Kommentar von Dr. Ramin Beravat, TeamBank AG Nürnberg Zentralisiertes Datenmanagement schafft Mehrwert für Kunden

Ohne Daten keine Zukunft. Das weiß auch die TeamBank. Aus diesem Grund wurden alle Weichen in Richtung digitale Zukunft gestellt. Das sogenannte „Öl des 21. Jahrhunderts“ wird in großen Mengen gesammelt und mit einer komplexen Daten-Pipeline und ebenso komplexen Algorithmen gesteuert und ausgewertet. Dieser Artikel gibt einen Überblick, wie die TeamBank mittels Machine Learning und Analytics aus Daten Mehrwert für Kunden schafft und weshalb ein zentrales Datenmanagement so wichtig ist.

Anbieter zum Thema

Disy Informationssysteme GmbH

QUNIS GmbH

Confluent Germany GmbH

Faktenkontor GmbH

Ein verantwortungsvolles und sicheres Datenmanagement sowie eine funktionierende Datenanalyse sind zentrale Themen für die TeamBank in den kommenden Jahren. Dabei spielt die Nähe zum Kunden eine zentrale Rolle für den Erfolg auf dem Markt. Wer seine Kunden kennt und deren Probleme, Wünsche und Vorlieben vorhersagen kann, hat einen klaren Wettbewerbsvorteil.

Laut einer Prognose des Online-Portals Statista werden im Jahr 2025 jährlich weltweit rund 163 Zettabyte an Daten generiert (Vergleich 2016: 16,1 Zettabyte). Tendenz steigend. Laut Expertenmeinungen seien 90 Prozent aller derzeit gespeicherten Daten in den zurückliegenden zwei Jahren entstanden. Gemäß der Unternehmensberatung McKinsey sind aktuell ca. 20 Milliarden Geräte mit dem Internet verbunden und es kommen täglich 50 Millionen weitere hinzu. Die zunehmende Digitalisierung der Gesellschaft und die fortschreitende Vernetzung zwischen Mensch und Maschine führen zu immer mehr Daten. Diese Daten bilden die Grundlage für ein besseres Kundenverständnis, können aber auch dazu dienen, neue und innovative Geschäftsfelder zu erschließen.

Ziel der TeamBank ist die „360-Grad-Kundenansicht“ – also eine vollständige Sicht auf den Kunden statt nur auf einzelne Services und Produkte. Das Zusammenführen von Daten, selbstverständlich immer mit der Einwilligung des Kunden, dient zum Gewinn von neuen Informationen, um ein besseres Verständnis für den Kunden und seiner Bedürfnisse zu erlangen. Advanced Analytics, Deep Learning und Machine Learning sind dabei die Werkzeuge, um ein ganzheitliches Bild des Kunden zu erzeugen.

Sammeln und strukturieren

Das alles unterstreicht die große Bedeutung von Daten heutzutage. Um die Daten auswerten zu können, muss zuerst dafür gesorgt werden, dass sie gesammelt und strukturiert zusammengeführt werden. Um eine Kernkompetenz in diesem Feld aufzubauen, hat die TeamBank im Jahr 2017 den Aufbau einer eigenen Organisationseinheit beschlossen. Dieses Kompetenzzentrum wurde aus der Erkenntnis heraus geschaffen, dass Datenmanagement und -analyse im Einklang mit Data Governance (Datensteuerung) und einer angemessenen Datenqualität eine wesentliche Grundlage für funktionierende Geschäftsprozesse darstellen. Darin besteht die Grundlage für eine effektive Unternehmensteuerung sowie ein aussagekräftiges Berichtswesen nach innen und nach außen.

Insgesamt arbeiten rund 40 Mitarbeiter im Bereich Data Analytics bei der TeamBank. Weitere Stellen werden momentan besetzt. Neben der Reporterstellung und der Generierung von Erkenntnissen zum Kundenverhalten mittels Machine Learning sind die Entwicklung einer Datenarchitektur und Analyseinfrastruktur sowie die Sicherstellung der Datenqualität die wichtigsten Aufgaben des neuen Bereichs. Konkret soll dies durch eine Zentralisierung des Datenhaushalts durch den Aufbau eines Master-Data-Warehouses erreicht werden.

