Mehr Kundenzufriedenheit durch intelligente Datenanalyse? Das Experten-Roundtable

Wie weit ist Data Analytics in Banken fortgeschritten? Wie werden Kundendaten genutzt und wie gelingt es, damit den Service zu optimieren? Bei einem Roundtable der Reihe „Zukunft der Bank- und Finanzbranche“ tauschten sich Branchenexperten hierzu in der Villa Merton in Frankfurt aus.

von Stefanie Walter

Welche Rolle spielt Data Analytics in Ihrem Hause?

Lowinski: Die Schufa Holding ist ein auf Datenanalyse fokussiertes Unternehmen. Unser Ziel ist es, die Wirtschaft vor finanziellem Ausfall und die Bevölkerung vor Überschuldung zu schützen. Wir verfügen über Daten von 68 Millionen Erwachsenen und von mehr als sechs Millionen Unternehmen. Darauf bauen wir Services für unsere Partner auf, damit sie ihren Kunden unter Berücksichtigung von Risiko-, Betrugs- und Compliance-Anforderungen passende Produkte und Dienstleistungen anbieten können. Seit den 90er Jahren haben sich unsere Analysen von einfachen statistischen Verfahren hin zu KI-basierten Methoden weiterentwickelt. Das versetzt uns in die Lage, unseren Kunden immer passgenauere Prognosen und Services anzubieten.

Sorhage: Wir wollen in der ING mit Data Analytics unternehmensweit eine Kultur der Transparenz schaffen – auch über Personas, Zielgruppen und Kundenerlebnisse. Wir haben Customer Journey Experts in den Produktabteilungen. Unser Team ist die zentrale Stelle, die Daten strukturiert und das gesammelte Kundenfeedback actionable macht.

Sahin: In der Commerzbank spielt datengetriebenes Marketing seit vielen Jahren eine extrem große Rolle. Unsere Kunden erwarten von uns proaktive Impulse und individuelle Lösungsangebote für ihre Bedürfnisse. Data Analytics hilft uns, Angebote in einer hohen Skalierung zu individualisieren und zu automatisieren – z.B. bei Finanzierungen eine entsprechende Ratenhöhe mit einem personalisierten Angebot über mehrere Vertriebskanäle auszuspielen.

Maßgeblich ist, was der Kunde von uns erwartet und wie wir ihm helfen können. Ohne kanalübergreifende Data Analytics kann man ein solches Leistungsversprechen nicht einlösen.”

Bergtold: Daten sind für die KfW als international agierende Förderbank ein Schatz. Sie sind zum einen Basis für das Customer Profiling – die Risikobewertung. Zum anderen wollen wir mit jeder Förderung den maximalen Wirkungsbeitrag leisten. Um einzelne Marktsegmente und Wirtschaftszweige einzuschätzen und die nachhaltige Entwicklung von Umwelt, Gesellschaft und Unternehmen zu unterstützen, möchten wir Daten intelligent nutzen. Wir bereiten strukturierte und unstrukturierte Daten auf, konzipieren Predictive-Analytics-, Data-Mining-, Machine-Learning-Methoden und visualisieren die Ergebnisse.

Auch einfache deskriptive Analysen spielen eine große Rolle – mit ihnen kann man oft mehr leisten, als man ihnen zutraut.”

Schäfer: In der Genossenschaftlichen FinanzGruppe beschäftigen wir uns aktuell damit, die Kundenansprache durch intelligente Datennutzung im Zeitalter zunehmend digital genutzter Kanäle noch zielgerichteter und persönlicher zu machen. Unser Zielbild ist es, den Kunden auf seiner gesamten Customer Journey optimal bei seinen Zielen und Wünschen zu begleiten, d.h. ihn zum richtigen Thema und dem für ihn idealen Zeitpunkt über seinen bevorzugten Kanal in der gewünschten Tonalität anzusprechen. Kunden erwarten eine Ansprache zu relevanten Themen und passgenaue Lösungen und nicht eine Werbeflut.

