Kommentar von Kai Kalchthaler, Arvato Financial Solutions Informationen im Wandel – und deren Potenzial für das Risk Management

Anbieter zum Thema

arvato Financial Solutions

INFOMOTION GmbH

QUNIS GmbH

BigData-Insider

Die Datenquellen und deren Umfang haben sich in den vergangenen Jahren drastisch weiterentwickelt und bieten Unternehmen dadurch enorme Chancen, allen voran im Risk Management. Gleichzeitig fehlt es häufig noch an entsprechendem Know-how, wie Daten eingesetzt werden können, um einen nachhaltig positiven Einfluss auf das eigene Geschäft zu erzielen.

Jeder von uns generiert täglich Daten, wenn er oder sie „online“ unterwegs ist. Und diese Datenflut wird mit fortlaufender Digitalisierung der Gesellschaft auch in Zukunft nicht abreißen, sondern weiter steigen. Einer Studie des US-Marktforschungsunternehmens International Data Corporation zufolge soll das jährlich weltweit generierte Datenvolumen 2025 auf 175 Zettabyte ansteigen. Zum Vergleich: Im Jahr 2018 lag es noch bei 33 Zettabyte. Das entspricht einem Anstieg von mehr als 500 Prozent. Allerdings bringt diese Datenflut nicht nur Chancen, sondern auch Risiken mit sich – so zum Beispiel, wenn veraltete oder qualitativ unzureichende Datensätze zur Entscheidungsfindung herangezogen oder Daten falsch interpretiert werden.

Unternehmen sind teilweise in ihrer eigenen Entwicklung noch nicht weit genug vorangeschritten, um das volle Potenzial der ihnen vorliegenden Daten zu nutzen und sehen den zunehmenden Informationsfluss deshalb als Herausforderung an. Laut der Trendstudie Kundendatenmanagement der Uniserv GmbH aus dem Jahr 2019 sind knapp 39 Prozent der befragten Unternehmen mit der Qualität der ihnen zur Auswertung vorliegenden Kundendaten unzufrieden. Für 88 Prozent der Befragungsteilnehmer sind unvollständige Daten das größte Ärgernis.

Datenbasierte risikoadjustierte Angebote erhöhen die Conversion Rate

Auch im Risk Management ist Big Data derzeit eine der größten Herausforderungen und bietet zugleich eine Vielfalt an Chancen. Je mehr Informationsquellen zur Verfügung stehen, desto differenziertere und trennschärfere Risikoentscheidungen können getroffen werden. Aussagen zu Kundengruppen werden immer konkreter und das jeweilige Zahlungsausfallrisiko kann individuell bewertet werden. Positive Auswirkung auf die Unternehmenskennzahlen hat dies nicht nur wegen geringerer Ausfallquoten und der Verhinderung von Betrug, auch die Conversion-Rate wird durch risikoadjustierte Angebote erhöht.

Wenn beispielsweise die grundsätzliche Identitäts- und Betrugsprüfung eines Kunden positiv ausfällt, er jedoch nicht über die nötige Bonität verfügt, um seinen Kauf abzuschließen, kann eine risikoadjustierte Zahlart eine Lösung sein. Zeitgleich muss der jeweilige Kunde nicht auf weniger beliebte Zahlarten, wie z. B. Vorkasse, ausweichen. Der Kunde könnte mithilfe dieser differenzierten Datenbetrachtung in individuell festgelegten Raten bezahlen oder seine persönlichen Daten aktiv an Auskunfteien freigeben, um etwaige, vergangene Zahlungsschwierigkeiten aus der Bewertungsgrundlage durch aktuellere auszugleichen.

Doch die Analysetools, um relevante von irrelevanten Daten zu unterscheiden sowie die Kompetenz diese richtig zu bewerten und dann in operative Prozesse zu übersetzen, stecken bei vielen Unternehmen noch in den Anfängen. Ein Grund hierfür sind auch die immer häufiger vorliegenden unstrukturierten Daten, die unter anderem aus Bildern, Fließtexten oder dem Nutzerverhalten gezogen werden. Diese benötigen nämlich andere Speicher- und Interpretationsmedien, um sowohl technisch als auch analytisch aufbereitet werden zu können.

