Banking und Finance

Big-Data-Analytics

11. Februar 2019

Das Analysieren von angesammelten Datensätzen zählt zu den wichtigsten Treibern für digitale Transformation. Doch während Big Data in der Industrie die digitale Transformation vorantreibt, vollzieht sich der Wandel in der Finanzbranche lediglich schleppend. Gründe dafür sind Ungeordnete Datenhaufen, ungeeignete IT, ein strenger Datenschutz und nicht zuletzt die im Banking hoch gehaltene Diskretion.

Big Data Analytics 

Big Data Analytics im Banking (Symbolbild).

UBS setzt erste Wegmarke

Axel Weber, Verwaltungsratspräsident der UBS Group AG, formulierte das Dilemma mit den Worten „Der Kunde darf sich von uns nicht ausspioniert fühlen, sonst verlieren wir sehr schnell das Vertrauen.“ – nun ist es jedoch die UBS, welche eine erste Wegmarke in Richtung Big-Data-Dienstleister erreicht hat. Dies, indem die Grossbank dem UBS Evidence Lab, einem seiner wichtigsten Innovationsträgern, mehr Freiheit zugesteht.

Entwicklung eines „sell-side“ Angebots

Belieferte das Evidence Lab bislang weitere UBS-Research-Abteilungen mit Studien und beantwortete spezifische Fragen, so soll dieses nun organisatorisch aus dem UBS Research herausgelöst werden und sich zu einem eigenen „sell-side“ Analysehaus entwickeln. So kann eine wesentlich breitere Klientel angesprochen werden, zumal Kunden nur noch kaufen, was aus dem unsortierten Datenhaufen heraussticht.

Kosten und Nutzen von Datenanalysen

Seit die EU-Finanzrichtlinie Mifid II die gesonderte und transparente Weiterverrechnung von Analyseleistungen vorschreibt, haben konventionelle Research-Abteilungen ein Problem. Sie müssen die aus diesen Analysen resultierenden Kosten transparent ausweisen und ihren Kunden entsprechend weiterverrechnen. Grundsätzlich ändert dies nicht die Thematik, dass sich Banken erbrachte Dienstleistungen bezahlen lassen, jedoch erfordert diese Tatsache ein Optimieren des Kostenaufwands und damit direkt verbunden aufwandgerechte und zeitgemässe Analyseverfahren.

Fazit

Die Technologie bewegt sich in Bezug auf verfügbare Analyseinstrumente mit grossen Schritten voran. So lassen sich Datensätze – wenn sie richtig in Big-Data-Analyseplattformen integriert sind – in bislang ungeahnter Detailschärfe analysieren. Hierzu zählen zum Beispiel das Finden von Korrelationen, die Analyse von Zeitreihen und das Erkennen von Trends oder spezifischen Segmentationen mit dem Ziel, neue Geschäftsfelder zu erkennen und zielgerichtete Marktstrategien zu entwickeln. Die gewonnenen Erkenntnisse können in der Folge in neue Banking-Angebote übersetzt werden, was in einer deutlichen Steigerung des Innovationstempos resultiert. Big-Data-Analysen dürften diesen Prozess massgeblich unterstützen.

Verwandte Artikel