12.04.2017

Digital Profiling im Finanzsektor –

mit Smart-Data den Wert der Kundenbeziehung maximieren

TME Whitepaper Digital Profiling

Die Digitalisierung bietet Finanzinstituten neue Möglichkeiten ihre Kunden besser zu ­ verstehen. Die Weiterentwicklung moderner Methoden der Erhebung, Analyse und Übertragung von ­Kundendaten ermöglicht es, auf die individuellen Bedürfnisse der Kunden zugeschnittene  ­Bankprodukte ­anzubieten. Eine zentrale Herausforderung ist in diesem Zusammenhang nicht nur die enorme Menge an Daten zu verarbeiten, sondern diese intelligent auszuwerten, ­nutzenmaximierend ­einzusetzen und gleichzeitig die Sicherheit der Daten zu gewährleisten.

Die weltweite Menge an gespeicherten Daten wächst kontinuierlich, im Jahr 2015 wurde das weltweite Datenvolumen mit 8.591 Exabyte (Maßeinheit der Informatik und ein Vielfaches der Grundeinheit Bytes. Ein Exabyte hat die Größe von einer Milliarde Gigabyte) angegeben. Schätzungen zufolge soll das Volumen bis 2020 auf über 40.000 Exabyte ansteigen, und sich somit etwa verfünffachen (vgl. Statista (2017) IT-Services). Dieses Phänomen wird unter dem Begriff Big Data zusammengefasst. Allgemein geht es dabei um Datenmengen, die so groß, komplex, variabel und unstrukturiert sind, dass sie nicht mit herkömmlichen Verfahren der Datenverarbeitung analysiert werden können. Jüngst wird in diesem Zusammenhang immer öfter von Smart Data Analytics gesprochen. Hierbei handelt es sich um die nächste Stufe, mittels welcher die vielfach verfügbare Ressource „Daten“ nutzbar gemacht werden soll. Für Smart Data stellt Big Data einen Rohstoff dar, dessen Verarbeitung zum langfristigen Erfolg für Unternehmen in einem immer digitaleren und vernetzteren Wettbewerb beitragen soll (vgl. Jähnichen, S., 2015).

Der digitale Fußabdruck als umfangreiche Informationsquelle

Kundendaten stellen für jedes Unternehmen unabhängig von der Branche, dem Produkt oder der angebotenen Dienstleistung ein zentrales strategisches Asset dar (vgl. Buxel, H.; Klee, A., 2007). Durch die stark zunehmende Internetnutzung der Nachfrager in praktisch jedem Bereich des Lebens eröffnet sich für Unternehmen die Möglichkeit tiefe Einblicke in die Bedürfniswelt der Kunden zu erlangen. Das Potenzial der demographischen und psychologischen Informationen, die aus dem Nutzungsverhalten abgeleitet werden können, ist enorm und gibt Anbietern die Gelegenheit die Kunden individuell anzusprechen und eine Customer Experience zu schaffen, die die Nachfrager langfristig emotional an die Marke bindet. Informationen aus privaten Lebensbereichen wie Freizeitgestaltung, Interessen oder Beruf waren für die Unternehmen früher in den meisten Fällen nur zugänglich, wenn das angebotene Produkt oder die Dienstleistung für einen dieser Bereiche relevant war, bspw. die Freizeitgestaltung für Reiseanbieter oder der Beruf für Finanzdienstleister. Das Problem dabei ist, dass ein Anbieter immer nur über ein Fragment des gesamten Kundenprofils verfügt und damit dem erhöhten Risiko ausgesetzt ist, wichtige Bedürfnisse seiner Kunden nicht zu erkennen. Dies wiederum kann dazu führen, dass sich die Nachfrager nicht ausreichend verstanden fühlen, keinen besonderen Bezug zu ihrem Anbieter empfinden und eine erhöhte Wechselbereitschaft verspüren.

Erfolgsfaktor "Customer Digital Profiling"

Damit die Unternehmen den Wert ihrer Kundenbeziehungen maximieren können, bedarf es der Fähigkeit ein möglichst detailliertes „Customer Profile“ zu erstellen.