Lowinski: Die Schufa bietet für die unterschiedlichsten Anwendungsfelder Lösungen, die auf der intelligenten Analyse und Verbindung von Daten basieren. Unsere Compliance-Lösung beispielsweise kann in den Onboarding-Prozess eingebunden werden, noch ehe der Kunde ein Kreditangebot erhält. Giro-Ident-Lösungen ermöglichen Identitätsprüfungen und die Erfüllung von KYC-Pflichten – digital in Echtzeit. Mit unserem Fraud-Pool können Kreditinstitute betrugsrelevante Informationen binnen Sekunden austauschen.

Welche Hindernisse gibt es bei Data Analytics?

Sørstrøm: Ein ganz pragmatischer Knackpunkt in vielen Häusern ist nicht mehr die Mathematik dahinter, das Modell oder die Datenzugänglichkeit.

Es ist eher die Einschränkung durch das Management, die fehlende Erlaubnis, zu automatisieren und die Umsetzung im Vertrieb.”

Im asiatischen Markt wird viel mehr ausprobiert. Im digitalen Vertrieb spricht die Maschine den Kunden automatisiert an. Data Analytics fördert dort komplett neue Businessmodelle. In Deutschland haben wir einen noch stark stationären Vertrieb. Data Analytics wird für Bestehendes eingesetzt. Analysen sollen der Maschine helfen, validiert zu lernen, um den Vertrieb zu unterstützen. Die Kanäle müssen orchestriert und alle Feedbackschleifen wieder in einem Single Point of Truth zusammenlaufen. Hier hakt es oft noch.

Sahin: Da sehe ich weniger das Problem. Die Responses laufen bei uns aus allen Kanälen in Echtzeit zusammen, unabhängig davon, ob wir hier von der App, Onlinebanking, Filialen oder dem Kundencenter sprechen. Für alle unsere Kunden und knapp 300 verschiedenen Ansprache-Optionen bilden Algorithmen jeden Tag neue „Look Alikes“. Mittels Scoring-Verfahren liefert unser Marketing-Tech-Stack neben Abschlusswahrscheinlichkeiten auch die optimale Mischung von Kanal, Frequenz und Zeitpunkt. Meines Erachtens liegt die Herausforderung in der Finanzindustrie darin, dass man einerseits eine konsistente Datenhistorie „at scale“ haben muss und den „Tone of Voice“, der von Kunden honoriert wird, von der Produktidee bis zur eigentlichen Kundenansprache, stringent durchdeklinieren muss. Eine solche Infrastruktur muss nicht nur durchdacht aufgebaut, sondern auch vertrieblich konsequent gelebt werden.

Schäfer: Aus unserer Erfahrung sind zwei Dinge bei der Einführung von Data Analytics wichtig: Erstens, die richtige Erwartungshaltung bei Kunden und intern von Beginn an richtig zu setzen. Durch zu hohe Erwartungen hinsichtlich des Fortschrittes und Ergebnisbeitrags von Data Analytics kann das Thema schnell verbrannt werden.

Ein KI-Modell braucht Zeit, bis die Data Scientists es entwickelt und ausreichend trainiert haben.”

Es muss sich erst in der Praxis beweisen und ggf. optimiert werden. Zweitens müssen fachliche und technische Voraussetzungen geschaffen werden. Ein KI-basierter Use Case allein bringt nichts, wenn entsprechende Grundvoraussetzungen im Vertrieb nicht vorliegen. Wichtig ist neben der Datenexzellenz auch ein entsprechender Change.

Sorhage: Innovative Angebote gelingen nicht, wenn sie ausschließlich von oben vorgegeben werden. Wir müssen viel früher ansetzen und den Bedarf direkt beim Kunden abfragen. Dabei sollten wir nicht immer nur „bankisch“ denken, sondern auch mal ganz neu. Wir nutzen die Daten der Customer Journey, analysieren das Klickverhalten und bilden datengestützte Personas. Das Kundenverhalten und die dahinterliegenden Bedürfnisse möchten wir nachvollziehen und an den richtigen Stellen Akzente setzen. Alles natürlich nur mit Zustimmung der Kunden.