Das Kompetenzzentrum für Data Analytics wird intern aufgebaut, was die Abhängigkeit von externen Dienstleistern reduziert. Somit werden alle relevanten Berufsfelder im Daten-Umfeld in das eigene Haus geholt. Data Scientists, Data Architects, Data Engineers und Data Stewards gewährleisten, dass Wissen intern aufgebaut wird. Die Know-how-Träger kommen dabei aus unterschiedlichsten Disziplinen und haben verschiedene fachliche Hintergründe. Einige brachten bereits Erfahrungen aus den Bereichen Big Data, Cloud Computing, Machine Learning und Data Mining mit, andere wiederum kamen direkt aus dem Studium oder promovierten an der Universität. Sie alle arbeiten mit Tools wie Python, R, SQL, SAS, Tableau, Talend, Attunity, Quipu, Exasol, JasperSoft und Oracle. Gemeinsam ist ihnen das Interesse am Gestalten und Nutzen von Daten und die Begeisterung für den Aufbau eines neuen Bereichs.

Pionierrolle

Den Mitarbeitern aus dem Bereich Data Analytics fällt eine Pionierrolle zu, weil sie für den Auf- und Ausbau der Daten-Kernkompetenz in der Bank verantwortlich sind. Sie gestalten aktiv den Umbruch mit und bauen zukunftsweisende Technologien in den Arbeitsalltag ein. Insbesondere die Zentralisierung und der Aufbau der Daten- und Analysestruktur spielen eine große Rolle im Alltag dieser Mitarbeiterinnen und Mitarbeiter. Des Weiteren kommen die Anwendung innovativer Machine-Learning-Verfahren sowie Cloud- und Big Data-Themen nicht zu kurz.

Wichtige Ziele des Data Managements sind die Schaffung einer stabilen, performanten und zukunftsfähigen Dateninfrastruktur und der Ausbau innovativer Methoden und Techniken in den Analyseverfahren. Dies ermöglicht einen 360-Grad-Blick auf den Kunden, die Optimierung von internen Prozessen und eine bessere Banksteuerung. Daten als wichtigstes Gut der Digitalisierung werden nicht als bloße technische Notwendigkeit gesehen, um bestehende Geschäftsprozesse mit Bestandsdaten „aufzupeppen“, sondern als wertvoller Rohstoff zur Generierung von Informationen. Dieser ressourcenorientierte Ansatz ist notwendig, um Daten als strategische Unternehmenswerte optimal zu nutzen.

Ein zentrales Datenmanagement

Eine große Herausforderung wird es in den kommenden Jahren sein, alle Daten zentralisiert zusammen zu führen und zu bündeln. Das Speichern der Daten an einem zentralen Ort erlaubt eine viel bessere Datenkontrolle. Auf diese Weise bleibt der Überblick über alle ein- und ausgehenden Datenströme erhalten, was das Anwenden von komplexeren Analyseverfahren auf die Daten vereinfacht. Hier müssen alte, über die Jahre gewachsene Strukturen, aufgebrochen werden. Dies ist eine wichtige Voraussetzung für die Entwicklung zum datengesteuerten Unternehmen.

Bei einem direkten Vergleich mit den großen Tech-Konzernen wie Google, Apple, Facebook, Amazon oder Alibaba drängt sich der Eindruck auf, als würden die Banken in Bezug auf die digitale Transformation und das Management von Daten Nachholbedarf haben. Dieser Eindruck mag sich auch bei näherer Betrachtung bestätigen, muss allerdings durch die strengeren Datenschutzrichtlinien in Deutschland relativiert werden. Insbesondere Banken unterliegen besonders hohen regulatorischen Anforderungen.

Für die TeamBank steht der Schutz der personenbezogenen Daten uneingeschränkt ganz weit oben. Um die Akzeptanz für die Nutzung der Daten zu erhöhen, versucht die TeamBank den Mehrwert der Datennutzung aus den einzelnen Finanzprodukten heraus zu motivieren. Ein weiteres Beispiel, wo zukünftig Machine-Learning-Verfahren den Kunden der TeamBank einen Mehrwert liefern, ist der gezielte Einsatz von Chatbots. Ziel ist es, dem Kunden eine zeitunabhängige Beratung anzubieten. Der Chatbot hilft bei allen Fragen – zu jeder Tages- und Nachtzeit. Denn ein Kredit ist erst dann wichtig, wenn man ihn braucht. Sei es eine wichtige Anschaffung oder ein unerwarteter finanzieller Engpass.

Der Umgang mit großen Datenmengen führt ohne Zweifel auch zu neuen ethischen Herausforderungen, die nicht nur für die gesamte Bankenbranche bedeutsam sind. Die TeamBank steht auch hier klar zu ihren Unternehmenswerten. Wir sehen uns als ehrbare Kaufleute, mit einem fairen und einfachen Produkt. Die Leitlinien dienen als Orientierung, um einen respektvollen und fairen Umgang mit unseren Kunden zu garantieren.

(ID:45942398)