Neue Datenquellen bringen verbesserte Bewertungsmöglichkeiten

Dabei bergen genau solche Daten das Potenzial für noch individuellere Entscheidungen. Ein Beispiel: Fand früher bei der Betrugsprävention für einen Kaufabschluss oft nur eine Prüfung des Namens und der zugehörigen Adresse statt, können heutzutage biometrische Daten dabei unterstützen. Sie halten fest, wie ein Verbraucher ein Smartphone, Tablet oder einen Computer nutzt. Wird bei Touch-Geräten dann bei einem Kaufvorgang ein vom normalen Verhalten abweichendes Scrollen oder Swipen registriert oder etwa eine Adresse in wenigen Millisekunden eingetragen, kann es sein, dass ein Bot einen betrügerischen Einkauf tätigt. Da biometrische Informationen Aufschluss darüber geben, ob es sich womöglich um eine falsche Kauftransaktion handelt, bieten sich ganz neue Möglichkeiten der Betrugsprävention für Unternehmen.

Dynamische statt statische Bewertungsmodelle

In den vergangenen zehn Jahren haben sich die Art und die Verfügbarkeit von Daten bereits deutlich verändert und diese Entwicklung wird weitergehen und sich auch noch beschleunigen. Beispielsweise haben die Anforderungen an die Verarbeitungsgeschwindigkeit zugenommen, da Verbraucher heute mehr denn je Wert auf eine komfortable und zügige Customer Journey legen. Um dieser Anforderung bei großen Datenmengen zu entsprechen, braucht es die richtigen analytischen Mittel.

Noch ist es bei vielen Unternehmen üblich, Standard-Score-Karten für Bonitätsprüfungen zu entwickeln, die anhand vorliegender Daten aufbereitet werden und dann für einen längeren Zeitraum „stabil“ eingesetzt werden. Das entspricht jedoch nicht dem Szenario der Zukunft des Risk Managements. Vielmehr geht es perspektivisch darum, keine statischen Modelle mehr zu nutzen und stattdessen auf dynamische Optimierung bei Bewertungen zu setzen sowie manuelle Aufwände zu reduzieren. Ziel sind Modelle, die sich selbst weiterentwickeln und damit die individuelle Behandlung von Verbrauchern zulassen. Künstliche Intelligenz und Advanced Analytics sind bereits heute Realität und können große Datenmengen filtern, aufbereiten, sich selbst regulieren und stetig verbessern.

Bei Bewertungsmodellen kommt es also in Zukunft vor allem auf ein hohes Maß an Flexibilität an, um eine grobe Kategorisierung von Kundengruppen zu verhindern und vielmehr eine individuelle Handhabung einzelner Kunden zu ermöglichen. Wird dies erreicht, profitieren nicht nur Unternehmen von einer höheren Kundenbindung durch eine verbesserte Customer Journey. Das Betrugsrisiko kann dadurch ebenfalls erheblich gesenkt werden und der Kunde profitiert von einem auf seine Bedürfnisse angepassten Kauferlebnis.

Die neue Freiwilligkeit im Umgang mit den eigenen Daten

Eine weitere Herausforderung, der Unternehmen bei der Verwendung von Daten gegenüberstehen, ist der Datenschutz. Bereits vor der europäischen DSGVO hatte der Datenschutz in Deutschland einen hohen Stellenwert. Die DSGVO hat den Datenschutz nun weiter modernisiert, vereinheitlicht und vor allem die Transparenzpflichten von Unternehmen gegenüber Kunden gestärkt. Spezialisierte Information-Provider können Unternehmen dabei unterstützen, dass alle Handlungen im datenschutzrechtlichen Rahmen stattfinden. Zukünftig könnte nun noch eine neue Art von Datenquellen hinzukommen, bei der Konsumenten freiwillig ihre persönlichen Informationen weitergeben, beispielsweise an Auskunfteien.

Dieser noch neue Trend gehört z. B. in den USA und UK bereits zum Alltag. Um die eigene Bonität zu verbessern, lassen Konsumenten Auskunfteien freiwillig auf ihr Bankkonto zugreifen. In einigen Ländern werden nach Freigabe sogar die Social-Media-Daten der Konsumenten ausgewertet. Diese erhalten dadurch die Möglichkeit, ihre Bonität aktiv zu verbessern und eventuell schlechte Bewertungen zu korrigieren. Hatte ein Konsument in der Vergangenheit etwa Zahlungsschwierigkeiten, ist aber mittlerweile wieder liquide, kann es aus seiner Sicht zu einer Fehlbewertung kommen. Diese kann er durch die neuen Möglichkeiten schnell und effektiv aus dem Weg räumen.

In Deutschland könnte es aufgrund eines eher konservativeren Umgangs mit den eigenen Daten bis zur Adaption noch ein Jahrzehnt oder länger vergehen. Open Banking wird über kurz oder lang jedoch eine neue Art von Datenquellen und auch -qualität mit sich bringen, die das Risk Management nachhaltig verändern wird.

(ID:46379029)