Einsatzmöglichkeiten von Data Warehouses im Privatkundengeschäft

Inhaltsverzeichnis

Abbildungs- und Tabellenverzeichnis

Abkürzungs- und Symbolverzeichnis

1. Einleitung

2. Business Intelligence – IT basierte __cManagementunterstützung
2.1 Strategische Bedeutung
2.2 Technologien und deren Einsatzgebiete
2.3 „thematic priority“ – CRM

3. CRM als wesentlicher Faktor im Business Intelligence

3.1 Data Warehouse als Instrument zur Kundenbindung und __ Kundenmanagement im Privatkundengeschäft
3.2 Anwendungsfelder von datenbankgestützten Lösungen
3.3 Chancen und Wettbewerbsvorteile
3.4 Gestaltung und Konzeptionierung einer __ ____datenbankgestützten CRM Lösung
3.5 Hindernisse beim Einsatz von Business Intelligence ___Lösungen

4. Ausblick – Einsatz von Business Intelligence Lösungen in ___Kreditinstituten

5. Zusammenfassung und Schlussbemerkung

Literaturverzeichnis

Anlagen

Abbildungs- und Tabellenverzeichnis

Abbildung 1 ETL Prozess

Abbildung 2 Idealtypischer Aufbau einer CRM Lösung

Abkürzung s- und Symbolverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1. Einleitung

Die Etablierung und Vertiefung bzw. Festigung von Kundenbeziehungen erweist sich angesichts einer steigenden Wechselbereitschaft der Bankkunden als zentrales Anliegen für die Geschäftspolitik von Banken.^[1] „Banks tend to be rich in data, but poor in information“.^[2] Dieses Zitat beschreibt den Sachverhalt, dass Kreditinstitute aufgrund ihrer umfangreichen und meist gesetzlich vorgegebenen Informationsbedürfnisse im Vergleich zu anderen Branchen über detaillierte Kundendaten verfügen.^[3] In der Vergangenheit wurde jedoch vielfach versäumt, diese Daten zielgerichtet zusammenzuführen und als „Knowledge“ zur Gestaltung von Kundenbeziehungen zu nutzen.^[4]

Allein der Einsatz von Business Intelligence Lösungen reicht allerdings nicht aus, um gegenüber der Konkurrenz Wettbewerbsvorteile zu erringen – erst die innovative Anwendung neuer Technologien im Bankgeschäft verspricht Differenzierungsmöglichkeiten.^[5] Der meist hohe Investitionsbedarf solcher BI Lösungen stellt für die meisten Banken allerdings eine unüberbrückbare Investitionshürde dar.^[6]

Im Rahmen dieser Studienarbeit sollen im Hinblick auf Business Intelligence Lösungen mögliche und sinnvolle Strukturierungen auf Basis “Kundenspezifische Data Warehouses“ eindringlich behandelt werden. Der Begriff Data-Warehousing umschreibt allgemein ein Konzept, Daten aus verschiedenen Quellen zusammenzuführen und in einem einheitlichen Format innerhalb eines Data-Warehouses zu speichern.^[7]

Als prominentes Beispiel außerhalb der Finanzbranche ist hier der Internetbuchhändler Amazon.com zu nennen, der es hervorragend versteht, Kundenbeziehungen aufzubauen, Wünsche des Kunden zu erkennen und die Beziehung zum Kunden zu pflegen.^[8]

2. Business Intelligence – IT basierte __cManagementunterstützung

2.1 Strategische Bedeutung

Die IT-basierte Managementunterstützung besitzt eine sehr lange historische Entwicklung. Bereits mit Beginn der kommerziellen Nutzung von IT-Systemen in den 60er Jahren begannen die ersten Versuche, das Management in Unternehmungen mit Hilfe von Business Intelligence Lösungen zu unterstützen.^[9]

Die Bankwirtschaft hat sich in den letzten Jahren stark verändert – die Internationalisierung der Finanz- und Kapitalmärkte führt zwischen den Banken zu einem erhöhten Konkurrenzdruck und lässt die Margen der Finanzprodukte, vor allem im Retailbereich, erheblich zusammenschmelzen^[10]. Aus diesem Grund sind BI-Lösungen zwingend in die Kalküle einer erfolgreichen Unternehmenssteuerung einzubeziehen.^[11]

