Themengebiete | Financial Artificial Intelligence | Anwendungsfälle
Artificial Intelligence und Machine Learning als Treiber der Veränderung
Die Datenmenge in Banken wächst rasant und die Institute müssen sich der Herausforderung stellen, diese Daten sinnvoll für neue Produkte und Dienstleistungen zu nutzen.
Artificial Intelligence (AI) und Machine Learning (ML) sorgen dafür, dass diese Daten immer schneller und besser dafür genutzt werden können, um komplexe Aufgaben zu lösen. Die Methoden von AI sind vielfältig und reichen vom Lernen aus Beispielen über automatischer Kategorisierung und Entscheidungsfindung bis hin zum Finden von effektiven Lösungen für Optimierungsprobleme und vielem mehr. Daraus ergeben sich vielversprechende Ansätze sowohl für das Kundengeschäft von Banken wie auch in der Gesamtbanksteuerung.
Publikationen
Abgrenzung der Begrifflichkeiten
Im Anwendungsfall geht es also eher um Methoden des Machine Learnings und in einigen spezielleren Fällen um den Einsatz neuronaler Netze. Dahinter verbirgt sich kein Mythos, sondern in erster Linie Mathematik, Statistik und Anwendungsentwicklung. Daher wird in diesem Zusammenhang auch oft von Predictive Analytics oder Advanced Analytics gesprochen.
Mehr Informationen bietet der Machine Learning Catalogue der msg systems ag.
Top-Thema
Predictive Analytics – potenzialorientierte Vertriebssteuerung
Einsatz von AI an konkreten Anwendungsfällen ausrichten
AI als Technologie - so faszinierend sie sein mag - ist kein Selbstzweck. Ausgangspunkt ist immer ein konkreter Anwendungsfall, der für das Unternehmen relevant ist und zur Zielerreichung beitragen soll. Unser Ansatz ist daher, AI als Querschnittsfunktion einzusetzen, mit der eine Lösung für eine Vielzahl definierter Anwendungsfälle gefunden werden kann, wie zum Beispiel:
Methoden des Machine Learnings können zum Beispiel Produkt- und Dienstleistungspräferenzen von Kunden und Kundengruppen ermitteln. Vertrieb und Marketing können so eine qualifiziertere Vorauswahl von anzusprechenden Bestandskunden treffen und die Abschlussquote im Rahmen einer Kampagne erhöhen (Affinitäts-Scoring).
Ebenso können die Cross-Selling-Wahrscheinlichkeit erhöht und Streuverluste im Marketing verringert werden, indem den Inhabern bestimmter Bankprodukte zielgerichteter weitere Produktempfehlungen anhand von intelligenten Datenanalysen gemacht werden (Next Best Offer) können. Die vergleichende Segmentierung von Bestandskunden und potenziellen Kunden können darüber hinaus Ansätze für Kampagnen zur Neukundenakquisition bieten.
Überwachtes Lernen (supervised learning) vergangener Kundenabwanderungen und deren Einflussfaktoren können Hinweise zur Früherkennung kündigungswilliger Kunden liefern. Darauf aufbauend können Maßnahmen zur Reduzierung der Kündigerquoten erarbeitet werden (Churn Prevention).
Wir begleiten Sie in die digitale Welt
In dieser Auf- und Umbruchsituation ist ein sehr individuelles Vorgehen notwendig: Mit unserer Expertise als Beratungs- und Produktanbieter begleiten wir Sie sicher auf Ihrem Weg in die digitale Welt – von der zukunftssicheren Gestaltung einer IT-Strategie bis zu den nötigen operativen Rahmenbedingungen.
Wir verbinden fundiertes Branchen- und IT-Know-how mit langjähriger Praxiserfahrung. Unsere Analysten, Architekten und Entwickler verfügen über das nötige technische und fachliche Verständnis für statistische Modelle und performante Datenverarbeitung und haben viel Erfahrung in der Umsetzung bankfachlicher Abläufe.
Sprechen Sie uns einfach an. Wir beraten Sie umfassend - auch zu Themen im Bereich Big Data (Distributed Computing, Stream Processing und In-Memory-Technologie), Planung und Pareto-Optimierung sowie Machine Learning (Regression, Klassifikation, lineare und nicht-lineare Methoden, Deep Learning).
Andreas Mach
Head of Business Consulting
Andreas Mach leitet bei msg for banking als Lead Executive Partner das Business Consulting Fachcluster.
+49 (0) 173 / 424 69 95
