langfristige Kundenbindung und die Möglichkeit auf neue Situationen proaktiv reagieren zu können.
Advanced Analytics selbst lässt sich abhängig von der Art der Analysetechnik weiter in die drei Untergruppen deskriptive Analysen, prädiktive Analysen und präskriptive Analysen unterteilen. Dabei lassen sich im Bereich der deskriptiven Analysen grundlegende Arten verorten. Hierbei handelt es sich um klassische Business Intelligence Analysetechniken wie z.B. die Betrachtung von Zu- und Abwanderungen der Kunden sowie Verkaufszahlen. Es werden aktuelle und historische Daten betrachtet und beschrieben. Darauf aufbauend ist es möglich, anhand von prädiktiven Analysen, Vorhersagen für die Zukunft zu tätigen. Auch hier werden die historischen Daten genutzt, um Muster und Zusammenhänge zu ermittelt, die es ermöglichen Prognosen für die Zukunft abzugeben. Beispielhaft hierfür ist das Prognostizieren von Kundenaktionen. Die komplexeste Gruppe der Analysen bilden die präskriptiven Analysen. Sie beantworten die Frage danach, wie man zukünftige Ereignisse beeinflussen kann. Hierbei können z.B. Maßnahmen zur Reduzierung der Churn-Rate statistisch verglichen werden.
Für die Praxis gilt: Es ist abzuwägen welche Analysen der Advanced Analytics in Bezug auf den Impact, Budget, Daten sowie Technologien sinnvoll sind.
Entlang des Kreditprozesses lassen sich Advanced Analytics auf unterschiedliche Weisen anwenden. Die Nutzung von Advanced Analytics kommt dabei unteranderem den Fachbereichen zugute. Vom Vertrieb über die Kreditentscheidung und Bestandsverwaltung bis hin zum Risikomanagement lassen sich Bereiche für die Nutzung von Advanced Analytics identifizieren, durch die Sie sich einen Vorteil verschaffen können. Im Vertrieb umfasst dies beispielsweise die Kundensegmentierung und sogenannte Recommender Systeme. Im Bereich der Bestandsverwaltung zeigen sich weitere Potenziale von Advanced Analytics unter anderem im Prolongationsprozess. Besonders hier können häufig entstehende Herausforderungen mittels geeigneter Analysen gemeistert werden.
In diesem Webinar zeigen wir Ihnen am Beispiel des Prolongationsprozesses, welche konkreten Mehrwerte mit Advanced Analytics erzielt werden können und wie Sie diese bestmöglich erreichen.
Gerne können Sie uns zudem bei Fragen oder weiterem Informationsbedarf kontaktieren.