Der Vorteil dieser Methodik zur Analyse von Kundenbeziehungen ist vor allem in den nicht-­reaktiven Datenerhebungsverfahren zu sehen, da der Nachfrager nicht direkt an der Informationsbeschaffung und damit der Customer-Profile-­Erstellung beteiligt ist. Im Vergleich zu reaktiven Datenerhebungsverfahren wie Fragenbögen oder Feedbackgesprächen, bei denen der Kunde im Nachhinein lediglich damit zufriedengestellt werden kann, dass die dem Anbieter überlassenen Informationen nutzenbringend verwendet wurden, bürgt die nicht-reaktive Datenerhebung das Potenzial, den Kunden zu begeistern und seine Customer Experience neu zu definieren.

Der Anbieter erhält die Möglichkeit, dem Kunden  Lösungen bereitzustellen, bevor sich dieser eines konkreten Bedarfs bewusst ist und den Kontakt zum Unternehmen sucht. Mithilfe des neu gewonnenen Wissens über die Bedürfnisstruktur der Nachfrager etabliert man ein Pull-Marketing-­Konzept. Das Ergebnis für die Anbieter ist:

  • Schaffung einer emotionalen Bindung des Nachfragers an die Marke durch eine optimierte Customer Experience und individualisierte Customer Journey (vgl. Hauk, J.; Tüscher, P., 2016)
  • Steigerung der Conversion Rate, da die individuelle und zielgerichtete Kundenansprache die Neukundenakquisition erleichtert (vgl. Divia GmbH, 2017).
  • Langfristige Gewinnmaximierung durch Wettbewerbsvorteile (vgl. Zadeh, R.; Faraahi, A.; Mastali, A., 2011)

Welches Potenzial in einem intelligenten Customer Profiling für Finanzdienstleister steckt zeigt sich vor allem durch das Ergebnis einer Studie von Cisco aus dem Jahr 2016, wobei 43 % der Befragten der Meinung sind, ihre Hausbank würde ihre Bedürfnisse nicht verstehen (vgl. Bradley, J.; Loucks, J.; Jameson, P.; O’Connell, K.; Barbier, J., 2014).

Umsetzung eines Digital Profiling

Um ein aussagefähiges Kundenprofil zu erstellen, welches es dem Unternehmer erlaubt den Nachfrager mit individuellen Angeboten anzusprechen, sind Methoden zur Beschaffung der Informationen notwendig. Wie bereits im vorherigen Abschnitt erwähnt, gibt es grundsätzlich zwei Verfahren zur Erhebung von Daten über das digitale Verhalten einer Person. Im weiteren Verlauf dieses Artikels soll das Verfahren der nicht-reaktiven Datenerhebung im Fokus stehen. Neben den bereits angesprochenen Vorteilen die diese Methodik bürgt, müssen sich die Unternehmen jedoch zahlreicher Herausforderungen und Unsicherheiten in Zusammenhang mit der Anwendung bewusst sein. Um einen ersten Überblick über die zum Teil sehr technische Thematik zu erhalten ist es ratsam, einige der Erhebungsverfahren zu skizzieren und deren Möglichkeiten vorzustellen.

Nicht-reaktive Erhebungsverfahren

  • Cookies: Kleine Dateien, die Informationen in Form von ID-Codes auf dem Rechner des Nutzers hinterlegen und Informationen über besuchte Webseiten speichern.
  • Log-Dateien: Protokollieren Aktionen und den Dateienaustausch auf Computersystemen. Mit Hilfe dieser lassen sich detaillierte Informationen über Webseitenbesuche, Nutzungszeiten und Interessen eines Users ableiten.
  • Software-Agenten: Programme, die Daten über die Internetbewegungen eines Nutzers dokumentieren.
  • Umgebungsvariablen: Halten Ereignisse über Benutzeraktionen fest. Sie geben Hinweise auf das Zugriffsmuster der Nutzer. Werden oft als Ergänzung zu Log-Dateien eingesetzt.
  • Packet-Sniffing-Technologien: Spezielle Programme, die im Internet versendete Dateien hinsichtlich Inhalt, Ankunfts- und Zielort analysieren.

