Von Ralf Keuper

Bereits vor eini­gen Jah­ren hob der ehe­ma­li­ge Vor­stands­chef der Credit Suis­se, Hans-Ulrich Doe­rig, die wach­sen­de Bedeu­tung der IT für die Kun­den­bin­dung hervor:

Wer dank IT das Finanz­pro­fil des Kun­den >besitzt­zu­hö­ren< zu kön­nen. (in: Uni­ver­sal­bank – Bank­ty­pus der Zukunft).

In etwa zur sel­ben Zeit ent­warf Adri­an Sly­wotz­ky das Modell des Cus­to­mer Solu­ti­ons Profit:

Invest to know the cus­to­mer, crea­te a solu­ti­on, deve­lop the rela­ti­ons­hip. This cau­ses los­ses ear­ly in the rela­ti­ons­hip, and signi­fi­cant pro­fits the­re­af­ter. (Adri­an Sly­wotz­ky: The Pro­fit Zone)

Mit “Big Data” schei­nen sich vie­le Ver­spre­chun­gen der Ver­gan­gen­heit auf für das Ban­king ein­zu­lö­sen. Die Aus­wer­tung rie­si­ger Daten­men­gen in Echt­zeit ist im Bereich des Mög­li­chen gerückt. Nicht nur die struk­tu­rier­te Daten, son­dern vor allem die unstruk­tu­rier­ten Daten sind es, die tie­fer­ge­hen­de Ana­ly­sen zum Kun­den­ver­hal­ten ermöglichen.

Dar­in knüpft sich die Hoff­nung, die Wün­sche der Kun­den vor­zei­tig zu erken­nen, um dar­auf mit ent­spre­chen­den Ange­bo­ten, sei es Bera­tung oder ein Pro­dukt, reagie­ren zu kön­nen. Das Berufs­bild des Data Sci­en­tist stösst auch bei den Ban­ken auf Inter­es­se. Als gro­ßer Vor­teil gilt die Tat­sa­che, dass die Ban­ken über Daten ver­fü­gen, die rela­tiv genaue Rück­schlüs­se auf das …

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.

WP Twitter Auto Publish Powered By : XYZScripts.com