Der besondere Stellenwert von Data-Warehouses und deren Business Intelligence Lösungen für die Kreditinstitute ergibt sich dadurch, dass die Leistungserstellung in Banken im Wesentlichen durch die Verarbeitung von Informationen in Datenbanken geprägt ist.^[12] Somit unterstützt bzw. durchdringt die IT die gesamte Wertschöpfungskette einer Bank und beeinflusst die einzelnen Aktivitäten und Funktionen.^[13]

2.2 Technologien und deren Einsatzgebiete

Für die effiziente Nutzung von Informationen zur Unternehmenssteuerung ist als Kernbaustein des Customer Relationship Managements ein entsprechend ausgestaltetes Data-Warehouse notwendig.^[14]

Für die meisten Kreditinstitute ergibt sich allerdings das Problem, diese Daten zu konsolidieren und in einem geeigneten Datenlager (Data-Warehouse) zusammenzuführen. Im laufenden System eines Data-Warehouses wird in regelmäßigen Abständen über eine automatisierte Zeitplansteuerung oder aufgrund der Anfrage einer Fachabteilung das entsprechende Datenmaterial aus den operativen Bankanwendungsverfahren und sonstigen Quellen (z.B. Verbundpartner, externe Datenbanken, o.ä.) über spezielle ETL-Anwendungen (gemäß der englischen Fachbegriffe „Extraction“, „Transformation“ und „Load“) in geeigneter Weise transformiert und in dem Data-Warehouse zur weiteren Verarbeitung mit Business Intelligence Lösungen vorgehalten.^[15] Diesen geschilderten Prozess soll die Abbildung 1 verdeutlichen.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1^[16]

2.3 „thematic priority“ – CRM

Aufgrund der thematischen Vielfalt wird im Zuge dieser Studienarbeit ein besonderer Fokus auf das Customer Relationship Management (CRM) gelegt. Durch die vielseitigen Möglichkeiten der Informationsbeschaffung sind die heutigen Bankkunden anspruchsvoller als je zuvor und erwarten von ihrer Bank bei der Erfüllung derer Aufgaben einen sehr guten Service. Zur Erfüllung dieses Kundenanspruchs ergibt sich für Kreditinstitute insbesondere im Bereich des Retail-Banking ein enormer Investitionsbedarf in das CRM, das folgende Ziele beinhaltet:^[17]

Durch die Analyse des Kaufverhaltens, in Verbindung mit dem gezielten Einsatz der Instrumente aus dem Marketing-Mix, Kundenzufriedenheit und Kaufkraft steigern Die Kundenbindung mit maßgeschneiderten Lösungen und Aktionen festigen und Neukunden aus dem Bereich der Interessenten gewinnen Ausschöpfen des Kundenpotenzials durch Cross-Selling-Maßnahmen Kostensenkung und Reduzieren von Fehlern im Datenbestand durch zentrale Datenerfassung Verbesserung der Reaktions- sowie Abwicklungsgeschwindigkeit Zielgerichtete Kundenansprache und Anbieten individualisierter Leistungen, die den Kundenbedürfnissen entsprechen Jederzeitiger Zugriff auf bedeutende und signifikante Signale zur Früherkennung von Chancen und Risiken.^[18]

3. CRM als wesentlicher Faktor im Business Intelligence

3.1 Data Warehouse als Instrument zur Kundenbindung und

Kundenmanagement im Privatkundengeschäft

Für die Aufrechterhaltung bzw. Förderung der Kundenbindung ergibt sich im Zusammenhang mit Datawarehousing im Retail-Banking ein bedeutendes Anwendungsfeld für Datawarehouse-Systeme mit dem CRM.^[19] Insbesondere der Faktor „Kundenbindung“ ist unter Berücksichtigung der Tatsache, dass die Kosten der Kundengewinnung erheblich höher sind als einen bestehenden Kunden zu halten von enormer Bedeutung.^[20]

3.2 Anwendungsfelder von datenbankgestützten Lösungen

Mit Hilfe der durch das Datawarehouse ermöglichten OLAP- und Data Mining-Funktionen können z.B. Kundensegmentierungen vorgenommen, Aktivitäten des Direktmarketing gesteuert oder Kundenkalkulationen (kumuliert über sämtliche Einzelgeschäfte und Vertriebswege) durchgeführt werden.^[21]

