Öl im 21. Jahrhundert – unverzichtbar?

Im Rahmen des Klima- und Umweltschutzes und aktuell auch bei immer weiter steigenden Energiepreisen ist es notwendig, eine Unabhängigkeit von Öl zu erreichen und - so gut es geht - auf erneuerbare Energien zu setzen. Von einer anderen Art von "Öl“ werden Unternehmen aber immer abhängiger und sie benötigen davon immer mehr, um erfolgreich zu sein: Daten.

Schon in vorherigen Blogbeiträgen der movisco AG wurde die Wichtigkeit von Daten und deren Qualität hervorgehoben und sich hierbei auch auf das von Mathematiker Clive Humby berühmte Zitat aus dem Jahre 2006 „Data is the new oil. […]“ bezogen. Kurzgesagt; werden in dieser Metapher Daten insofern mit Öl verglichen, dass beide Ressourcen wertvoll sind, aber in einem unverarbeiteten Zustand noch nicht wirklich nutzbar sind. Rohöl muss erst raffiniert werden; dasselbe gilt auch für Rohdaten, Stichwort Datenqualität.

In diesem Artikel soll nun ein Zitat von Peter Sondergaard aufgegriffen werden, welches aus einer Rede aus 2011 stammt und Humbys Konzept erweitert: „Information is the oil of the 21st century, and analytics is the combustion engine.“ Hochwertige Daten, die durch Vernetzung untereinander eine Information ergeben, sind nach dieser Aussage immer noch wichtig, aber auch die Nutzung dieser sollte man nicht vernachlässigen.

Banken verfügen über große Datenmengen und diese wachsen täglich. Nur, wer über die Fähigkeit verfügt, diese Daten optimal zu verarbeiten und nutzbar zu machen, wird ein Gewinner des Digitalisierungswettrennens sein, denn diese bietet einen großen Wettbewerbsvorteil. Mit dem sich bietenden Einblick aus Analyseergebnissen können so fundierte, datengetriebene Entscheidungen getroffen werden. Doch wie können diese Daten nun genutzt werden?

Daten besitzen nur dann einen Mehrwert, wenn sie zur Verbesserung geschäftlicher Fragestellungen benutzt werden. Es gibt dementsprechend eine Vielzahl von Nutzungsmöglichkeiten. Im Folgenden sollen Beispiele aufgezeigt werden, die teilweise auch schon genutzt werden:

• Die naheliegendste Nutzung ist das Reporting. Durch die Zusammenstellung der Daten schaut man in die Vergangenheit und konzentriert sich auf die Fragen, was und warum etwas passiert ist. Dies kann dann auch visuell in Dashboards veranschaulicht werden und ermöglicht es, Einblicke in Problemstellungen und deren Ursachen zu erlangen, um diese im Anschluss lösen zu können.
• Das größere Potential bietet sich jedoch, wenn Datenauswertungsmethoden benutzt werden, mit denen ein Einblick in die Zukunft erlangt wird. Unter Zuhilfenahme von Reporting-Ergebnissen werden Modelle und Algorithmen entwickelt, um zukünftige Trends vorhersagen zu können. Mit Künstlicher Intelligenz kann dies noch weiter optimiert werden, indem tagesaktuelle und externe Daten in die Auswertung mit einbezogen werden.
• So kann, wie z.B. schon im Onlinehandel üblich, im Privatkundenbereich mithilfe von Kundendaten die Interaktion personalisiert werden. Es können Merkmale des Einzelnen herausgearbeitet werden, sodass Angebote direkt auf dessen Präferenzen zugeschnitten werden. „Gute“ Kunden können zudem als Basis gelten, um Entscheidungsfindungen wie die Kreditvergabe zu optimieren und zu beschleunigen.
• Außerdem bietet auch die Automatisierung von Prozessen erhebliche Potentiale. Durch Standardisierung von Prozessen können so bei gleichem Ertrag operative Kosten gesenkt werden, da die neuen Technologien z.B. bei der Erstellung von Kundenverträgen unterstützen können.

Es stellt sich natürlich auch die Frage, mit welchen Werkzeugen eine Datenauswertung erfolgen kann. Hier gibt es eine Vielzahl von Anwendungen und Möglichkeiten.

An Excel führt oft kein Weg vorbei, da es besonders durch seine Vielseitigkeit und niedrige Einstiegshürde sehr beliebt ist und dementsprechend oft benutzt wird. Jedoch gibt es auch BI-Anwendungen, die sich auf die Analyse und Visualisierung von Daten spezialisiert haben. Hier sind Microsoft Power BI, Tableau und die SAP Analytics Cloud gängige Lösungen.

Ein weiteres Werkzeug bilden Programmiersprachen wie R und Python, wobei ersteres besonders für statistische Anwendungen entwickelt wurde. Diese besitzen eine deutlich höhere Flexibilität und Kapazität bei der Auswertung von riesigen Datenmengen. Dies kommt jedoch mit einer höheren Einstiegshürde einher.

Die Digitalisierung stellt auch für Banken eine Herausforderung dar. Diese besitzen mit ihren riesigen, verfügbaren Datenmengen auch viel ungenutztes Potential, was eine Chance für die Zukunft bietet. Sie muss nur ergriffen werden.