| | Credit Risk Management

Jenseits des Hypes: Financial Advanced Analytics

Big Data und Predictive Analytics liefern einen wahren Geschäftswert

Advanced Analytics verändert heutzutage Geschäftsprozesse in nahezu allen Branchen und die Euphorie rund um Big Data und Advanced Analytics erreicht aktuell einen weiteren Höhepunkt. Jörg Brendemühl, Vice President Analytics & Consulting Services bei Arvato Financial Solutions, behält hierbei den Überblick über die scheinbar immer größer werdende Komplexität und erklärt, wie Unternehmen und Führungskräfte mithilfe von Advanced Analytics die digitale Transformation ihrer Finanzprozesse erfolgreich vorantreiben können.

Was erwartet Sie in diesem Artikel:

Was ist die Erfolgsquote von Big Data/Advanced Analytics Initiativen und wie hoch ist die aktuelle Anwendungsquote von Advanced Analytics Methoden in Finanzprozessen?
Welche Entscheidungen können mittels Advanced Analytics unterstützt werden und welche Rolle spielt dabei Change Management
Warum insbesondere der Fokus auf Finanzprozesse gewinnbringend sein kann
Welche Rolle spielt der Faktor Mensch bei der Entwicklung von Advanced Analytics Modellen?

Wer sich aktiv in den digitalen Medien, wie z.B. Wired und die Financial Times informiert, kam in den vergangenen Monaten an den Fachbeiträgen zu den Vorzügen von Advanced Analytics kaum vorbei. Solche Artikel berichten unter anderem davon, wie Data Scientists unter Anwendung von Advanced Analytics-Methoden aus komplexen Datensätzen Erkenntnisse generieren, die ihren Unternehmen Millionen eingebracht — oder eingespart — haben.

Das ist jedoch leider nicht immer der Fall.

Ich übertreibe etwas, um meinen Standpunkt zu verdeutlichen. Advanced Analytics ist gerade extrem populär und zugleich doch für viele wenig greifbar. Doch verdient es diese Aufmerksamkeit?

Da ich seit Beginn meines Arbeitslebens in diesem Bereich tätig bin, kann ich bestätigen, dass die Vorteile von Advanced Analytics in Finanzprozessen real sind. Ich bin der Überzeugung, dass es an der Zeit ist, auf den Zug aufzuspringen, falls Sie Advanced Analytics noch nicht für Ihre Finanzprozesse nutzen.

Dabei ist eine genaue Planung von Advanced Analytics-Projekten aus meiner Sicht jedoch ausschlaggebend. Denn mit dem falschen Ansatz verlieren Sie Zeit und Geld – dem Gartner-Analysten Nick Heudecker zufolge liegt die Misserfolgsquote bei 85 Prozent.

Unterstützung in unsicheren Zeiten
Viele Top-Führungskräfte spüren immensen Druck seitens ihrer Stakeholder wie auch vom Markt und Wettbewerb. Sie müssen Möglichkeiten und Einsatzbereiche für Advanced Analytics finden und Potentiale realisieren – nicht zuletzt, um auch Eigenmarketing zu betreiben. Die tatsächliche Nutzung von Advanced Analytics in Finanzprozessen ist jedoch niedriger, als man erwarten würde. Laut einer Umfrage von Grant Thornton liegt sie bei rund 24 Prozent und die Anwendung von Machine Learning sogar nur bei etwa 8 Prozent – dabei wird für die nächsten ein bis fünf Jahre ein signifikantes Wachstum erwartet. Was also versprechen sich die Unternehmen von dem Einsatz von Advanced Analytics?


Advanced Analytics auf den Punkt gebracht
Advanced Analytics beschreibt die Sammlung und Untersuchung von Daten mithilfe leistungsfähiger Techniken und Tools, die über die traditionelle Business Intelligence hinausgehen. Advanced Analytics gewinnt unter Einsatz von Predictive und Prescriptive Analytics Erkenntnisse, um Maßnahmen zur Optimierung des Status Quo abzuleiten. Beispiele der im Rahmen von Advanced Analytics eingesetzten Methoden sind z.B. Data/Text Mining, Machine Learning, Pattern Matching, Sentiment Analyse und Forecasting.


Der Grund für das große Interesse ist, dass Führungskräfte das große Potential von Advanced Analytics für effizientere operative Entscheidungsfindung sowie als Grundlage zur Optimierung interner Prozesse erkannt haben. Die Steigerung des Umsatzes oder des Gewinns sowie eine höhere Kundenzufriedenheit und -bindung sind Geschäftsziele, die mithilfe von Advanced Analytics erreicht werden können.

Außerdem kann die Automatisierung und Priorisierung interner Prozesse erleichtert werden, wodurch die Effizienz verbessert und Kosten gesenkt werden können — ebenfalls Ziele, die jedem CEO, CFO und Aktionär am Herzen liegen.