OLAP-Instrumente werden hierbei für komplexe Analysen eines umfangreichen Datenbestandes in Verbindung mit dazugehörenden OLAP-Techniken zur spezifischen Darstellung der einzelnen Hierarchieebenen herangezogen.^[22] Zusätzlich wird Data Mining zur Aufdeckung von statistisch signifikanten Zusammenhängen eingesetzt.^[23]

Auch im Firmenkundengeschäft bzw. generell im Bereich des Finanzierungsgeschäfts ist Datawarehousing mit den o.g. Techniken eine wesentliche Voraussetzung für ein effizientes Risikomanagement und für die Implementierung von Kreditrisikomodellen.^[24]

Sämtliche datenbankgestützte Lösungen erfordern allerdings eine entsprechende Datenqualität. In Zeiten zunehmender Integration der operativen Banksysteme, der darauf aufgesetzten Reporting- und Meldewesenanwendungen und die steigende Automatisierung von Ablaufprozessen innerhalb der Kreditinstitute kann durch die Einbindung eines umfassenden Datenqualitätsmanagements in die Gesamtprozesse der Bank ein bedeutender Mehrwert geschaffen werden.^[25]

3.3 Chancen und Wettbewerbsvorteile

Der Einsatz einer den Bedürfnissen der Anwenderbank entsprechenden CRM-Lösung verspricht gleich mehrere Vorteile. Sie erhöht die Profitabilität, verbessert die Servicequalität und reduziert Kosten.^[26] Somit sollen Vertriebspotenziale in Beratung und Verkauf, die Angebote standardisierter Produkte, bankinterne Ad-hoc Reportings oder schnelle Vergleiche mit Konkurrenten bzw. Wettbewerbern ermöglicht werden.^[27] Heutige CRM Lösungen sind nicht mehr rein datenzentriert, sondern prozessorientiert.^[28] Es sollte das Ziel sein, eine Verbesserung der Produktivitätszeit der Kundenberater (Wegfall administrativer Arbeiten) zu erreichen.^[29]

Des Weiteren werden CRM Lösungen gezielt zum Einsatz gebracht, um das umfängliche Wissen (basierend auf den Daten) zur Verbesserung der Kundengewinnung, Kundenbindung, zur Erhöhung der Wirtschaftlichkeit sowie zur Verbesserung der Interaktionsmöglichkeiten mit den Kunden entsprechend zu nutzen.^[30] Letztendlich ist das Wissen, basierend auf den Datenbeständen, heute zunehmend entscheidend für den Erfolg einer jeden Organisation.^[31]

Hinsichtlich der für die Banken neuen Umfeldbedingungen ist jedoch der Kunde selbst der entscheidende Faktor: Ausgangspunkt für ein geändertes Konsumverhalten sind gesellschaftliche Megatrends wie Verschiebungen innerhalb der Bevölkerungsstruktur und Wandel von Wertesystemen – innovative Ansätze und Konzepte im CRM sollen diese Herausforderung aufgreifen und eine Bewältigung und somit Zielsetzung unterstützen.^[32]

3.4 Gestaltung und Konzeptionierung einer __ ____datenbankgestützten CRM Lösung

Der idealtypische Aufbau einer CRM Lösung innerhalb des implementierenden Kreditinstituts und dessen strategische Ausrichtung muss individuell für jede Bank ausgestaltet sein.^[33] Hierzu gilt es, ein Konzept von Bindungsmaßnahmen zu konzeptionieren, das sowohl durch eine forcierte Potenzialabschöpfung mittels sogenannter proaktiver Leistungsangebote als auch durch ein CRM zur spezifischen Ausrichtung des traditionellen Marketing-Mix dient.^[34] Einer derartigen, konzeptionellen Aufgabenstellung wird jedoch in der Praxis als auch in der Theorie oftmals ein viel zu geringer Stellenwert eingeräumt.^[35]

[...]

^[1] S. Kerner, Analytisches Customer Relationship Management in Kreditinstituten, Wiesbaden 2002, 1. Auflage, S. V

^[2] Zit. Michalk/Dilling, 1998, S. 86

^[3] