Im Buch „Data Intelligence – Über die Macht der Daten“ wird gezeigt, wie gewünschtes Wissen aufbereitet und zur Verfügung gestellt werden kann, wo immer man es braucht. Bank Blog Leser haben die Chance, ein Exemplar zu gewinnen.
Automatisierte Predictive Analytics setzen sich in Banking und Vermögensverwaltung durch. Sie dienen unter anderem der Vorhersage des Kundenverhaltens, der Betrugsvermeidung und der Bewertung einer neuen Klasse von Vermögenswerten: der non-bankable Assets.
Der HR-Bereich hat die Digitalisierung lange verschlafen. Auch, weil es an qualifiziertem Personal, Erfahrung und Budget mangelte. Nun sollen durch digitale Lösungen vor allem Prozessqualität und Automatisierung in Personalabteilungen erhöht werden.
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.
Banken sind zunehmend gefordert, Künstliche Intelligenz für sich nutzbar zu machen, um nachhaltig wettbewerbsfähig zu bleiben und langfristig neue Ertragsquellen zu erschließen. Für neue Geschäftsmodelle nehmen Daten dabei eine entscheidende Rolle ein.
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.
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.
Mit welchen digitalen Technologien sichern Banken und Vermögensverwalter heute ihre Zukunft? Um am Markt und im Wettbewerb bestehen zu können, sollten Wealth Manager sich auf fünf Themen konzentrieren.
Fachwissen über Betrugsprävention erscheint meist in zwei Formen: Als Werbung oder als Beschreibung eines neuen Musters. Die Identifizierung von Verdachtsfällen bildet die Grundlage für eine erfolgreiche Präventionsarbeit im Mengenkundengeschäft.
Künstliche Intelligenz ist eines der großen Trendthemen der Finanzbranche. Vor allem für die Risikosteuerung in Banken werden mitunter neue Wunder erwartet. Die Realität des Möglichen ist indes weitaus nüchterner, wie ein Blick auf die Leistungsfähigkeit statistischer Modelle zeigt.
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.
Für Banken ist künstliche Intelligenz eine notwendige Voraussetzung, um künftig weiter nachhaltig erfolgreich zu sein. Das kommt auch in der Datenstrategie der Deutschen Bank zum Ausdruck. Woran es mangelt, sind einheitliche und innovationsfördernde rechtliche Leitplanken.
Die Wirtschaft ist ein gewaltiges Netzwerk, doch Daten zu Geschäftspartnern und Firmenkunden fristen oft ein Dasein auf der Isolierstation. Verbindungen untereinander oder zu anderen Unternehmen und Entscheidern sind fast immer unbekannt – und damit teuer verschenktes Potenzial.
Im Buch „Die Bit-Revolution“ gibt Gernot Brauer einen aktuellen Überblick über Risiken und Chancen digitaler Technologien und zeigt, wie künstliche Intelligenz Wirtschaft, Politik und Gesellschaft beeinflusst.
Banken und Sparkassen verfügen bereits über Unmengen von Daten – und wollen doch immer mehr. Doch Daten alleine helfen nicht weiter, entscheidend ist, was man aus ihnen macht.
Der digitale Wandel verändert das Informationsmanagement der Banken. Nicht mehr die Sammlung von Daten ist entscheidend, sondern deren intelligente Bereitstellung und Nutzung unter einer gemeinsamen Daten-Governance.
Eine gute Beziehung basiert auf Vertrauen. Dieses wächst, je besser man sich kennt. Hier haben Banken und Sparkassen Probleme: Viele Kunden, wenig Mitarbeiter und keine Zeit, sich kennenzulernen. Künstliche Intelligenz kann helfen, Kunden wieder zu Vertrauten zu machen.
Daten und deren Analysen kommt eine Schlüsselrolle in der digitalen Transformation zu. Dazu werden Data-Analytics-Spezialisten gebraucht und gesucht. Allerdings fehlen Experten für die intelligente Auswertung großer Informationsmengen. Unternehmen müssen daher auch andere Wege gehen.
Im heutigen Wochenrückblick auf die international diskutierten Themen der Finanzszene stehen Daten, ihre Analyse, ihre Nutzung und ihr Schutz im Mittelpunkt. Noch haben etablierte Banken hier Vorteile auf ihrer Seite. Das kann sich jedoch schnell ändern.
Von der Medizin bis zum Marketing: Maschinelles Lernen revolutioniert viele Branchen. Insbesondere für Versicherungen und Banken ergeben sich Riesenchancen. Denn sie sitzen auf einem kostbaren Schatz: Bestands- und Kontodaten. Diesen Schatz können sie nur mit systematischer Analyse heben.
Regulierung, neue Wettbewerber und die Digitalisierung verändern Banken und Sparkassen und schaffen vielfältige Herausforderungen. Daten und deren Management bieten jedoch vielfältige Chancen, vor allem für das Kundenmanagement.
Daten werden vielfach als das Gold der Digitalisierung bezeichnet. Die Kunst besteht darin, sie so zu nutzen, dass damit zusätzliche Erlöse verbunden sind. Dazu gibt es unterschiedliche Ansätze.
Um in einem zunehmend digitalen Wettbewerb bestehen zu können, muss das Kundenbeziehungsmanagement verbessert werden. Moderne Customer-Relationship-Management-Systeme ermöglichen eine Verbesserung der Customer Experience.
Im Buch „Data Science für Unternehmen – Data Mining und datenanalytisches Denken praktisch anwenden“ zeigen Foster Provost und Tom Fawcett welche Herausforderungen bei Data Science zu meistern sind und wie Data-Mining die Wettbewerbsfähigkeit eines Unternehmens steigern kann.
Im Zeitalter der Kundenzentrierung erhält die Analyse von Kundendaten zur proaktiven Bedarfserkennung eine zunehmend strategische Rolle bei der Transformation von Geschäftsmodellen. Datenstrategien sollten auf sechs Eckpfeilern aufbauen.
Im Zuge der Digitalisierung und der damit einhergehenden Datenflut müssen Unternehmen vermehrt um die Aufmerksamkeit der Kunden kämpfen. Marken müssen permanent ihre Relevanz unter Beweis stellen. Intelligente Personalisierung kann dabei helfen.
