Für Banken bilden Daten die Basis, um zukunftsfähig zu bleiben. Die Grundvoraussetzung hierfür ist ein strukturiertes Datenmanagement. Bei der Implementierung eines geeigneten Modells kommt es auf verschiedene Faktoren an.
Das Firmenkundengeschäft war lange der rentabelste Unternehmenszweig vieler Banken. In den nächsten Jahren wird der Wettbewerbsdruck jedoch deutlich zunehmen. Banken müssen daher mittelfristig drei zentrale Herausforderungen bewältigen.
Der Einsatz von Big Data bietet Banken und anderen Finanzinstituten große Chancen, das eigene Geschäftsmodell neu auszurichten. Neben der passenden Technologie braucht es dafür jedoch auch eine klare Strategie und neue Partnerschaften.
In der klassischen Science-Fiction-Literatur spielen Banken keine Rolle. Dennoch gibt es viele gute Gründe, über die Bank der Zukunft und deren Ausgestaltung nachzudenken. Vier zentrale Fragen spielen dabei eine wichtige Rolle.
Viele Banken der DACH-Region schöpfen das Potenzial ihrer Kundendaten nicht aus. Das ergab eine aktuelle Studie. Demnach erheben sie diese selten systematisch, prüfen sie auf Aktualität oder setzen sie geschickt für die Kundenbeziehung ein.
Ein Großteil der Führungskräfte im Bankenwesen blickt ausgesprochen pessimistisch in die Zukunft und sieht sich unzureichend auf die Digitalisierung vorbereitet. Das zeigt eine aktuelle Studie. Der Umstieg auf plattformbasierte Systeme soll helfen.
Gefährden neue Verfahren zur Datenanalyse das traditionelle Leasing-Geschäft? Was bedeutet Advanced Analytics für die Beschäftigten der Branche und wie kann sich die mittelständische Leasing-Wirtschaft weiterentwickeln?
Tagtäglich rollt in der Finanzbranche eine regelrechte Datenflut über Menschen und Organisationen hinweg. Die Herausforderung: Diese Daten richtig einsetzen, um Nutzen aus Ihnen zu generieren. Das Konzept der Smart Data Fabric liefert dafür die optimale Grundlage.
Im Kreditgeschäft für Privatkunden wird das Segment Ratenkredite in Zukunft noch wichtiger. Dabei spielen volldigitale, aber dennoch individuelle Lösungen gerade in der Post-Corona-Zeit eine immer größere Rolle. Der Ratenkredit der Zukunft muss noch einfacher und bequemer werden.
Um den verantwortungsvollen Einsatz von Algorithmen in Entscheidungsprozessen von Finanzunternehmen sicherzustellen, hat die BaFin vor kurzem ein neues Positionspapier mit aufsichtlichen Prinzipien für deren Einsatz publiziert.
Mit Hilfe von Daten identifizieren Institute KPIs, isolieren und beseitigen Pain Points für Kunden und stärken zugleich die Kundenbindung. Doch in vielen Finanzinstituten lassen sich bei der Datenkonsolidierung drei Dilemmas feststellen.
Sind Big Data und Augmented Analytics nur Schlagwörter, die bald wieder aus dem Gedächtnis und den Systemen im Banking verschwunden sind? Oder können sie die Zukunft des Banking mit neuen nie gesehenen Innovationsmöglichkeiten versorgen?
Die Differenzierung der eigenen Angebote ist entscheidend für den Erfolg von Banken – im Geschäft mit Privatpersonen, aber vor allem mit Unternehmenskunden. Den Schlüssel dazu halten viele Banken in der Hand, ohne sich dessen immer bewusst zu sein.
Wohl keiner anderen Technologie ist in den letzten Jahren ein ähnlich großer Einfluss auf die Bankenbranche zugetraut worden wie der Cloud-Technologie. Acht Werthebel zeigen die hohe Bedeutung und Nutzen für Banken und Sparkassen.
Eine aktuelle Studie zeigt, wie erfolgreiche Unternehmen ihre Daten selbständig erstellen, verarbeiten und dazu einsetzen können, um ihren Geschäftszweck besser zu erfüllen, Innovationen voranzutreiben und ihre Unternehmensziele zu erreichen.
Es ist der vielleicht größte Daten-Irrglaube überhaupt, dass Daten, Technologien oder KI zu Ideen führen können, die das Zeug haben, Menschen zu berühren und zu bewegen. Um Menschen dauerhaft an eine Marke zu binden, brauchen wir Emotionen.
Viele Finanzinstitute arbeiten an der Verbesserung ihres digitalen Kundenservice. Um am Markt nicht unter zu gehen und näher am Kunden zu sein, sollten sie auf intelligente Technologien und virtuelle Assistenten setzten.
Einer aktuellen Umfrage zufolge nimmt die große Mehrheit der Bundesbürger das Thema Datenschutz überaus ernst und vertraut dabei bestimmten Branchen mehr als anderen. Allerdings bestehen Unterschiede zwischen den Generationen.
Das enorme Potential von Datenanalysen zur Kundenbindung ist unter Finanzinstituten bereits weithin anerkannt. Doch neben Sicherheits- und Datenschutzaspekten hindert ein Mangel an Fachwissen viele Banken daran, ihre erhobenen Daten gewinnbringend zu nutzen.
Viele Dinge, die Menschen sich leisten wollen, sind ziemlich teuer. Wie kostspielig es wird, das realisieren viele Kunden erst dann, wenn sie ganz konkret vor der Kaufentscheidung stehen. Dies ist für die Hausbank des Kunden eine Chance und ein Risiko zugleich.
Die spanische Großbank BBVA nutzt Künstliche Intelligenz, um das Finanzleben ihrer Kunden besser zu verstehen und gezielte Beratung und spezifische Produkte anzubieten. Der digitale Vertrieb konnte so erheblich gesteigert werden.
Wie professionell gehen Unternehmen mit Daten um? Eine Studie zeigt, dass Daten vielerorts gesammelt werden, deren Analyse jedoch oft zu kurz kommt. Nachholbedarf besteht besonders in den Bereichen datengetriebene Prozesse und Fähigkeiten.
Das Thema Künstliche Intelligenz beherrscht seit einiger Zeit die Diskussionen auch in der Finanzbranche. Doch was genau ist KI und wie funktioniert sie? Beispiele aus der Finanzbranche und Erkenntnisse aus der Wissenschaft sollen dies zeigen.
Eine aktuelle Studie der EU-Kommission zeigt, dass offene Daten (Open Data) zu positiven Effekten wie einer gesteigerten Effizienz und vergünstigten Services führen und zudem helfen können, soziale und ökologische Ziele zu erreichen.
Data Driven Banking ist nicht irgendein Thema, das die Bankenwelt umtreibt, es ist das Thema schlechthin. Damit die Institute die vielen Daten, über die sie verfügen, im Sinne ihrer Kunden nutzen können, müssen jedoch noch einige Hürden überwunden werden.
Autonom lernende Systeme – Künstliche Intelligenz – sollen viele Bereiche unseres Lebens revolutionieren und zum Teil tun sie dies auch. Allerdings werden die hohen Erwartungen nicht überall erfüllt. Auch bei der Geldanlage stoßen die Technologien an Grenzen.
Künstliche Intelligenz hält Einzug in immer vielfältigere Bereiche unseres täglichen Lebens. In der Finanzbranche dagegen findet KI bisher quasi nicht statt. Dabei bieten sich gerade im Asset Management durch innovative Datenanalysen und Algorithmen zahlreiche Chancen.
