08.06.2017

3 typische Einsatzbereiche für Decision Management in der Finanzindustrie

Artikel teilen:

Decision Management ist immer häufiger das Mittel der Wahl zur Umsetzung der Digitalisierungsstrategien in der Finanzindustrie. Der Platform-Ansatz einer Decision Management Suite bietet dabei einen besonders großen Vorteil: Auf Basis einer Technologie können Unternehmen beliebig viele maßgeschneiderte fachliche Lösungen realisieren. Wir stellen drei typische Einsatzbereiche für Decision Management vor.

Digitale Kundenakquise & Kundenbindung

Bedarfsgerechte Services, nahtlose Customer Journeys und die Echtzeit-Verfügbarkeit von Angeboten entscheiden heute mehr und mehr über den Erfolg in der Kundenakquise als auch bei der Kundenbindung.

In der analogen Welt war der persönliche Kontakt in der Bankfiliale ausreichend, um die individuellen Bedarfe des Kunden zu besprechen und durch entsprechende Angebote eine Lösung bereitzustellen. Der Gang zur Bankfiliale war häufig unabdingbar, etwa um die Wohnadresse nach einem Umzug zu aktualisieren. Diese Gelegenheit nutzte der Bankberater, um im persönlichen Kontakt mehr über die Situation des Kunden zu erfahren. Dadurch konnte der Bankberater dem Kunden beispielsweise einen Kredit vorschlagen, um die Neueinrichtung der Wohnung zu unterstützen. Auch konnten hilfreiche Leistungen oder Verbesserungen für den Kunden direkt besprochen und die nächsten Schritte abgeleitet werden.

In der digitalen Welt nutzen Kunden statt dem persönlichen Kontakt die Self-Services im Online-Banking-Portal. An Stelle des persönlichen Kontakts treten digitale Interaktionen, die eine Vielzahl von Daten hinterlassen. Das Decision Management setzt an dieser Stelle an und stellt Unternehmen die richtigen Ansätze zur Verfügung, um auf Basis des Kundenverhaltens und der Daten bessere operative Entscheidungen direkt an den digitalen Kontaktpunkten zu treffen: Welches Produkt ist gerade besonders relevant für den Kunden? Welchen Service könnte der Kunde benötigen, wenn ein Kontoüberzug stattfindet? Welche Konditionen zur Kreditvergabe sind gültig und wie kann der Antragsprozess möglichst schnell (automatisiert) und unkompliziert (digitalisiert) bearbeitet werden?

Bei der digitalen Kundenakquise und Kundenbindung stehen also intelligente, operative Entscheidungen im Fokus, um Mehrwerte für den Kunden zu erzielen.

Typische Ziele:

  • Höhere Relevanz an allen digitalen Kundenkontaktpunkten
  • Geringere Kosten und höhere Effizienz
  • Kurze Time-to-Market für neue Ideen und Anpassungen

Fallbeispiele:

 

Risikomanagement & Compliance

Auch in der digitalen Welt müssen Unternehmen die Risikomanagement- und Compliance-Anforderungen erfüllen. Die Finanz- und Versicherungsbranche ist hiervon besonders betroffen: Kreditrisikobewertung, Betrugserkennung, Anti-Geldwäsche und die digitale Schadenabwicklung sind nur eine kleine Auswahl der typischen Einsatzbereiche für das Decision Management.

Wie hilft Decision Management dabei, die Anforderungen an Risikomanagement und Compliance zu erfüllen?