Heidenberger: Meist wird das operative Geschäft tatsächlich noch nicht mithilfe guter Kundenanalysen gesteuert. Mit Data Analytics wollen auch wir Präfenzen der Zielgruppen im Blick behalten, um höhere Konversionsraten zu bekommen und letztlich das „passende“ Angebot zu machen. Manchmal muss man Dinge aber auch einfach ausprobieren. Beispielsweise haben wir mit unserer Online-Tochter quirion ETF-Portfolios per Gutscheinkarte in Edeka-Supermärkte gebracht. Oder wir testen, wie auf einer Blockchain digitalisierte Immobilienbeteiligungen ankommen. Die Erfahrungen gilt es dann natürlich gut zu analysieren.

Bergtold: Wir experimentieren auch und haben z.B. im Kontext energetischer Sanierung eine Website live geschaltet mit einem Beratungsassistenten, der Berechnungen anstellt.

Verschiedene Bots wurden angeboten und beobachtet, wie Kunden darauf reagieren. Das war mit einem gewissen Risiko verbunden, gab uns aber wertvolle Erkenntnisse.”

Zudem wurde mit dem KfW-Förderassistenten eine Plattform entwickelt, auf der Bankenkunden mit der KfW direkt in Kontakt treten und Anträge für Finanzierungen oder Förderungen in der Cloud selbst vorbereiten können.

Wir führen aber auch klassische Umfragen durch: Im KfW-Neukundenmonitor befragen wir jährlich ca. 180.000 Kredit- und Zuschusskunden, die unsere Förderprodukte nutzen. Interaktive Dashboards für Fachexperten und Führungskräfte verwandeln große Datenmengen in benutzerfreundliche Infografiken, bei denen einzelne Parameter variabel einstellbar und die Auswirkungen individuell analysierbar sind. Neben deskriptiven Methoden nutzen wir in diesem Umfeld auch multivariate Regression, Strukturgleichungsmodelle und neuronale Netze.

Präferieren Kunden die Face-to-Face-Beratung oder digitale Touchpoints?

Schäfer: In Asien haben sich Bankkunden daran gewöhnt, nicht mehr mit Menschen zu sprechen. Das kann ich mir für uns Europäer nicht vorstellen. Für uns steht der Mensch und auch das persönliche Banking im Mittelpunkt. Viele unserer Kunden sind „omnikanal“ unterwegs. Ein Großteil informiert sich online, schließt dann trotzdem persönlich ab. Es ist produktspezifisch sicherlich unterschiedlich. Für ein optimales Kundenerlebnis ist es wichtig, eine kundenzentrierte Sicht einzunehmen und personalisierte Kundenerlebnisse über alle Kanäle hinweg Ende-zu-Ende zu orchestrieren. Denn Kunden erwarten die gleiche Convenience im Banking, die sie aus anderen Branchen bereits kennen.

Heidenberger: Corona hat bei den Kunden der Quirin Privatbank bewirkt, dass sich die sonst stark persönliche Beratung hin zur digitalen verschiebt – und eine neue Generation kommt nach.

Man hat zwar noch seinen persönlichen Berater, auf den man auch nicht verzichten möchte, aber kombiniert dies mit digitalen Wegen.”

Bei quirion sind natürlich eher die „Digitalos“. Viele digitale Kunden von quirion haben auch das Potenzial, Beraterkunden bei Quirin zu werden. Meine Abteilung filtert diese mittels Data Analytics heraus.

Lowinski:

Als Kunde bin ich selbst immer wieder genervt, wenn von mir Daten abgefragt werden, die man eigentlich auch in einer intelligenten Strecke automatisiert eintragen könnte.”

Hier eröffnet Data Analytics einen Weg, mit weniger Ressourcen und Touchpoints das bereitzustellen, was der Kunde braucht.

Sorhage: Als Direktbank ohne Filialen stehen die digitalen Touchpoints bei uns natürlich im Fokus. Dennoch ist für die ING ein exzellenter persönlicher Service selbstverständlich, sodass unsere Kunden auch immer die Möglichkeit haben, bei Fragen oder Anliegen mit uns Face-to-Face in Kontakt zu treten.

Kotthaus: Die Kunden sind ja auch immer mit einer bestimmten Erwartung zu einer speziellen Bank gekommen. Bei den genossenschaftlichen Banken oder der Commerzbank sehen wir ein anderes Verhalten als bei der ING, comdirect oder quirion.

