Selbstfahrende Autos, Echtzeit-Paketverfolgung oder eben Bankgeschäfte auf dem Smartphone: Die Welt wird immer stärker von Daten getrieben. Schon im Jahr 2020 werden 1.7 Megabytes an neuen Informationen in einer einzigen Sekunde generiert werden – pro Person. Mehr als 50 Milliarden mobile Endgeräte werden in den kommenden fünf Jahren in der Lage sein, Daten zu sammeln, zu analysieren und zu teilen. Dabei entstehen gewaltige Datenmengen, die es zu nutzen gilt.
Wohl kaum eine Branche hat sich in den vergangenen Jahren so stark gewandelt wie der Bankensektor. Neue Anbieter mischen mit neuen Geschäftsideen den Markt auf. Etablierte Banken haben wiederum mit Problemen zu kämpfen, die etwa aus der Finanzkrise resultieren oder eine Folge der zunehmenden Regulierung sind. „Die niedrigen Zinsen, der regulatorisch notwendige Aufbau von Kapitalreserven und die gleichzeitig hohen Investitionen in digitale Technologien üben Druck auf die Ergebnisse der Banken aus“, sagt Eckart Windhagen, Seniorpartner von McKinsey und verantwortlich für das Thema Advanced Analytics im Banking. „Big Data und Advanced Analytics zählen zu den aussichtsreichsten Hebeln, die Banken bislang kaum erschlossenen haben. Banken sitzen auf einem einzigartigen Datenschatz, den weder Behörden, Telekommunikationsanbieter oder die Silicon-Valley-Giganten aufweisen können.“ Wie aber können diese Daten in Zukunft besser genutzt und neue Geschäftsmodelle aufgebaut werden – und wie kann Big Data dabei helfen?
Die Ausgangsbedingungen für Banken, Big Data zu nutzen, sind vielversprechend: Advanced Analytics, also die intelligente Auswertung bestehender Datenmengen durch Software, erfordert keine großen Investitionen in eine neue IT-Struktur und liefert dabei innerhalb weniger Monate ein zufriedenstellendes Ergebnis. „Da sich solche Instrumente relativ leicht in bereits bestehende Systeme einbauen lassen, sind sie schneller und flexibel einsatzfähig“, sagt Philipp Siebelt, Experte für Digital Banking bei McKinsey.
Philipp Siebelt, Partner im Düsseldorfer Büro vonMcKinsey, sieht drei Bereiche, in denen Big-Data-Lösungen für Banken einen Mehrwert schaffen können.
1. Verbesserung der Wertschöpfung: Advanced Analytics eröffnet Banken die Möglichkeit, ihre Kunden besser zu verstehen und Kundengruppen zielgenauer anzusprechen. „Damit können Banken die Kundenzufriedenheit erhöhen – und zum Beispiel neue Finanzprodukte viel passgenauer auf einzelne Kundensegmente zuschneiden“, so Siebelt. Zudem können Big-Data-Tools auch dabei helfen, Risiken besser abzuschätzen (z.B. in der Kreditvergabe) und die eigenen Prozesse zu verbessern.
2. Neue Wachstumsquellen: Schon heute steht hinter der Nutzung von vorhandenen Daten ein gigantischer Markt. Facebook oder Google verstehen es, die Daten ihrer Nutzer intelligent zu monetarisieren. Auch im Finanzmarkt bestehen solche Chancen.
3. Die digitale Bank: Das direkte Gespräch mit dem Bankberater, die Abfrage des Kontostands über das Smartphone, der Auftrag zum Wertpapierkauf über das Online-Banking – Banken müssen heute Multichannel-fähig sein. „Mehr als die Hälfte der Bankkunden nutzt permanent verschiedene Kanäle“, erläutert Siebelt.
Die Nutzung von Big Data kann ein entscheidender Baustein auf dem Weg zur wirklich digital integrierten Bank sein – indem die Bank den Kunden über die verschiedenen Kanäle eng begleitet. Dabei haben Banken laut Windhagen einen entscheidenden Vorteil: Sie könnten auf das Vertrauen der Kunden bauen, das sie über einen langen Zeitraum mit ihren starken Marken, insbesondere in der Vermögensverwaltung, aufgebaut haben.
Zwar haben viele Banken – vor allem wegen der Regulierungsanforderungen – schon in Big-Data investiert. Laut McKinsey müsse eine erfolgreiche Advanced-Analytics-Strategie aber darüber hinaus noch folgende Elemente umfassen.
■ Offenheit für neue Lösungen: „Oft liefert Big Data überraschende Antworten – Verantwortliche in den Banken müssen aber für diese neuen Ansätze offen sein“, sagt Philipp Siebelt. Wichtig sei, nicht nur von bereits vorhandenen Daten auszugehen – die spannendsten Informationen seien sowieso oft „versteckt“ – sondern Analytics zu nutzen, um wirtschaftlich relevante Fragen (besser) zu beantworten.
■ Priorisierte Anwendungsfälle: Neue Anwendungen bergen oft die Gefahr, dass nach erfolgreichen Pilotprojekten die Weiterführung in Regelprozessen scheitert. „Eine Liste mit Anwendungsfeldern, in denen Analytics messbare Ergebnisse liefert, die schnell skaliert werden können, hilft, diesen Fehler zu vermeiden“, so Siebelt. Im Banking seien dies beispielsweise unter anderem Kundenloyalitätsprogramme oder dynamische Preissetzung.
■ Langfristige Vision: Bei jedem Anwendungsfall sollten die Entscheider im Hinterkopf haben, wie dieser langfristig genutzt werden kann. „Die Herausforderung besteht oft darin, einzelne Teilschritte in einen sinnvollen Gesamtzusammenhang zu setzen“, so Siebelt.
„Advanced Analytics ist weit mehr als nur Digitalisierung“, so Windhagen. Banken hätten die Chance, sich als „Datenunternehmen“ im Zentrum eines datenbasierten Ökosystems zu behaupten.
Sie haben Anmerkungen zu den Artikeln oder Fragen zu unserem Beratungsangebot? Schreiben Sie uns an digitalatscale@mckinsey.com.
