Daten effektiver nutzen Wie künstliche Intelligenz Banken verändert
Besseres Kundenerlebnis
Durch das rasante Wachstum der mobilen und webbasierten Anwendungen, gibt es heute eine risige Zahl an Kunden, die über ihren PC, ihr Smartphone oder Tablet auf Bankdienstleistungen zugreifen möchten - jederzeit und überall. In der heutigen schnelllebigen „Right-Now“-Wirtschaft erwarten Kunden eine sofortige, integrierte und nahtlose Benutzererfahrung. Anbieter die hier nicht liefern, werden sofort links liegen gelassen.
Oft ist der komplexeste Teil einer KI nicht die Entwicklung des Algorithmus, sondern die Verwaltung der Datenschicht. Für Banken, die sich mit dem Thema neue KI-Anwendungen befassen, merken oft, dass sie sich bei der Implementierung genausoviele Gedanken über das Datenmanagement machen müssen, wie über die eigentliche KI. Wie extrahieren sie beispielsweise die benötigten Daten aus traditionellen Kernbankanwendungen, um diese in KI-Technologien erfolgreich einzusetzen?
Daten unstrukturiert erfasst
In den meisten Unternehmen wurden (und werden) Daten in der Vergangenheit oft völlig unstrukturiert erfasst. Im Bankwesen sind Kundeninformationen häufig auf mehrere Konten und somit in vielen „Silos” verteilt. Es kann durchaus schwierig sein, wichtige Informationen aus diesen Daten herauszuholen, um Einblicke in das Kundenverhalten zu gewinnen und eine individuellere Kundenerfahrung zu ermöglichen.
Plattformen mit der Möglichkeit, eine „Single Customer View” (SCV) aus verschiedenen internen Datenquellen zu erstellen, sind in der Lage, einzelne Kunden leichter zu identifizieren. Sie helfen nicht nur bei der Einhaltung von Compliance und Datenschutz, sondern geben auch den Kundenbeziehungen zum Unternehmen einen Kontext, so dass personalisierte CX-Lösungen geliefert werden können. Um die Konzeption und das Angebot neuer Services zu ermöglichen, müssen die Daten zuverlässig verwaltet werden und immer verfügbar sein. Ausfallzeiten kosten Banken Summen in Millionenhöhe. Daher ist es notwendig, dass kritische Anwendungen jederzeit Zugriff auf Daten haben. Eine solide Datenstruktur, die jeden Single Point of Failure in jeder Art von Multi-Cloud und/oder On-Premise-Architektur eliminiert, ist unerlässlich.
Echtzeit-Zugriff auf Daten
Ebenso wichtig ist der Echtzeit-Zugriff auf die Daten. In Kombination mit internen Kundendaten können Echtzeitfähigkeiten und Transaktionsanalysen einen sofortigen Einblick in das Kundenverhalten geben und den Banken sagen, wann jemand beispielsweise für Maßnahmen des Produktmarketings empfänglich sein oder wann er mit einem Service unzufrieden sein könnte. Diese Informationen verschaffen den Banken mit der entsprechenden Infrastruktur einen Wettbewerbsvorteil, wenn es darum geht, personalisierte Empfehlungen, Support und sogar innovative neue Dienstleistungen anzubieten.
Die Analyse der Daten ist wichtig, um die Bedürfnisse der heutigen, stark vernetzten „Right-Now“-Kunden zu erfüllen. Im Bankwesen ist die Fähigkeit, schnell auf Probleme wie Fehler und Betrug zu reagieren, unerlässlich. Dies bedeutet, die Finanzinstitute müssen in der Lage sein die Datenlandschaft in jedem Moment zu verstehen. Ohne diese Echtzeit-Einsicht wird das Kundenerlebnis schlechter und Probleme werden zu spät erkannt. Im Bankwesen wird ein Dienstleistungsangebot, das zu spät zum Kunden kommt gleich schlecht bewertet seien es fünf Tage oder nur fünf Minuten.
Daten überall zugänglich
Für internationale Banken, ist es wichtig, dass Kunden ihre Informationen sofort von jedem Standort aus abrufen können. Das bedeutet aber auch, dass die Daten überall zugänglich sein müssen. Um dies zu erreichen, ist es notwendig, eine Datenplattform zu verwenden, die weit verteilte Daten verwalten kann und die Daten über alle verwendeten Server-Infrastrukturen hinweg repliziert und synchronisiert, unabhängig davon, ob diese bei einem Cloud-Provider, im eigenen Rechenzentrum oder in einer Kombinationen aus beidem gehostet werden.
Die Datenmenge, die Art der Daten und die Geschwindigkeit, mit der Daten erzeugt werden können, nehmen heute exponentiell zu. Herkömmliche Systeme sind oft nicht in der Lage, massive Datenzuwächse zu verarbeiten und sind nicht immer adaptiv aufgebaut. Moderne Datenplattformen müssen daher in der Lage sein, Daten mit kontinuierlicher und vorhersehbarer Skalierbarkeit zu verwalten.
Die „KI von morgen“
Datenplattformen mit integrierter Analyse können Banken auch bei der Planung zukünftiger Architekturen helfen, indem sie verstehen, wo die Finanzdienstleister Flexibilität und Skalierbarkeit einbauen müssen. Datenmanagement ist eine grundlegende Schicht der KI-Technologie und Unternehmen, können heute schon mit ihren Entscheidungen bezüglich der IT-Struktur sich auf die KI von morgen vorbereiten.
