Diese Arbeit beschäftigt sich mit der Frage, wie sich Kreditinstitute zukunftsfähiger machen können.
Die Finanzbranche steht unter großem Druck. Immer mehr Nicht-Banken treten in den Markt ein, der zuvor von den konventionellen Kreditinstituten dominiert wurde. Viele dieser Nicht-Banken sind Start-ups und mit Informationstechnologie ausgestattet, die jener der „alten“ Banken bei weitem überlegen ist. Die Banken müssen sich zukunftsfähiger machen, um nicht verdrängt zu werden. Sie müssen einen großen technologischen Sprung machen.
Eine Möglichkeit dafür stellt die Verwendung von Big Data dar, ein Begriff, der ein Synonym für Datenmengen ist, die zu groß, zu schnell oder zu komplex für das Sammeln oder Verarbeiten mit herkömmlicher Technologie sind. Banken verfügen branchentypisch bereits über umfangreiche Kundendaten, welche entweder aus der regulatorischen Vorgabe zur Erfassung ebendieser oder aus der Geschäftsbeziehung mit den Kunden resultieren. Diese Daten werden im kleineren Ausmaß bereits genutzt. Eine Ausweitung der Datenanalyse auf ein Big Data-Niveau wäre auch mit Blick auf hoch technologisierte Nicht-Banken-Konkurrenten wie Google, Apple oder PayPal eine erforderliche Maßnahme.
Aus diesem Grund beschäftigt sich die vorliegende Arbeit damit, wie Big Data die deutschen Banken zukunftsfähiger machen kann. Die Anwendung von Big Data kann in Banken viele Bereiche beeinflussen. Eine Betrachtung aller Einflussbereiche von Big Data in Banken würde den Umfang dieses Berichts jedoch sprengen. Deshalb ist das Ziel dieser Arbeit vor allem die Ermittlung von Potenzialen des Einsatzes von Big Data in Hinblick auf Kundenbindung und Kundenzufriedenheit.
Der Fokus auf Kundenbindung und Kundenzufriedenheit wurde dabei in Bezug auf aktuelle Gegebenheiten des gesellschaftlichen Wandels gewählt. In Folge des gesellschaftlichen Wandels nimmt die Bindung der Kunden an ihre Hausbank ab. Es besteht deshalb dringender Handlungsbedarf.
Inhaltsverzeichnis
1 Einleitung
2 Theoretische Grundlagen
2.1 Definition Big Data
2.2 Chancen und Herausforderungen von Big Data
2.3 Nutzung von Big Data
3 Big Data in Banken
3.1 Aktuelle Datennutzung in Banken
3.2 Potenziale von Big Data zur Steigerung der Kundenbindung und Kundenzufriedenheit
4 Diskussion
5 Fazit
Zielsetzung und Themen
Diese Arbeit untersucht, wie deutsche Kreditinstitute durch den strategischen Einsatz von Big Data-Technologien ihre Zukunftsfähigkeit in einem zunehmend kompetitiven Marktumfeld sichern können. Dabei liegt der Fokus primär auf der Ermittlung von Potenzialen, die durch Big-Data-Analysen zur Stärkung der Kundenbindung und zur Steigerung der Kundenzufriedenheit bei gleichzeitiger Einhaltung strenger datenschutzrechtlicher Rahmenbedingungen realisiert werden können.
- Analyse des Einflusses von Big Data auf die Wettbewerbsfähigkeit von Banken.
- Untersuchung von Potenzialen zur individuellen Kundenansprache durch Data Mining.
- Bewertung der Herausforderungen durch gesetzliche Datenschutzvorgaben (DSGVO/BDSG).
- Gegenüberstellung von IT-Infrastrukturen bei traditionsreichen Banken und FinTechs.
- Diskussion von Strategien zur Verbesserung der Kundenbindung in einem digitalen Markt.
Auszug aus dem Buch
3.2 Potenziale von Big Data zur Steigerung der Kundenbindung und Kundenzufriedenheit
Aufgrund der großen Datenbasis an Kundendaten, über die Banken aufgrund regulatorischer Anforderungen oder auf Basis der Geschäftsbeziehungen verfügen, kommt den Banken in der Debatte über die Nutzung von Big Data eine besondere Bedeutung zu. Vor dem Hintergrund des technologischen Fortschritts und des gesellschaftlichen Wandels stehen die konventionellen deutschen Kreditinstitute vor mehreren großen Herausforderungen. Zum einen steigen immer mehr Nicht-Banken in die Finanzdienstleistungsbranche ein. Mit Apple und Google haben sich bereits zwei Weltkonzerne mit mobilen Bezahlsystemen, in Form von Apple Pay und Google Pay, auf dem Markt etabliert. Gleichzeitig nimmt die Bereitschaft der Kunden zu, für die alltäglichen Finanzgeschäfte wie Bezahlvorgänge oder Überweisungen die Leistungen von Nicht-Banken wie Apple und Google in Anspruch zu nehmen. Das hat weitreichende finanzielle Folgen für die Banken. Wenn mit einer Kreditkarte gezahlt wurde, erhielten sie üblicherweise bis zu 0,3 Prozent des Umsatzes. Wird jedoch mit Apple Pay oder Google Pay gezahlt, wo man eine Kreditkarte als Zahlungsmittel hinterlegen muss, erhalten sie nur noch die Hälfte ihres sonstigen Umsatzes.