  1. Finanztransaktionen erfolgen automatisiert und digital. Das setzt voraus, dass auch die Überprüfung der begleitenden wirtschaftlichen und rechtlichen Risiken automatisiert und digital erfolgt. Das Decision Management stellt Mittel bereit, um die entsprechenden Prüfungen und Berechnungen nachvollziehbar abzubilden, zentral zu speichern und in allen Systemen und Prozessen konsistent und automatisiert auszuführen.
  2. Finanztransaktionen müssen revisionssicher nachvollziehbar sein. Transparenz und Nachvollziehbarkeit sind zentrale Aspekte des Decision Management. Welches Entscheidungsmodell kam zur Prüfung einer Finanztransaktion hinsichtlich Sanktionslisten zum Einsatz? Wie wurde sichergestellt, dass die Regularien zum Anlegerschutz auch im Online-Wertpapierhandel berücksichtig wurden?
  3. Der Einbezug der Fach- und Compliance-Experten ist essentiell. Das Decision Management bezieht die verschiedenen fachlichen Experten (wie Compliance-Officers oder Risikoanalysten) direkt in den Entwicklungs- und Pflegeprozess der Fachlogik mit ein. Es setzt auf einen grafischen Modellierungsansatz, um Vorgaben, Richtlinien, Berechnungen, Prüfungen, etc. zu definieren. Damit sorgt das Decision Management für hohe Transparenz und ein besseres Business-IT-Alignment. Das Erstellen von Compliance- und Risiko-Modellen ist automatisiert ausführbar und wird als “Decision Web Services”, bzw. als Compliance-Services oder Risk-Services einfach und konsistent in die IT-Umgebung eingebunden.

Typische Ziele:

  • Höhere Effizienz durch automatisierte Risikobewertung
  • Geringere Aufwände für Compliance
  • Revisionssichere Nachvollziehbarkeit

Fallbeispiele:

 

Compliance und Risikomanagement mit DMN?

Decision-Management-Experte James Taylor erklärt im Video, wie der neue DMN-Standard zur Entscheidungsmodellierung dabei hilft, Anforderungen aus Compliance und Risikomanagement zu erfüllen.

Geschäftsprozesse & Back-Office

Back-Office-Prozesse und Geschäftsprozesse weisen immer noch Nachholbedarf bei der Automatisierung auf. Wo ein gewisser Grad an Intelligenz (oder komplexer Fachlichkeit) im Prozessablauf erforderlich ist, scheitern herkömmliche Geschäftsprozess-Management-Ansätze, was zu Unterbrechungen im Prozessablauf führt. Beispiele sind die Zuweisung von Aufgaben an den richtigen Bearbeiter (“Postkorb-Routing”), die Prüfung fachlicher Zusammenhänge und Berechnungen, die Dokumentenklassifizierung oder die Kundensegmentierung. Das Decision Management ist in der Lage, verschiedene Methoden und Technologien zu kombinieren, um die nötige fachliche Intelligenz in die digitalen Geschäftsabläufe einzubetten.

Die zwei wichtigsten Ansätze des Decision Management sind dabei das Geschäftsregelmanagement (Business Rules Management) und das Maschinelle Lernen (Machine Learning). Beim Geschäftsregelmanagement definieren Fachexperten die Entscheidungslogik als Regeln (in Form von Entscheidungstabellen oder Entscheidungsbäumen). Beim Maschinellen Lernen kommen Algorithmen zum Einsatz, die auf Basis von Erfahrung (Daten) eigenständig Erkenntnisse generieren, die wiederum in Form von Machine-Learning-Modellen in Softwareanwendungen eingebettet werden können. Immer häufiger werden die beiden Ansätze – das Geschäftsregelmanagement und das Maschinelle Lernen – kombiniert, um noch bessere operative Entscheidungen zu treffen (mehr darüber erfahren).

Das Decision Management setzt dabei den Schwerpunkt auf die Fachlogik, die sich häufiger ändert und schnell anpassbar sein muss. Das klassische Business Process Management fokussiert hingegen die Ablauflogik, die sich seltener ändert.

Typische Ziele:

  • Höhere Effizienz durch Automatisierung operativer Entscheidungen
  • Intelligente digitalisierte Geschäftsabläufe
  • Hohe Agilität und Flexibilität

Fallbeispiele: