Entscheidungsrelevantes Wissen aus unstrukturierten Daten produzieren

bei

 / 16. October. 2018

Sorry, this entry is only available in German. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language.

Banken und Versicherungen verfügen über mehr Daten als je zuvor. Mit den strukturierten Daten aus CRM-Systemen und Kernapplikationen arbeiten die Finanzdienstleister intensiv. Strukturierte nutzen sie aber nur zu einem Bruchteil. Dabei bieten gerade sie ein gigantisches Potential. Den Schlüssel dazu liefert die Künstliche Intelligenz.

Entscheider in Banken und Versicherungen nutzen für Data Analytics gängige Abfrage-Tools und bereiten damit Informationen aus den Datenbanken ihrer CRM-Systeme und Kernanwendungen auf. Diese enthalten aber nur strukturierte Daten. Die übergroße Mehrheit der vorhandenen Daten bleibt dabei aber außen vor, weil diese unstrukturiert und an vielen Stellen im Unternehmen verstreut vorliegen. Sie bleiben somit wertlos.

Bei einigen Finanzdienstleistern hat sich die Einstellung gegenüber unstrukturierten Daten bereits geändert. Sie haben erste Applikationen implementiert, um unstrukturierte Unternehmensdaten in wirkungsvoll nutzbare Erkenntnisse zu transformieren. Dazu ist es notwendig, interne Dokumente, E-Mails, Telefonnotizen sowie Wirtschaftsnachrichten, Börsenkurse und andere Marktdaten einzubeziehen und mit den strukturierten Informationsbeständen zu kombinieren.

Wenn Unternehmen damit beginnen, unstrukturierte Daten in ihre Data-Analytics-Applikationen zu integrieren, stehen sie vor einigen typischen Herausforderungen:

  • Mit den herkömmlichen Enterprise Search Tools sind unstrukturierte Daten nicht einfach durchsuchbar.
  • Ohne die geeigneten Werkzeuge wird die Suche in unstrukturierten Datenbeständen ineffizient und führt zu fehlerhaften Ergebnissen.
  • Die verbreiteten Enterprise Search Tools sind für heutige Anforderungen ungeeignet.

Kognitive Suche bereitet unstrukturierte Daten auf

Aktuell verwenden Unternehmen nur einen Bruchteil der verfügbaren Daten für die Entscheidungsfindung. Die große Masse, nämlich die unstrukturierten Daten, bleibt ungenutzt. (Quelle: Squirro)

Abhilfe schafft die kognitive Suche, die Absichten und Interessen des Benutzers erkennt und den Inhalt der Ergebnisse entscheidungsrelevant aufbereitet. Die Ermittlung von Beziehungen innerhalb des gefundenen Datensets kann einen enormen Vorteil bringen. Darüber hinaus profitieren Unternehmen vom Einsatz intelligenter Analysewerkzeuge kombiniert mit maschinellem Lernen. Das Training dieser KI-Algorithmen mit der Expertise von Business Analysten kann eine entscheidende Rolle spielen und unterstützt Finanzdienstleister dabei, sich Wettbewerbsvorteile zu sichern.

Bei der Ermittlung von Kundenanforderungen und -wünschen sind unstrukturierte Daten für Banken und Versicherungen von essentieller Bedeutung. Eine gezielte Suche, Auswertung und Aufbereitung unstrukturierter Daten bietet Finanzdienstleistern einen umfassenden Einblick in die Kundenbedürfnisse. In einer verschärften Wettbewerbssituation ist dies nötiger denn je, um die Kundenabwanderung zu verringern und die Generierung und Priorisierung von Leads zu unterstützen.

Die benötigten Technologien für die kognitive Suche und den Zugriff auf unstrukturierte Daten stellen Methoden der Künstlichen Intelligenz bereit. Einige Finanzdienstleister setzen bereits auf maschinelles Lernen im Umfeld von strukturierten Daten, der nächste Schritt ist der Einsatz im Bereich der unstrukturierten Daten.

Drei Anwendungsszenarien verdeutlichen, wie Banken und Versicherungen von KI-Nutzung bei unstrukturierten Daten profitieren können:

  • Kundenservice verbessern: Mit Methoden der Künstlichen Intelligenz können Finanzdienstleister Kundenbedürfnisse frühzeitig erkennen sowie Cross-Selling- und Up-Selling-Potenziale identifizieren. Ein umfassendes Kundenverständnis ist die Basis für einen effizienten Kundenservice.
  • Risikomanagement stärken: Bei Banken und Versicherungen ist die Abschätzung geschäftlicher Risiken ein kostenintensiver und zeitaufwendiger Prozess. KI-Verfahren unterstützen Unternehmen dabei, Abläufe zu automatisieren und unstrukturierte Daten zu analysieren, um Muster und Trends zu diagnostizieren und rechtzeitig Gegenmaßnahmen einzuleiten.
  • Schadensmanagement optimieren: Auch die Bearbeitung von Versicherungsansprüchen lässt sich mit KI-Automation deutlich beschleunigen. Dashboards beispielsweise ermöglichen einen direkten Zugriff auf alle mit einem Versicherungsanspruch verbundenen Daten aus unterschiedlichen Quellen und Systemen. Eine KI-Applikation analysiert unstrukturierte Inhalte in den Schadensmeldungen, extrahiert die benötigten Daten und bereitet sie für die automatisierte Verarbeitung im weiteren Schadensmanagementprozess auf.

Diese Beispiele veranschaulichen, wie Banken und Versicherungen mit KI ihre kundenzentrierten Geschäftsprozesse optimieren können. An der Erschließung der riesigen unstrukturierten Datenbeständen führt kein Weg vorbeiführen, wenn Finanzdienstleister ihre Wettbewerbsfähigkeit stärken wollen.

Der Autor: Dr. Dorian Selz ist Mitgründer und CEO von Squirro. Zuvor gründete er die Schweizer Suchplattform local.ch und machte sie in vier Jahren zum Marktführer. Er war Partner und COO bei Namics, der größten e4business-Beratung in der Schweiz und in Deutschland. Er promovierte an der Universität St. Gallen und absolvierte einen Master in Wirtschaftswissenschaften an der Universität Genf. 

Previous articleVom Marktplatz der Innovationen ins Fernsehen!
Next articleDigitale Kompetenzen sind entscheidender Wettbewerbsfaktor für Unternehmen – Wie Prozessoptimierung und Performance Management gelingen