Nicht außer Acht lassen sollte man dabei, dass Advanced Analytics auch über die operative Ebene hinaus erhebliche Vorteile mit sich bringt; wenn Advanced Analytics mit erfolgreichem Change Management kombiniert wird, kann dies zu einer Transformation auf Unternehmensebene führen, was Entscheidungsfindung auf höchster strategischer Ebene unterstützt und Investitionsrisiken minimiert.

Warum gerade Advanced Analytics für Finanzprozesse?

Vor kurzem erklärte einer unserer wichtigsten internationalen Kunden, warum gerade Finanzprozesse für die Anwendung von Advanced Analytics geeignet sind: „Eines der größten Probleme bei Data Science-Initiativen besteht darin, den ROI (= Zusatznutzen) nachzuweisen. Besonders Finanzabteilungen und deren Anwendungsfälle eignen sich hervorragend, um den tatsächlichen Mehrwert dieser Projekte transparent zu machen.“

Die Optimierung des Cashflows an jedem Punkt der Customer Journey ist unser Kompetenzfeld. Dies bietet eine 360-Grad-Sicht auf den Kundenlebenszyklus und trägt dazu bei, den Kundennutzen an allen Touchpoints zu steigern.

Prozesseffizienz und Kosteneinsparungen sowie Umsatzsteigerung sind drei der wichtigsten Wertbeiträge von Financial Advanced Analytics. Wir haben unzählige Beispiele für den positiven Einfluss und den messbaren Mehrwert, den Financial Advanced Analytics auf die Geschäfte unserer Kunden hat. Große Datenmengen in Kombination mit Advanced Analytics-Methoden, unserer Erfahrung bei Finanzprozessen, der Kompetenz im Bereich IT-Implementierung/Operationalisierung und der Expertise im Change Management sind dabei die einzelnen Faktoren für den maximalen Nutzen.

Nur einen Klick entfernt?

Der Hype rund um Advanced Analytics und Künstliche Intelligenz (KI) vermittelt den Eindruck, dass alles mit nur einem Klick automatisiert werden kann. Dies ist jedoch nur eine starke Vereinfachung der komplexen Arbeit, die erforderlich ist, um die richtigen Erkenntnisse aus Daten zu gewinnen. Ganz zu schweigen von der nötigen Fachkenntnis, um sie zu interpretieren und den Mehrwert für das Geschäft zu realisieren. Dies gilt auch für die neuesten Trends wie bspw. „Automated Feature Engineering“, welche Data Scientists zwar hilfreiche Unterstützung bieten, sie jedoch nicht ersetzen – zumindest nicht in naher Zukunft.

Algorithmen spielen eine entscheidende Rolle im Datenverarbeitungsprozess, doch der Mensch muss bei der Entwicklung von Advanced Analytics-Modellen nach wie vor seine Erkenntnisse und Erfahrungen einbringen. Viele fürchten die „Rebellion der Maschinen“, doch meiner Erfahrung nach ist für die Entwicklung und Operationalisierung der Mensch (auch im Sinne eines aktiven Change Managements) und seine strategische Denkweise ausschlaggebend, insbesondere wenn der Kontext von Bedeutung ist. Oder anders ausgedrückt: Es ist nicht möglich, auf einen Knopf zu drücken und alle erforderlichen Antworten zu erhalten.

Was kommt als Nächstes?
Die Nutzung von Financial Advanced Analytics in Ihren Geschäftsprozessen kann wie eine große Aufgabe wirken. Deshalb ist es wichtig, mit Partnern zusammenzuarbeiten, die eine langjährige Erfahrung in der Durchführung solcher Projekte in der jeweiligen Branche besitzen. Es geht darum, klare Anwendungsfälle mit konkreten Zielen zu definieren und erste erfolgreiche Fallstudien zu realisieren, um die Grundlage für weitere Veränderungen effizient herbeiführen zu können.

Erfahren Sie mehr darüber, wie dank Financial Advanced Analytics Ihre Finanzprozesse vereinfacht, automatisiert und optimiert werden können.

In der kommenden Reihe von Expert Insights werden wir uns eingehender damit befassen, in welcher Weise Financial Advanced Analytics konkret eingesetzt werden kann. Freuen Sie sich auf Use Cases aus der Praxis, wie bspw.:

– Chancen und Herausforderungen bei der Nutzung von automatisch generierten Variablen am Beispiel eines Fraud Prevention Modells
– Welcher Algorithmus eignet sich für welchen Anwendungsfall im Kontext Finanzprozesse am Besten?
– Identische Algorithmen in unterschiedlichen Entwicklungsumgebungen: doch was sagt die Trennschärfe? (Fokus: Collection Segmentierung)
– Optimierung des Mahnwesen unter Nutzung von internen und externen Informationen in Kombination mit Advanced Analytics Method

Wenn Sie mehr über unsere Financial Advanced Analytics Insights-Serie erfahren möchten, oder Fragen haben und direkt mit unseren Experten in Kontakt treten möchten, senden Sie uns hier eine E-Mail.

Ähnliche Beiträge