Kundenprofiling

Dynamisches Risk & Opportunity Based Profiling

Uhr
von Nikolai Tsenov, PM Analytics & Compliance, Finnova

Das Kundenprofiling hat in den letzten Jahren stetig an Bedeutung gewonnen. Einerseits müssen Finanzinstitute weltweit Regulierungsvorschriften einhalten und regelmässige Einschätzungen der Kunden- und Geschäftsbeziehungen durchführen. Andererseits erkennen immer mehr Finanz­institute das Potenzial des Kundenprofilings für CRM-Analysen in verschiedenen Bereichen. ­Erstaunlicherweise wenden sie aber selten einen einheitlichen und integrativen Ansatz an.

Die Vorteile einer einheitlichen, konsistenten und integrativen analytischen 360-Grad-Sicht auf den Kunden scheinen eigentlich mehr als offensichtlich – im Hinblick auf gewonnene Erkenntnisse, Vollständigkeit, Exaktheit, Synergien, Kosten, benötigte Infrastruktur, Daten und Ressourcen.

Tatsächlich kann sich eine einfache, adäquate lineare Regressionsanalyse oder eine Entscheidungsbaumanalyse, die isoliert im einen oder anderen Bereich durchgeführt wurde, als wertvolle Quelle für bisher unbekannte Verhaltensmuster he­rausstellen, sobald sie durch weitere Dimensionen ergänzt und einheitlich aus einer multidimensionalen Perspektive betrachtet und analysiert wird.

Normal! Normal?

In solchen Fällen können vollkommen statische, normalerweise irrelevante oder sogar unberücksichtigte Attribute die Situation plötzlich für eine bestimmte Zeit massgeblich verändern, bevor sie wieder verschwinden und zur "Normalität" zurückkehren.

Doch was ist "normal"? Wie stabil ist dieses "normal" heutzutage? Und für wie lange? Können wir wirklich die Komplexität der Aussenwelt abbilden, indem wir ein paar R- oder Python-Algorithmen auf einen Haufen Daten anwenden und so eine isolierte Frage beziehungsweise ein isoliertes Problem betrachten? Wie subjektiv erfolgt die Auswahl dieser Algorithmen, ihre Konfiguration und ihre Parametrierung? Sind wir für all das wirklich auf die Fachkompetenz und Verfügbarkeit eines nahezu unbezahlbaren quantitativen Analysten angewiesen?

Raus aus dem Silodenken

Wir sprechen über ausgeklügelte Ansätze der Datenanalyse, diskutieren und philosophieren darüber, was maschinelles Lernen und was künstliche Intelligenz ist, lassen uns von der Welle des Künstliche-Intelligenz-Hypes mitreissen und von Modewörtern blenden. Gleichzeitig scheinen wir vor lauter Bäumen den Wald nicht zu sehen, konzentrieren uns darauf, isolierte Probleme zu lösen, und kümmern uns – im Silodenken gefangen – um die Bedürfnisse einzelner Bereiche, statt uns auf einheitliche, konsistente Weise mit der Komplexität zu befassen.

Sie fragen, warum? Weil es einfacher, bequemer und praktischer ist. Weil unsere Welt und oft auch unser Denken stark strukturiert und in Bereiche eingeteilt sind. Wenn wir mit Komplexität konfrontiert werden, neigen wir dazu, sie zu vereinfachen oder gar zu ignorieren.

Neue Perspektiven eröffnen für Nachhaltigkeit im Business

Gehen wir einen Schritt zurück und überdenken das Ganze aus der Vogelperspektive. Beginnen wir mit ein paar Fragen. Würden Sie einem Kunden ein weiteres Bankprodukt anbieten, weil dies auf der Grundlage Ihrer CRM-Analyse im Bereich Cross- und Up-Selling empfehlenswert scheint, obwohl Sie wissen, dass seine Kreditwürdigkeit zweifelhaft ist, dass er in negativer Berichterstattung auftaucht, oder dass er sogar mit hoher Wahrscheinlichkeit in verdächtige Aktivitäten wie Geldwäscherei und Steuerhinterziehung verwickelt ist? Nein, höchstwahrscheinlich nicht.

Würde es Sie interessieren, dass der betreffende Kunde zusätzlich auch noch nachlässig in Bezug auf den Schutz vor Cyberangriffen ist, wodurch er sich selbst und Sie hohen Integritätsrisiken aussetzt? Oder dass Sie aufgrund dessen oder aus vielen verschiedenen Gründen sogar kurz davor sind, ihn als Kunden zu verlieren? Ja, bestimmt.

Würden Sie ausserdem wissen wollen, wie die aktuellen Entwicklungen auf dem Finanzmarkt dieses bestimmte Kundenprofil mit all seinen Portfolios, Expositionen, Risiken und Chancen beeinflussen? Wahrscheinlich schon.

Andererseits, denken Sie, dass Ihrem Kunden daran gelegen wäre, von Ihnen kompetent und fundiert darüber beraten zu werden, was es aus steuerlicher oder grenzüberschreitender Sicht bedeuten würde, wenn er in ein anderes Land auswandern würde? Ja, definitiv.

Die Antworten scheinen klar und offensichtlich zu sein, und doch tappen wir immer wieder in die Falle irrationaler Verhaltensmuster, indem wir isolierte Sichtweisen anwenden und jeder diese Probleme einzig aus ihrer eigenen Perspektive und aus ihrem beschaulichen Gärtchen heraus betrachtet.

Dynamisches Risk & Opportunity Based Profiling

Dennoch handelt es sich hier weder um eine "Mission Impossible" noch um Quantenphysik. Dynamisches Risk & Opportunity Based Profiling ist eine integrale, einheitliche und konsistente Methode für die kontext- und situationsbezogene Anwendung unzähliger fortschrittlicher hybrider Ansätze, die maschinelles Lernen und künstliche Intelligenz kombinieren. Auf der Grundlage aller verfügbaren statischen und dynamischen Kundendaten sowie interner und externer Intelligenz konzentriert sich dynamisches Risk & Opportunity Based Profiling nicht nur darauf, eine bestimmte Frage oder ein bestimmtes Problem isoliert zu untersuchen, sondern es liefert eine analytische 360-Grad-Sicht auf den Kunden und sein gesamtes Profil mit allen Risiken, Gefahren und Chancen gleichermassen.

Natürlich erfüllt dynamisches Risk & Opportunity Based Profiling nicht nur die Anforderungen des überarbeiteten Schweizer Geldwäschereigesetzes und erlaubt es Ihnen, das Compliance-Thema erleichtert abzuhaken. Es sorgt ausserdem für Sicherheit, die Korrektheit und Wirtschaftlichkeit Ihrer täglichen Entscheidungen. Dadurch werden Risiken und Gefahren reduziert, Verluste vermieden oder minimiert und Gewinne maximiert.

Tags
Webcode
DPF8_157687