Die mittels dieser Verfahren erhobenen Daten und die aus ihnen abgeleiteten Informationen können dem Anwender einen umfangreichen Einblick in die Bedürfnisse des Nachfragers liefern. Die Internetnutzer haben keinen direkten Einfluss darauf, welche Informationen preisgegeben werden. Es ist davon auszugehen, dass den meisten Menschen in vielen Fällen nicht bewusst ist, in welchem Umfang dies geschieht. Zwar verpflichtet die EU-Richtlinie zum Datenschutz (Nr. 2009/136/EG) Webseitenbetreiber dazu, den Nutzer beim Aufrufen der Seite über den Einsatz von Cookies zu informieren, die Wirkung dieser Hinweise sollte jedoch nicht zu hoch bewertet werden.

Um mittels dieser Techniken ein so umfangreiches digitales Kundenprofil zu erstellen, das den Wert der Kundenbeziehung steigern kann, ­bedarf es vielschichtiger Datensätze. In den meisten ­Fällen, hat ein einzelner Anbieter keinen Zugriff auf die gesamte Bandbreite der vorhandenen ­Informationen über einen Nutzer. Viele Unternehmen sind daher an einem kommerziellen Handel einzelner Datensätze interessiert um ihr eigenes Kundeprofil zu vervollständigen (vgl. Weinhardt, C., 2015).

Einbau der Informationen in den Customer-­Profiling-Prozess

Die mittels der Analyse des digitalen Fußabdrucks gewonnen Informationen können in den Prozess des Customer Profiling aufgenommen werden und ergänzen somit das Bild, dass das Unternehmen von seinen Kunden hat. Im Folgenden wird der originäre Ablauf des Customer Profiling skizziert und verdeutlicht, an welchen Stellen die neu gewonnenen Daten implementiert werden um den Wert der Kundenbeziehungen zu heben.

Ein Customer-Profiling-Prozess startet in der ­Regel mit der Analyse, der aus den bereits über den Kunden auf Basis bestehenden Datenbeständen ableitbaren Informationen. Hierbei werden die Kunden zunächst mittels definierter KPIs wie bspw. Umsatz pro Kunde, Produktmix oder dem Kaufkanal geordnet und gruppiert. Daraus werden anschließend Single Customer Views (SCV) generiert. Hier fließen alle Kundeninformationen ein, über die die Bank verfügt und verfügen darf. Die über nicht-reaktive Verfahren erhobenen Daten zur Internetnutzung des Kunden, können hier eine wichtige Ergänzung darstellen. Nach Erstellung der SCVs können diese mit sogenannten Third-Party-Daten abgeglichen bzw. ergänzt werden. Third-Party-Daten sind externe Daten wie bspw. Historien über das Online-Suchverhalten oder Transaktionsverläufe auf Onlinemarktplätzen. Diese zusätzlichen Informationen haben für Finanzdienstleister einen hohen Wert. So können Banken mittels der gewonnenen Erkenntnisse leichter ermitteln, in welcher Lebenssituation sich der Kunde befindet und was ihn beschäftigt, um ihm so das richtige Kreditangebot oder die passende Anlageempfehlung zu unterbreiten.

Herausforderungen und Hindernisse

Eine ganzheitliche Betrachtung des Digitalisierungstrends in der Finanzindustrie beinhaltet ebenfalls das Bewusstsein, dass die sich aus den mittels Digital Profiling erstellten Kundenprofilen ergebenden Chancen nur die eine Seite der ­Medaille darstellen. Daher ist es notwendig auf die dadurch entstehenden Hindernisse und die daraus für die Anwender entstehenden Herausforderungen kritisch einzugehen. Da sich Banken einer Vielzahl heterogener Herausforderungen im Bezug auf das Thema Digital Profiling gegenübersehen, werden im Folgenden die einzelnen ­Herausforderungen in drei Kategorien „Regulatorik“, „Technik“ und „Akzeptanz“ eingeordnet und somit ein klarer, strukturierter Überblick bereitgestellt.

Regulatorik

Eine Studie des FZI Forschungsinstituts Informatik aus dem Jahr 2015 in der über 500 Anwender und potenzielle Anwender von Big- bzw. Smart-Data-Geschäftsmodellen zu den verbundenen Herausforderungen befragt wurden, ergab ein klares Gewicht in Bezug auf Datenschutz­themen. 61 % der Befragten gaben demnach an, dass sie den Schutz persönlicher Daten und deren Sicherheit als größte, zu meisternde Hürde in Verbindung mit dem erfolgreichen Nutzen von Big-Data-Geschäftsmodellen sehen (vgl. Lenk, A., 2015) Dies zeigt die enorme Größe des Datenschutzthemas und der vorherrschenden Unsicherheit in Bezug auf klare Regelungen für Nutzer des Digital Profiling.

Neben den nationalen Datennutzungsbeschränkungen, die das Bundesdatenschutzgesetz (BDSG) vorschreibt, müssen Banken ab dem Jahr 2018 auch die in 2016 neu verabschiedete Datenschutzgrundverordnung (EU-DSGVO) der Europäischen Union anwenden. Die Regelungen der neuen Verordnung gilt unmittelbar in allen EU-Mitgliedsstaaten, daher ist eine Umsetzung in nationales Recht nicht erforderlich. Das bedeutet für Banken, dass sie ihre Big-/Smart-Data-Geschäftsmodelle und die angewendeten Analyseprozesse zur Erstellung ihrer digitalen Kundenprofile innerhalb der nächsten anderthalb Jahre an die ab dem 25.05.2018 geltenden Bestimmungen anpassen müssen (Vgl. Datenschutz-grundverordnung.eu, 2016). Hierbei ist besonders Artikel 5 der EU-DSGVO als besondere Herausforderung zu sehen, da dieser mit den beinhalteten Regelungen an die neuen Big-/Smart-Data-Modelle anlehnt. Sind die allgemeinen Ziele in Artikel 1 und 3 mit Schutz der Grundrechte und Grundfreiheiten natürlicher Personen und vor allem deren Recht auf Schutz der personenbezogenen Daten und deren freier Verkehr beschrieben, spielt Artikel 5 detailliert auf die Beschränkungen der Verarbeitung solcher Daten an. Speziell wird in Artikel 5 Satz 1 a, c und e auf die Aspekte der Zweckbindung, Datenminimierung und Speicherbegrenzungen in Verbindung mit der Nutzung und Analyse personenbezogener Daten eingegangen und somit eine direkte rechtliche Behinderung der möglichen Big-/Smart-Data-Geschäftsmodelle geschaffen (Vgl. Datenschutz-grundverordnung.eu, 2016).

Technik

Die Studie des FZI aus 2015 hat ebenfalls ergeben, dass Unternehmen und Banken mehr und mehr das Potenzial ihrer Daten erkannt haben. Allerdings gaben 64 % der Befragten an, derzeit nicht über die benötigten Analyseprogramme zu verfügen. So nutzen 78 % der Befragten im Rahmen der Big-Data-Analyse Standardtechnologien der relationalen Datenbanken, die für die großen Datenmengen nicht ausreichend skalierbar sind.

Weiterhin stehen viele Anwender vor dem Problem, nicht über die benötigte Expertise bei der Analyse großer, heterogener Datenmengen zu verfügen (vgl. Meinel, C.; Schneiss, D., 2013).

Eine weitere Risikoquelle stellt die Qualität der Daten selbst und deren Auswertungsprozess dar. Nicht alle Daten, die im Internet erhoben werden können, sind geeignet die Realität und die tatsächlichen Persönlichkeitsstrukturen eines Nachfragers abzubilden. Eine eventuell missverständliche oder mehrdeutige Interpretation kann das Kundenbild verzerren und in der Folge dazu führen, dass dem Kunden zwar individuelle aber falsche und unpassende Angebote unterbreitet werden (vgl. Schön, C., 2015). So kann der erhoffte Vorteil, der durch die zusätzlichen Erkenntnisse des Digital Profilings entstehen sollten, Nachteile für die Kundenbeziehungen bürgen. Bspw. können wiederholt unpassende Angebote zu einer negativen Customer Experience führen und somit die Abwanderung des Kunden zur Folge haben. Die emotionale Kundenbindung an die eigene Marke  – als oberstes Ziel – lässt sich nicht mehr realisieren.

