Finanzinstitute verfügen über eine Menge an Kundendaten. Gemäss einer neuen Studie werden diese aber höchst selten zum besseren Kundenumgang benutzt.

In der Bankenindustrie ist man sich einig, dass die richtige Analyse von Informationen zentral für den Geschäftserfolg ist.

So ist es wenig erstaunlich, dass in der Studie «Analytics: The Real World Use of Big Data» von IBM 71 Prozent aller Finanzunternehmen glauben, dass der Gebrauch von Informationen und deren Analyse einen kompetitiven Marktvorteil gegenüber der Konkurrenz bringen kann.

comp vorteil kl

Wie wichtig gute Daten für die Banken sind, zeigt auch die Entwicklung der Signifikanz, welche Finanzinstitute der Datenanalyse zuordnen. Vor zwei Jahren noch glaubten nur 36 Prozent aller Banken, dass sie sich durch Datenanalyse einen Vorteil erarbeiten.

Kanäle bleiben ungenutzt

Der Fokus der Banken liegt dabei hauptsächlich auf der Analyse von Daten, die sich für Kundenzwecke nutzen lassen. Die gesammelten Daten stammen gemäss der IBM-Studie hauptsächlich aus internen Quellen. Darin sehen die Studienurheber ein grosses Aufholpotenzial. Denn wichtige Datenkanäle, wie Social-Media oder Call-Center-Daten, würden nicht ausreichend genutzt.

big data Quellen kl

Einerseits seien dies ungenutzte Quellen und andererseits mangle es den Finanzinstituten an diversifiziertem Datenmaterial. Denn die von Banken angehäuften Daten würden hauptsächlich aus Transaktions- und Log-Daten von Kunden stammen. Damit würden sich die Banken zu stark auf die Daten aus den internen Kanälen verlassen, kritisieren die IBM-Experten.

Mangelhafte Analyse

Eine gute Analyse von «Big Data» – so der Übername der gross angelegten Datenanalyse – erfordere nicht nur diversifizierte Daten, sondern auch die richtigen Tools, um diese auszuwerten. Auch in diesem Bereich scheint die Finanzindustrie nicht ganz auf der Höhe zu sein.

Die Kern-Analysetools seien zwar vorhanden, aber besonders bei der Datenvisualisierung und Textanalyse mangle es den Finanzinstituten, heisst es in der Studie. Solche Tools seien wichtig, um die riesigen Datenberge tiefgehend untersuchen zu können.

analystics capabilities kl