Discovery Bank setzt auf Plattformlösung für besseren Durchblick bei Daten und Technologie

Die Discovery Bank setzt jetzt auf die Data Intelligence Platform von Databricks, um ihr „shared-value banking model“ anzubieten. Mit der offenen, einheitlichen Plattform habe das Institut seine Fähigkeit verbessert, schnelle und zuverlässige Datenprodukte zu erstellen sowie personalisierte Kundenerlebnisse zu schaffen, die positive Bankgewohnheiten belohnen.

Das Shared-Value-Banking-Modell biete Anreize für Kunden, positive finanzielle Gewohnheiten zu pflegen, was ein detailliertes Verständnis ihres Verhaltens erfordere. Die lokale Umgebung des Unternehmens habe jedoch Schwierigkeiten, mit dem Volumen und der Geschwindigkeit der erforderlichen Daten Schritt zu halten. Nötig gewesen sei ein datengesteuerter Ansatz mit Erkenntnissen und Analysen.

Einführung der Data Intelligence Platform

Das Institut entschied sich für die Standardisierung und Konsolidierung seiner Daten, des maschinellen Lernens (ML) und der künstlichen Intelligenz (KI) auf der vereinheitlichten Data Intelligence Platform. Die Plattform-Lösung von Databricks (Website) verschaffe der Bank einen umfassenden Überblick über ihre Daten und Technologie, was zu einer Verbesserung der Zeit bis zu Erkenntnissen, der Zeit bis zur Produktion und datengestützter Innovation führe und eine Investitionsrendite von mehr als 500 % ergeben haben soll. Andere, bei der Anwendung festgestellte, Vorteile umfassen:

• Verbesserte Datenverarbeitung: Mitarbeiter könnten jetzt maßgeschneiderte Daten- und Modellierungspipelines einbinden. Die Datenverarbeitungszeiten seien 20-mal schneller, von neun Stunden auf unter 10 Minuten, und die Zeiten für die Erstellung und Implementierung von Datenprodukten seien 5-mal schneller.
• Automatisierte Workflows: Delta Lake sei die Speicherschicht, die die Grundlage für Tabellen in einem Lakehouse auf Databricks bilde. Mit Delta Lake nutze die Discovery Bank automatisierte Workflows zur Planung von ETL-Pipelines, die Rohdaten schnell konsolidieren und aufbereiten würden.
• Verstärkte Governance und Collaboration: MLflow sei eine Open-Source-Plattform, die beim Aufbau von Modellen und generativen KI-Applikationen helfe. Mit ihr gewährleiste die Bank die Qualität des Modells und erstelle die Modellanforderungen für die Governance.

Aufbau eines Next-Best-Action Frameworks

Ein zentralisiertes Datenökosystem ermögliche es, granulare Einblicke in die Kunden zu gewinnen und einen Verhaltens-Fingerabdruck für jeden Kunden zu erstellen. Dieser Fingerabdruck diene als Grundlage für die Segmentierung im Rahmen von Marketingstrategien, die Preisgestaltung und das Risikomanagement, die Kundenbetreuung und das Betrugsmanagement sowie für Initiativen zur Verhaltensänderung im Rahmen der Next-Best-Action (NBA) der Discovery Bank (Website).

Ein zentralisiertes NBA-System ist von entscheidender Bedeutung, da es uns ermöglicht, sinnvolle und personalisierte Interaktionen mit unseren Kunden zu schaffen. Indem wir die Bedürfnisse, Vorlieben und die finanzielle Gesundheit unserer Kunden verstehen, können wir unsere Produkte und Dienstleistungen auf eine Weise kommunizieren, die auf den Kunden zugeschnitten ist.”

Nic Salmon, CPO bei der Discovery Bank

Das NBA-Framework der Discovery Bank habe zu einer 40-prozentigen Steigerung der Wirksamkeit ihrer Engagement-Initiativen geführt und wurde in die Kundenbetreuung integriert, wobei die Agenten mit KI-generierten Kommunikationsvorlagen unterstützt würden.ft