Akzeptanz

Die dritte Säule der mit Big-/ Smart-Data-­Geschäftsmodellen und Digital-Profiling-Techniken verbundenen Herausforderungen stellt den Bereich gesellschaftliche Akzeptanz dar. Eine Frage, die sich Nutzer neuer innovativer Big-/Smart-­Data-Technologien stellen müssen, bezieht sich auf die gesellschaftliche Wahrnehmung dieser Methoden und wie deren Anwendung im Markt kommuniziert werden soll. Die zur Erstellung eines Customer Digital Profiles verwendeten Daten beinhalten teilweise sehr sensible, aus dem Privatleben stammende Informationen über die Nachfrager, deren Verwendung nicht grundsätzlich als akzeptiert angesehen werden darf (vgl. Schön, C., 2015). Durch dieses kommunikative Risiko in Bezug auf die Akzeptanz des Marktes und die oft für die Nachfrager intransparente Anwendung nicht-­reaktiver Datenerhebungsverfahren gefährdet ein Kreditinstitut im äußersten Fall seine Seriosität. Dies ist insbesondere vor dem Hintergrund der vorherrschenden, grundsätzlichen Skepsis der Kunden bezüglich der Sicherheit ihrer von Kreditinstituten gespeicherten Daten ernst zu nehmen (vgl. Rubycom, 2016).

Ausblick

Zusammenfassend ist die Nutzbarmachung riesiger Datenmengen und die Möglichkeit Kundenbedürfnisse aus dem Internetverhalten der Nachfrager abzuleiten, förderlich um Digital-Banking-Angebote umfassend zu erweitern.

Die Erwartungen des Kunden an die Servicequalität der Banken steigen kontinuierlich. Eine schnelle Anpassungen an Trends und der Wunsch nach einer individuellen und bedürfnisgerechten Kundenansprache zwingt die Banken neue Wege zu gehen und den Kunden und seine Strukturen besser zu verstehen.

Digital Profiling mittels Smart-Data-Technologien bietet den Banken die Chance eine individuelle Customer Experience zu schaffen und sich somit Wettbewerbsvorteile zu sichern.

Bei aller aufkommenden Euphorie, die durch die potenziellen Vorteile dieser Technologien aufkommt, müssen sich die Anwender jedoch der zahlreichen Herausforderungen bewusst sein. Unterschätzen die Banken die mit diesen ­Methoden verbundenen Risiken, kann dies negative Auswirkungen auf die Reputation der Bank haben. Die Nichtbeachtung neu aufkommender regulatorischer Anforderungen kann so nicht nur  juristische Konsequenzen nach sich ziehen.

Nichtsdestotrotz bleibt festzuhalten, dass eine digitale Ausrichtung der Prozesse für die Banken nicht optional zu sehen ist, sondern bereits heute über das langfristige Bestehen im Wettbewerb entscheidet. Die Herausforderung für die Banken besteht also nicht in der Form einer „Ja/Nein-Entscheidung“ sondern vielmehr in der „Auswahlentscheidung“ der richtigen Strategie und Technologie, um den vorschreitenden ­Digitalisierungsprozess nutzenbringend in die Geschäftsabläufe zu implementieren.

Hinweis: ausführliches Literaturverzeichnis befindet sich im PDF

Autoren: Stefan Roßbach, Jan Franz, Dennis Hossenfelder

TME Whitepaper Digital Profiling

April 2017 | Stefan Roßbach, Jan Franz, Dennis Hossenfelder

Die Digitalisierung bietet Finanzinstituten neue Möglichkeiten ihre Kunden besser zu ­verstehen. Die Weiterentwicklung moderner Methoden der Erhebung, Analyse und Übertragung von ­Kundendaten ermöglicht es, auf die individuellen Bedürfnisse der Kunden zugeschnittene ­Bankprodukte ­anzubieten.