Wie Banken im KYC Prozess bis zu 57 % mit Machine Learning einsparen
10 Lessons Learned kurz zusammengefasst oder als 40-Minuten-Webinar.
Lessons Learned 1:
Aller Anfang ist schwer.
Welche Erkenntnisse gewinnen Banken, Finanzdienstleister und Versicherungen dank Machine Learning in Compliance? Das erklären Thomas Knöpfler und Thomas Ohlemacher.
Lessons Learned 2:
Klare Vorgaben erfordern neben Machine Learning auch Expertenregeln.
Machine Learning löst nicht alle Probleme – auch Expertenregeln spielen eine wichtige Rolle. Mehr dazu sehen Sie in diesem Video.
Lessons Learned 3:
Die richtigen Daten mit dem richtigen Ansatz kombinieren.
Im Bereich Machine Learning existieren unterschiedliche Ansätze, die sich für unterschiedliche Fragestellungen eignen. Wichtig ist, die richtigen Daten zu haben.
Lessons Learned 4:
Machine-Learning-Entscheidungen dürfen keine Blackbox sein.
Wenn Machine-Learning-Modelle Entscheidungen treffen, müssen diese nachvollziehbar sein. Nur so lässt sich die Qualität der Modelle sicherstellen.
Lessons Learned 5:
Das Machine-Learning-Modell erfolgreich in die Praxis transferieren.
Die Operationalisierung von Machine-Learning-Modellen ist oft der schwierigste Schritt. Wir zeigen Ihnen in dieser Lesson Learned wie Sie Modelle erfolgreich in die Praxis transferieren können.
Lessons Learned 6:
Die Qualität lässt sich kontinuierlich verbessern.
Machine-Learning-Modelle sind keine starren Konstrukte, sondern sollten regelmäßig überprüft und angepasst werden, damit sich die Qualität fortlaufend verbessern lässt.
Lessons Learned 7:
Die Einsparung bei Abklärungen erreicht über 50%.
Mithilfe von Machine Learning erreichen die Einsparungen bei Abklärungen über 50 Prozent. Die genauen Hintergründe erfahren Sie in dieser Lesson Learned.
Lessons Learned 8:
Mit intelligenten Reviews neben Kosten auch Risiken senken.
Kostensenkung ist eines der Ziele von Machine Learning in Compliance. Tatsächlich gehört aber auch das Senken von Risiken dazu.
Lessons Learned 9:
Risiken aufspüren, die in der Vergangenheit nicht gefunden wurden.
Machine-Learning-Modelle können in Compliance einfach und ohne viel Personalaufwand vergangene Fälle durchforsten und feststellen, ob Risiken übersehen wurden.
Lessons Learned 10:
Erfahrung macht den Unterschied.
Welche Ziele hat man, welche regulatorischen Vorgaben gibt es? Diese und mehr Fragen muss man beantworten, um ein erfolgreiches Machine-Learning-Modell aufzusetzen.
Das könnte Sie auch interessieren
Whitepaper: KYC-Prozess mit Machine Learning optimieren
Im Whitepaper erfahren Sie, wie Machine Learning die Abklärung von 57% der false positives einsparen kann.
Whitepaper herunterladenBroschüre: Name Matching Customer (NMC) mit Machine Learning
Kundendaten mit Sanktions- und PEP-Listen abgleichen und Treffer mit Machine Learning priorisieren.
Broschüre herunterladenWhitepaper: Compliance und Machine Learning
Warum erfolgreiche Banken beim Thema Compliance jetzt auf Machine Learning setzen.
Whitepaper herunterladen