Zurück-Button
Datengetriebene Analysemethoden sind längst Standard in verschiedenen Bereichen der Banksteuerung. CP BAP unterstützt Sie dabei, die Möglichkeiten zu identifizieren und Prognosen sowie gewonnene Erkenntnisse in geeignete Steuerungsimpulse zu transformieren.
Data Analytics, auch Advanced Analytics oder Predictive Analytics, hat das Potenzial, in vielen unterschiedlichen Bereichen Ihrer Bank nutzbringend eingesetzt zu werden. Beispiele sind: Ratingverfahren und Decision Engines, Fraud Detection, Embedded Options, Kundenbedarfsanalysen und Vertriebssteuerung, Prozessoptimierung und Robotic Process Automation, Text Mining und Non-Financial Risks. Wesentlich hierbei: die Transformation von Prognosen und gewonnenen Erkenntnissen in geeignete Steuerungsimpulse.
Vorgehensmodell für Data Analytics Projekte
Vertriebssteuerung
Mithilfe geeigneter Prognosemodelle ermitteln wir auf Basis standardisierter Datengrundlagen Produkt- und Kanalaffinitäten ebenso wie Abwanderungswahrscheinlichkeiten für Ihre Kunden. Die Implementierung der Erkenntnisse in Vertriebssteuerung und Kundenkontaktmanagement erfolgt auf Basis bewährter Reports und Konzepte.
Risikomanagement
Aktuell belasten Implizite Optionen im Aktivgeschäft die Ergebnisse, insbesondere vertragliche und gesetzliche Sondertilgungsrechte. Wir führen auf Basis bankeigener Daten statistische Analysen durch und identifizieren Kunden, die mit sehr hoher oder sehr geringer Wahrscheinlichkeit das Kündigungsrecht nach Art. 489 BGB unabhängig vom Zinsniveau ausüben werden. So kann der mit nichtlinearen Instrumenten (etwa Swaptions) zu steuernde Bereich identifiziert und die entsprechenden Absicherungskosten minimiert werden.
Prozessoptimierung
Aufsetzend auf Process Mining identifizieren wir Optimierungs- und Automatisierungspotenziale in Ihren Geschäftsprozessen. Zur Erweiterung der automatisierten Steuerung entwickeln wir intelligente Entscheidungssysteme, die Ihre Prozesse effizienter und stabiler machen. Data Scientists und Prozessexperten implementieren das Vorgehen, das in ein dauerhaftes Prozesscontrolling und agiles Prozessmanagement mündet.
Text Mining
Durch den Einsatz lexikonbasierter Modelle oder Deep Learning Methoden (Rekursive Neuronale Netze, Random Forests, Support Vector Machines) lässt sich aus Textdaten das Sentiment (die „Stimmung“) detektieren. So können versteckte Informationen aufgefunden und gezielt analysiert werden. Der Analyse gehen die automatisierte Zusammenstellung und Extraktion der zu untersuchenden Texte (etwa aus dem Internet heruntergeladene PDF-Dateien oder andere Webinhalte) sowie eine aufwändige Vorverarbeitung voran.
Die Technologie wird von uns eingesetzt, um systematische Erkenntnisse aus den Reports der Ratingagenturen zu extrahieren und im Rahmen des Due Diligence Prozesses zur Verwendung externer Ratings (Eigenmittelanforderungen der CRR im Kreditrisikostandardansatz) zu nutzen.
In einem weiteren Anwendungsfall werden im Netz veröffentlichte redaktionelle Beiträge über Unternehmen (DAX und Dow Jones) gesammelt. In Branchen zusammengefasst und mit einem Branchenindex verglichen ergeben sich wichtige Einsichten: zum einen die hohe Korrelation des Sentiments mit dem Index, zum anderen der in Teilen zeitliche Vorlauf, aus dem sich Kauf- und Verkaufsindikatoren ableiten lassen.
