Hyper-Personalisierung ohne Komplettsanierung

In einer zunehmend digitalen Welt mit Chatbots, kontaktlosen Tap & Go-Zahlungsmöglichkeiten und Krediten mit der Option „jetzt bestellen, später zahlen“ ist Hyper-Personalisierung die neue Herausforderung, die es im Bereich Finanzdienstleistungen zu meistern gilt.

Was ist Hyper-Personalisierung?

Durch Hyper-Personalisierung sind Finanzdienstleister in der Lage, enorme Mengen an Kundendaten in ihren Systemen effizient und effektiv zu nutzen, um konkretere und relevantere Produktempfehlungen zu geben. Beispiele sind eine Kreditrahmenerhöhung am Verkaufsort oder eine Liste von bisherigen Chatbot-Interaktionen, sodass der Austausch dort fortgesetzt werden kann, wo er beim letzten Mal aufgehört hat. Dies ist möglich, indem die verfügbaren Daten mithilfe von Analysen, künstlicher Intelligenz (KI) und maschinellem Lernen (ML) ausgewertet werden.

Dieser Ansatz birgt gewaltiges Wachstumspotenzial für alle Finanzdienstleister, denen es gelingt, sich auf die gezielte Ansprache kleiner und spezifischer Gruppen zu fokussieren. In einer Zeit, in der die Kundentreue immer mehr abnimmt, kann Hyper-Personalisierung für größere Loyalität sorgen und die Trendwende einleiten. Gleichzeitig führt sie die nachwachsende Generation an Verbrauchern und Investoren an das eigene Unternehmen und dessen agile Finanzdienstleistungen heran.

Hyper-Personalisierung in etablierten Unternehmen

Etablierte Unternehmen werden in ihrem Handeln oft von Prozessen eingeschränkt, die im Laufe der Jahrzehnte nach und nach entstanden sind. Solche Prozesse sind tief in der Organisation verwurzelt und müssen genau so ausgeführt werden, wie sie schon seit Langem erfolgreich ausgeführt wurden.

Genau diese Prozesse hindern Firmen jedoch häufig daran, von den Vorteilen künstlicher Intelligenz (KI), Datenanalysen und maschinellem Lernen (ML) zu profitieren. Dabei ist gar nicht unbedingt nötig, dass Firmen sämtliche bewährte Prozesse umgestalten, um diese und andere neue Technologien nutzen zu können. Und auch die Implementierung muss nicht zwingend so disruptiv sein wie eine vollständige digitale Transformation. Stattdessen kann die benötigte Technologie auch im Hintergrund implementiert werden und – ohne Unterbrechung von Betriebsabläufen –schnell und effizient in bestehende Systeme integriert oder sogar parallel ausgeführt werden.

Zumindest einen Vorteil haben aber etablierte Unternehmen der Finanzbranche  – sie verfügen über Daten aus Jahrzehnten oder mehr. Durch die Kombination von Analysetools, KI und ML können diese Informationen ausgewertet werden, egal um welche Datenarten oder-formate es sich handelt oder in welcher Sprache sie vorliegen. Anschließend können daraus praktisch umsetzbare Erkenntnisse abgeleitet werden. Was wichtig ist: Diese Technologien arbeiten im Hintergrund – wie oben beschrieben – ohne Unterbrechung geschäftskritischer Prozesse.

Wie können etablierte Unternehmen Hyper-Personalisierung nutzen?

  1. Unternehmen, die schon länger am Markt teilnehmen und über entsprechend große Datenbestände verfügen, können ein intelligentes Data Fabric implementieren. Dabei werden alle verteilten Elemente der IT-Infrastruktur, d.h. Anwendungen, Dienste und Datenbanken an unterschiedlichen Standorten, mittels einer eigenen Schicht miteinander verwoben, so dass sie miteinander kommunizieren können. In einem Schaubild gleicht die Verbindung der verschiedenen Knoten der IT-Infrastruktur– egal ob in der Cloud, lokal oder beides – dann einem Textilgewebe, wovon sich auch die Bezeichnung „Data Fabric“, also „Datengewebe“, ableitet.
  2. Anschließend müssen die Daten geeignete Governance-Verfahren durchlaufen, die sicherstellen, dass sie bereinigt und relevant sind sowie über die nötige Integrität verfügen – sie müssen korrekt, zuverlässig, vollständig, zweckmäßig und vertrauenswürdig sein. Dafür durchlaufen die Daten so etwas wie eine „digitale Zentrifuge“, die ihren Zustand analysiert und sie bereinigt, damit sie einsatzbereit sind.
  3. Sobald dieser Prozess abgeschlossen ist, kann der ergiebige Strom dergestalt aufbereiteter und damit „sauberer“ Daten, der das gesamte Unternehmen durchfließt, mithilfe von KI und ML zutage gefördert, analysiert und nutzbar gemacht werden.

Mithilfe dieser Vorgehensweise und Technologien können etablierte Unternehmen der Finanzbranche endlich die ergiebigen und umfangreichen historischen Datenströme aus vielen Jahrzehnten nutzen und haben damit eine vielversprechende Möglichkeit, Kundenzufriedenheit und -loyalität zu fördern. Untersuchungen haben gezeigt, dass Kunden ein hyper-personalisiertes Erlebnis wünschen: Laut Accenture kaufen 91 Prozent der Verbraucher mit höherer Wahrscheinlichkeit bei Marken, die ihnen relevante, personalisierte Angebote und Empfehlungen bieten.

Fazit

Langjährig am Markt aktive Unternehmen haben einen enormen Vorteil in Bezug auf Hyper-Personalisierung, da sie über eine wahre Fundgrube an historischen Daten verfügen und sie den Verbrauchern bereits bekannt sind. Sie müssen dazu nur die heute bereits verfügbare Technologie nutzen, um ihre Daten und Analysen in Zukunft intelligent einzusetzen – und können sich dabei darauf verlassen, dass die neuen Technologien parallel zu vorhandenen Prozessen ausgeführt werden können. Auf diese Weise wird es möglich, die ohnehin im Unternehmen vorhandenen Informationen nutzbar zu machen und auf neue Art und Weise mit Kunden zu interagieren, ohne funktionierende Abläufe von Grund auf neu gestalten zu müssen.

Michael Hom

Michael Hom ist Führungskraft im Technologiebereich und verfügt über mehr als 25 Jahre Berufserfahrung in der Finanzdienstleistungsbranche. Bevor er zu InterSystems kam, war Michael als Managing Director verantwortlich für die Verwaltung von globalen Raten, verbrieften Produkten und kommunalen Technologien bei Royal Bank of Canada Capital Markets. Davor betreute er als Geschäftsführer produktübergreifende Technologien, einschließlich Risiko-, Vertriebs- und Handelsmanagement bei Nomura Securities. Michael begann seine Karriere bei Lehman Brothers mit der Entwicklung von Systemen in den Bereichen Kurse, Devisenhandel und Wachstumsmärkte. Anschließend wurde er Senior Vice President und leitete den Bereich Verbriefte Produkte – Gesamtkredite, Immobilien und Principal-Finance-Technologien. Er hat einen Bachelor-Abschluss in Informatik von der Columbia University School of Engineering and Applied Science.

Kommentar verfassen

*