Die meisten Wohlhabenden sind bei uns die Älteren. Sie schätzen persönliche Filialbetreuung.”

Dagegen sind in Asien 80 Prozent der Millionäre unter 30. Da kommt irgendwann nochmal ein großer Bruch bei uns.

Bergtold: Die KfW passt ihre Kommuni­kations- und Vertriebs­wege kontinu­ierlich an das Infor­mations- und Kauf­verhalten ihrer Kunden und Finanzierungs­partner an. Traditionelle Vertriebs­kanäle werden durch digitale Angebote ergänzt und teils ersetzt. Wir wollen Informa­tionen überall dort verfügbar machen, wo Kunden mit Förder­themen in Berührung kommen.

Was wollen Sie dem Kunden mit Data Analytics bieten?

Sorhage: Die ING lebt verschiedene CX-Principles, darunter auch „personal and easy“: So arbeiten wir datengestützt daran, dem Kunden für ihn relevante Angebote anzuzeigen, die ihn über diverse Kanäle dazu zu befähigen, seine Finanzen selbst in die Hand zu nehmen und die richtigen Entscheidungen zu treffen.

Schäfer: Dem Kunden sind drei Dinge wichtig: Dass er Kontrolle über seine Daten hat und weiß, was davon wie genutzt wird, dass seine Daten sicher und geschützt sind und er Vorteile aus der Datennutzung hat. Der sichere und transparente Umgang mit Daten zur Generierung von Mehrwerten für unsere Kunden steht bei uns an erster Stelle. Als Volksbanken und Raiffeisenbanken genießen wir diesbezüglich ein großes Vertrauen. Verbraucher stehen FinTechs, Google, Amazon und anderen BigTechs deutlich skeptischer gegenüber.

Initiativen wie der Data Act oder Open-Finance-Initiativen der EU haben das Ziel, branchenübergreifende Standards zum Datenaustausch zu schaffen. Standards sind grundsätzlich positiv, müssen jedoch für alle Branchen gelten und die Finanzbranche nicht einseitig benachteiligen.”

Sørstrøm: Außerhalb von Deutschland und Europa sehen wir, dass KI und Data Analytics sowie Open Banking offener und integrierter eingesetzt werden. Alles wächst stärker zusammen und beschleunigt im Hintergrund immer mehr die Prozesse. Onboarding, regulatorische Aspekte, risikoorientiertes Pricing entwickeln sich aufeinander abgestimmt. Das hat auch Einfluss auf Präferenzmuster. Es bilden sich neue Kundengruppen und ein „New Banking“ entsteht. Dieser Trend schwappt früher oder später ins alte Europa rüber. Das stellt uns dann nochmal vor neue Herausforderungen operativer, technologischer Art und in Bezug auf die Datentöpfe.

Lowinski: Wir haben uns bislang stark auf Daten konzentriert, die wir schon haben. Zukünftig wird es aber auch darum gehen, wann der Kunde bereit ist, seinem Geschäftspartner mehr Daten zu geben, weil er darin Mehrwerte erkennt. Über eine intelligente, transparente Kontenanalyse kann man zum Beispiel auch erkennen, ob jemand eine gute Altersvorsorge hat und diese für ihn optimieren. Da stehen wir in Deutschland noch relativ am Anfang.

Das Potenzial von Data Analytics und KI ist noch lange nicht erreicht!”

Kotthaus: Wer Daten sinnvoll einsetzt, um Kundensegmente neu zu definieren, Zukunftsmärkte zu erschließen und zur richtigen Zeit relevante Produkte anzubieten, kann neue Chancen schaffen, zusätzliche Umsatzquellen generieren und den langfristigen Wert jedes Kunden erhöhen.
Intelligente Datenanalyse eröffnet völlig neue Einblicke und präzise Prognosen dazu, ob und wann welches Produkt für welchen Kunden potenziell interessant wird. Mit diesen Informationen steigen Terminquoten und Abschlusswahrscheinlichkeiten. Gleichzeitig sind die Institute in der Lage, ihre Marketing- und Vertriebsaktionen gezielter zu steuern.Stefanie Walter /aj