Daten gelten als das Öl des 21. Jahrhunderts. Insbesondere für Finanzdienstleister haben sie einen hohen Stellenwert, verdienen sie doch ihr Geld mit informationsbasierten Produkten. Das verlangt eine durchdachte Datenarchitektur, die für bessere Kundenerlebnisse und mehr Effizienz sorgt.
Die richtige Datenarchitektur macht es möglich: Bereichsübergreifende Datenprodukte, die zum Beispiel aus dem Vertrieb, dem Marketing oder dem Support zusammengeführt sind, verschaffen Banken in Kombination mit externen Daten, etwa aus den sozialen Medien, umfassende Kundenprofile.
arthead | stock.adobe.com
Seit jeher wird entlang der gesamten Wertschöpfungskette mit Daten gearbeitet, und so ist das Finanzinstitut der Zukunft im Wesentlichen eine datengetriebene Organisation. Das bedeutet auch: Das Management und die Nutzung von Daten werden für Finanzinstitute verstärkt zum entscheidenden Produktionsfaktor. Einen Wettbewerbsvorsprung erarbeiten sich diejenigen Institute, in denen Daten entlang der gesamten Wertschöpfungskette verfügbar gemacht und systematisch genutzt werden.
Welchen großen Wert Daten und ihre gezielte Nutzung haben, ist bei allen Finanzdienstleistern angekommen. Für drei Viertel nimmt die Transformation zu einem datengetriebenen Unternehmen eine essenzielle Rolle ein, hat die KPMG-Umfrage "Von Datensilos zu Datenströmen" ergeben. Die meisten Marktteilnehmer erhoffen sich auf diesem Weg Kosteneinsparungen und mehr Effizienz (84 Prozent), eine verbesserte Prozessqualität (81 Prozent) sowie eine schnellere und bessere Entscheidungsfindung (90 Prozent). Eine Demokratisierung der Daten ist dabei ein ganz zentraler Treiber der beschriebenen Veränderung.
Neue Bedeutung von Know your Customer
Warum ist das so? Zum einen bestimmt die Personalisierung von Finanzdienstleistungen auf Basis digitaler Identitäten zunehmend den Wettbewerb. Know your Customer (KYC) erhält in diesem Zuge eine ganz neue Bedeutung. Jedes Finanzinstitut sollte in der Lage sein, Kanäle und Angebote personalisiert auszuspielen.
Die Kundenschnittstelle wird nicht nur digital, sondern auch mobil. Unter dem Strich ist klar: Die größten Marken im Finanzsektor werden diejenigen sein, die in der Lage sind, ihre Kunden individuell anzusprechen. Die gesamthafte Nutzung von Daten aus allen Touchpoints mit Kunden ist dazu der Schlüssel.
Datendemokratisierung als Game Changer
Doch bei der Nutzung von Daten gibt es heutzutage noch eine ganze Reihe von Herausforderungen. Daten befinden sich häufig in veralteten und siloartigen Datenstrukturen, wodurch keine ganzheitliche Sicht zum Beispiel auf Kunden möglich ist und somit auch ihre individuellen Bedürfnisse nicht ableitbar sind. Das hat auch damit zu tun, dass die Finanzindustrie stark reguliert ist und sich neben rechtlicher Sicherheit auch eine neue Kultur der Datensammlung und -auswertung ausprägen muss. Zudem fehlt vielen fachlichen Mitarbeitenden häufig der einfache Zugriff auf Daten - und sie verfügen nicht unbedingt über die relevanten Fähigkeiten, um diese zu nutzen. Datendemokratisierung setzt genau hier an.
Dabei sollten Daten nicht nur für die eigenen Produkte und Systeme genutzt werden. Es gilt vielmehr im Rahmen der Datendemokratisierung diese als alleinstehende Produkte der Fachbereiche zu verstehen und über diese Produkte die Organisation zu befähigen.
Bessere Kundenerlebnisse, mehr Effizienz
Durch bereichsübergreifende Datenprodukte, die zum Beispiel Kundendaten aus verschieden Unternehmensbereichen (Vertrieb, Marketing, Produktmanagement und Support) zusammenführen, lässt sich in Kombination mit externen Daten (etwa Social Media, Demografie, Kaufkraft) ein vollumfängliches Kundenprofil erstellen. Es entsteht ein verbessertes Kundenverständnis, das gezielt zur Personalisierung des Kundenerlebnisses im Unternehmen genutzt werden kann. Verbraucher:innen profitieren von kundenzentrierten Produkten, die auf die individuellen Bedürfnisse zugeschnitten sind und neue Kundenerlebnisse schaffen. Das verlangen sie heute auch, weil sie es aus anderen Konsumbereichen kennen.
Durch die gezielte Verankerung und Verarbeitung in Prozessen lässt sich zudem eine deutliche Steigerung der Effizienz erreichen. Im Rahmen der Marktdatenverarbeitung lässt sich zum Beispiel unter dem Einsatz von Künstlicher Intelligenz (KI) eine höhere Datenqualität durch automatische Bereinigungen oder berechneten Vorschlägen erreichen. Mitarbeitende erhalten durch datengetriebenes Arbeiten Fakten an die Hand, die ihnen bessere Entscheidungen ermöglichen. Gleichzeitig können durch den Einsatz von KI-Risiken reduziert werden, die bei einer manuellen Datenverarbeitung entstehen.
Zielbild und Data Governance sind essenziell
Um eine Datendemokratisierung umzusetzen, ist es wichtig, ein Zielbild für das datengetriebene Unternehmen der Zukunft zu erstellen. Die Einführung einer Data-Governance-Funktion ist außerdem essenziell, gerade wenn externe Datenlieferanten eingesetzt und zum Beispiel Fintechs in die Datensammlung oder -auswertung eingebunden werden. Hierzu gehört auch ein passendes Datenschutzkonzept, um eine Verwendung von personenbezogenen Daten unter regulatorischen Vorgaben zu ermöglichen.
Die Datenarchitektur muss definiert werden und möglichst viele der folgenden Eigenschaften vereinen: Einfach, modular, integrierend, qualitätssichernd, standardisierend, intelligent und die Governance unterstützend. Passende Low-code-Plattformen, zum Beispiel die Microsoft Power Plattform und Cloud-Services wie Azure, stellen Lösungen für ein gezieltes Datenmanagement und die Datennutzung dar. Im Rahmen eines parallelen iterativen Change-Prozesses muss außerdem ein Datenbewusstsein in den Fachbereichen verankert werden. So entstehen fortlaufend neue Use Cases - und das bringt die Veränderung voran.