Andererseits sind Kunden auch immer seltener bereit, für die Inanspruchnahme von Bankprodukten ein persönliches Beratungsgespräch in der Filiale zu vereinbaren. Im Zuge der Digitalisierungen hat die deutsche Kreditwirtschaft ihre Kundenbeziehung digitalisiert und vertieft dies noch heute. Aus diesem Grund lassen sich viele Bankprodukte relativ einfach und ohne Beratung online abschließen. Wo das persönliche Gespräch mit dem Kundenberater früher ein Teil der Kundenbindung und eine Möglichkeit zur Messung der Kundenzufriedenheit war, verliert es heute immer mehr an Bedeutung. Im Allgemeinen nimmt die Bindungsbereitschaft der Menschen ab, egal ob gegenüber anderen Menschen, dem Arbeitgeber oder der Hausbank. Die Kunden sind immer häufiger dazu bereit, die Bank zu wechseln. Für die deutschen Banken besteht deshalb akuter Handlungsbedarf, um die Kundenbindung und Kundenzufriedenheit wieder zu steigern.
Big Data kann eine Lösung dafür sein. Die Analyse von Transaktionsdaten des Zahlungsverkehrs sagt viel über Vorlieben und Verhaltensweisen von Bankkunden aus.
Zusammenfassung der Kapitel
1 Einleitung: Die Einleitung beleuchtet den wachsenden Druck auf konventionelle Banken durch IT-affine Nicht-Banken und definiert die Notwendigkeit, Big Data zur Stärkung der Kundenbindung einzusetzen.
2 Theoretische Grundlagen: Dieses Kapitel erläutert die Definition von Big Data anhand der sieben bekannten V-Merkmale und diskutiert die damit verbundenen Chancen, Herausforderungen sowie technische Lösungsansätze.
3 Big Data in Banken: Hier wird der aktuelle Stand der Datennutzung in deutschen Kreditinstituten analysiert und das Potenzial von Big Data für eine verbesserte Kundenbindung detailliert herausgearbeitet.
4 Diskussion: Die Diskussion beleuchtet das Dilemma zwischen vorhandener Datenbasis, veralteter IT-Infrastruktur und strengen deutschen Datenschutzauflagen im Wettbewerb mit agilen FinTechs.
5 Fazit: Das Fazit fasst zusammen, dass Big Data erhebliche Vorteile bietet, sofern die Institute in moderne Verfahren investieren und dabei die Sensibilität deutscher Kunden hinsichtlich Privatsphäre und Datenschutz berücksichtigen.
Schlüsselwörter
Big Data, Banken, Kundenbindung, Kundenzufriedenheit, Kredit-Scoring, Data Mining, Datenschutz, DSGVO, Digitalisierung, Finanzbranche, Transaktionsdaten, Technologischer Wandel, Wettbewerbsvorteil, Anonymisierung, Marktforschung
Häufig gestellte Fragen
Worum geht es in der Arbeit grundsätzlich?
Die Arbeit analysiert die Möglichkeiten für deutsche Kreditinstitute, Big Data-Methoden zu nutzen, um in einem sich wandelnden Markt durch eine bessere Kundenbindung zukunftsfähig zu bleiben.
Was sind die zentralen Themenfelder?
Die thematischen Schwerpunkte liegen auf Big Data-Technologien, der IT-Situation in Banken, Kundenbindungsmanagement, datenschutzrechtlichen Hürden sowie der Konkurrenz durch Tech-Giganten und FinTechs.
Was ist das primäre Ziel oder die Forschungsfrage?
Das Ziel ist die Ermittlung von Potenzialen, wie der Einsatz von Big Data die Kundenbindung und Kundenzufriedenheit in Banken effektiv steigern kann.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit basiert auf einer fundierten Literaturrecherche und der theoretischen Herleitung von Big Data-Anwendungsszenarien unter Berücksichtigung des deutschen Rechtsrahmens.
Was wird im Hauptteil behandelt?
Der Hauptteil analysiert theoretische Definitionen, die aktuelle Datennutzung, das Potenzial von Data Mining für Kundenprofile sowie die Herausforderungen durch Datenschutz und veraltete IT-Systeme.
Welche Schlüsselwörter charakterisieren die Arbeit?
Zu den wichtigsten Begriffen zählen Big Data, Banken, Kundenbindung, Data Mining, DSGVO, Digitalisierung und Finanzbranche.
Welche Rolle spielt der Datenschutz in der Untersuchung?
Der Datenschutz wird als wesentlicher, restriktiver Faktor im deutschen Raum identifiziert, der die Möglichkeiten der individuellen Kundenansprache limitiert, aber Verfahren wie das Privacy-Preserving Data Mining relevant macht.
Warum haben es deutsche Banken gegenüber FinTechs schwerer?
Traditionsreiche Banken kämpfen oft mit veralteten, ineffizienten IT-Infrastrukturen und strengen regulatorischen Anforderungen, während neue FinTechs ihre IT-Systeme direkt auf modernen Standards aufbauen können.
- Citar trabajo
- Nils Walter (Autor), 2022, Big Data in Banken. Wie werden Kreditinstitute zukunftsorientierter?, Múnich, GRIN Verlag, https://www.grin.com/document/1265290
