Kommentar von Dr. Henning Stolze, EOS Deutscher Inkasso-Dienst Das Geschäft mit den Daten – Wertbestimmung und Nutzen im Finanzsektor

Autor / Redakteur: Dr. Henning Stolze / Nico Litzel

Dr. Henning Stolze, Leiter Datenmanagement & Advanced Analytics, EOS Deutscher Inkasso-Dienst, über drei Ansätze zur Wertbestimmung von Daten und deren gewinnbringende Nutzung für Verbraucher*innen sowie Unternehmen im Finanzsektor.

Firmen zum Thema

Der Autor: Dr. Henning Stolze ist Leiter Data Governance & Data Management bei EOS Deutscher Inkasso-Dienst
Der Autor: Dr. Henning Stolze ist Leiter Data Governance & Data Management bei EOS Deutscher Inkasso-Dienst
(Bild: BenneOchs)

Persönliche Daten wie Kontonummer, Geburtsdatum, Adresse, Gesundheitsfakten oder Kaufverhalten sind in der heutigen digitalen Welt zu einem zentralen Wirtschaftsgut geworden und werden vielerorts als das neue Öl bezeichnet. Hinsichtlich des Wertes dieser Daten herrscht jedoch auf allen Seiten gleichermaßen Unklarheit – ob bei Konsument*innen oder Unternehmen. Das zeigt auch die aktuelle EOS-Studie „Was sind Daten wert?“. Demnach haben nur 53 Prozent der Deutschen eine konkrete Preisvorstellung hinsichtlich ihrer Daten. Diese reicht von wenigen Euro bis hin zu über 500 Euro. Dennoch würden 78 Prozent ihre Daten einem vertrauenswürdigen Unternehmen verkaufen. Hieraus könnten sich große Chancen ergeben – gerade im Finanzbereich. Allerdings fällt es auch Unternehmen schwer, konkrete Preisschilder zu vergeben, da der Nutzen einzelner Datenfelder stark variiert, je nach Einsatzbereich. Diesen Nutzwert individuell zu bestimmen ist also das Ziel – mit unterschiedlichen Ansatzmöglichkeiten.

Transparenz ist der Schlüssel zum Vertrauen

Die Unsicherheit zum Wert von Daten seitens der Verbraucher*innen resultiert vielfach aus dem Unwissen, was damit genau passiert und welchen Mehrwert Unternehmen daraus ziehen. Hier gilt es, schnellstmöglich Transparenz zu schaffen. Für viele Unternehmen sind Daten das Wichtigste, was sie haben und sie benutzen sie jeden Tag. Entsprechend Zeit ist es, für Wertschätzung! Nur so kann Vertrauen in einen risikofreien Datenaustausch und verantwortungsvollen Umgang gewonnen werden. Denn darum ist es hierzulande noch schlecht bestellt: Nur 35 Prozent der Deutschen vertrauen laut der Studie Unternehmen im Umgang mit digitalen Daten. Transparenz und Aufklärung sind der Schlüssel zum Erfolg. Darüber hinaus ist es selbstverständlich, dass sich Unternehmen an die gesetzlichen Bestimmungen halten. Die DSGVO bietet für die Datennutzung bereits einen guten und verlässlichen Rahmen.

Skepsis beim Umgang mit Daten
Skepsis beim Umgang mit Daten
(Bild: EOS / Kantar 2020)

Im Finanzbereich hat vor allem PSD2 für einen Schub und neue Ideen für die Datennutzung gesorgt. Auf dieser Basis ist die Nutzung von Kontoinformationen von großer Bedeutung und bietet zahlreiche Chancen. Dass die Verbraucher*innen Unternehmen einen Einblick in derart sensiblen Daten gewähren, wird aber nur funktionieren, wenn ihnen der persönliche Nutzen deutlich gemacht wird. So könnte im Forderungsmanagement beispielsweise ein individueller, flexibler Plan zum Schuldenabbau für säumige Zahler*innen einen Mehrwert stiften – gerade wenn garantiert ist, dass Raten nur noch vom Konto abgebucht werden, wenn man dadurch nicht in den Dispo rutscht.

Sensible Daten im Überblick
Sensible Daten im Überblick
(Bild: EOS / Kantar 2020)

Drei Ansätze zur Wertbestimmung von Daten

Damit Firmen den Wert ihrer Daten bestimmen können, bieten sich, je nach Datenreife des Unternehmens, mit dem Cost-, Value- und Market-Approach drei verschiedene Möglichkeiten:

Beim Cost-Approach wird der Wert grob über die Wiederbeschaffungskosten bestimmt, also darüber, was ein Datenverlust das Unternehmen kosten würde. Dieser Ansatz funktioniert zum Beispiel für Daten, die im Reporting eingesetzt werden, um bessere Unternehmensentscheidungen treffen zu können. Beim zweiten Ansatz, dem Value-Approach, treiben Daten Prozesse und Produkte immer stärker voran. An dieser Stelle im Evolutionsprozess stehen aktuell die meisten Unternehmen. Dabei betrachtet man den zusätzlichen Nutzen, den die Daten in den Geschäftsprozessen generieren. So lassen sich die jeweils wichtigsten Datenfelder und deren Wert bestimmen – ein erster Schritt, um Daten als Assets zu betrachten und sorgsamer mit ihnen umzugehen. Dies ist eine sehr sinnvolle und pragmatische Lösung, bis Daten selbst zum Produkt werden. Dann können sie gemäß Angebot und Nachfrage auf Märkten gehandelt werden (Market-Approach); diese sind jedoch noch in der Entstehungsphase.

Advanced Analytics in der Finanzindustrie

Daten können in vielen Bereichen des Finanzwesens als Treibstoff analytischer Entscheidungen dienen. Dazu müssen jedoch IT und Fachbereiche eng zusammenarbeiten, um (Daten-)Silos zu vermeiden. So ist Advanced Analytics auch für Banken ein Thema. Denn laut der EOS-Studie haben sie im Vergleich zu anderen Unternehmen einen Vertrauensvorsprung, welcher mit einer transparenten Datennutzung ausgebaut werden kann. An dieser Stelle macht eine Diversifizierung Sinn, indem Banken den Kund*innen je nach deren Bereitschaft zum Datenaustausch verschiedene Dienstleistungen anbieten. Das könnte bei der Kreditvergabe ein neuer Weg sein, indem für die Datenpreisgabe beispielsweise Rabatte eingeräumt und mit dem gewonnenen Kundenwissen die Ausfallrisiken besser eingeschätzt werden können.

Im Mahnwesen wiederum lassen sich Machine-Learning- und KI-Modelle dazu einsetzen, die Bearbeitung einer offenen Forderung individueller zu gestalten. Dazu werden die Rechnungsdaten sowie Informationen zur betreffenden Person mit analytischen Modellen abgeglichen, damit das System den besten nächsten Schritt im Inkassoprozess ermitteln und den Sachbearbeiter*innen vorschlagen kann. Konkret: Welche kommunikative Maßnahme über welchen Kanal verspricht im individuellen Fall die höchste Zahlungswahrscheinlichkeit? Der Erfolg dieser datengestützten Entscheidung wird gemessen, wodurch ein neuer Datenpunkt entsteht und das System stetig dazu lernt. Bei EOS verzeichnen wir mit diesem Ansatz im Vergleich zu konventionell bearbeiteten Kontrollgruppen einen um etwa zehn Prozent höheren Zahlungseingang. Gleichzeitig sparen die Modelle Kosten und Ressourcen, da auf wenig erfolgsversprechende Maßnahmen verzichtet wird.

Datenmodelle zur Priorisierung von Fällen und Motivation der Mitarbeitenden

Hilfreich ist dieser datenbasierte Ansatz auch bei Forderungen, deren Bearbeitung nicht nach Plan läuft. In diesem Fall wird in den Daten nach Mustern gesucht und die Analysten schauen, woran es hakt. Zudem kann eine Priorisierung der Forderungen nach Zahlungswahrscheinlichkeit erfolgen. Ein weiterer Nutzen datengestützter Systeme ist die Zuteilung von Fallbearbeitungen innerhalb des Unternehmens: Sachbearbeiter*innen bekommen Fälle zugewiesen, die ihren Kompetenzen und ihrem Know-how entsprechen oder von ihnen in der Vergangenheit schon erfolgreich bearbeitet wurden. Ebenso machbar: Das System sorgt bewusst für eine abwechslungsreiche Zusteuerung unterschiedlicher Aufgaben, was die Motivation der Mitarbeitenden erhöht und Langeweile vermeidet. Bei einem analytischen Ansatz entfällt hier sogar das manuelle Aufstellen komplizierter Regeln und das System lernt, wie die Verteilung der Fälle stetig verbessert werden kann. All das steigert die Effizienz und führt letztlich zu größerem Erfolg.

Klar ist: Daten sind zu einer nicht mehr wegzudenkenden Grundlage vieler Geschäftsmodelle geworden. Um wettbewerbsfähig zu bleiben, sollten sich Unternehmen einen guten Datenbestand sichern und eine effiziente Erhebung sowie Nutzung der Daten über Abteilungsgrenzen hinweg sicherstellen. Und je besser es gelingt, das Vertrauen der Kund*innen für die Preisgabe ihrer Daten zu gewinnen, desto zuverlässiger können intelligente Datenanalysen die Geschäftsprozesse unterstützen.

Artikelfiles und Artikellinks

(ID:47025204)