Banken und Finanzen

Herausforderung

Die deutschen Banken sind mit einer Vielzahl von Herausforderungen konfrontiert: Internationaler Wettbewerb, Restrukturierungen, schwindende Margen und neue gesetzlichen Regelungen zählen vor allem dazu. Die Finanzinstitute müssen sich intensiv auf die Ziele Kostensenkung und Ertragssteigerung konzentrieren.
Vor diesem Hintergrund sind sie gezwungen, wettbewerbsfähige Strategien und Geschäftsmodelle zu entwickeln. Ihr Erfolg hängt u.a. davon ab, ohne Zeitverlust die richtigen Entscheidungen zu treffen und ihren Kunden die richtigen Produkte anzubieten.

Business Intelligence in der Finanz-Branche

Einsatzgebiete von analytischen Informationsmanagmentsystemen sind u.a.:

• Finanz-Cockpits für Bankensteuerung
• Analytisches CRM
• Bonitätsprüfung
• Kredit-Scoring
• Reporting für bankaufsichtliches Meldewesens und Basel III
• Sanktionslistenüberwachung
• Kreditbetrugserkennung
• Geldwäschebekämpfung
• Risiko-Controlling

Finanz-Cockpits zur optimierten Unternehmenssteuerung

Für eine schnelle Entscheidungsfindung werden relevante Daten benötigt. Ein großer Teil dessen, was dazu benötigt wird, liegt in den Banken in Form großer Datenmengen bereits vor. Leider ist dieser Informationsschatz jedoch über eine große Zahl von Systemen, Standorten und Geschäftsbereichen hinweg verteilt. Die Herausforderung besteht darin, aus all diesen Daten verwertbare Informationen herauszufiltern.
Durch die Zusammenführung unterschiedlicher Datenbestände können leistungsfähige Business Intelligence-Lösung realisiert werden.

Kunde im Focus mit analytischen CRM (aCRM)

Um den stark umkämpften Kunden zu binden, ist es notwendig, ihn richtig zu betreuen. Häufig reichen Standard-CRM-Anwendungen dafür nicht aus. Analytisches CRM (aCRM) verbindet die Möglichkeiten von Business Intelligence mit CRM. aCRM bietet Unternehmen ein deutliches Mehr an Effektivität mit dem Ziel eines optimalen Kundenwissens und Kundenprofits entlang der Kundenbeziehungsphasen.
Dadurch können Banken ihre Angebote gezielter beim Kunden platzieren. Sie erreichen dadurch einen Wettbewerbsvorsprung und können ihre Kosten reduzieren. Data Mining-Verfahren helfen darüber hinaus, Kreditkartenbetrug zu erkennen.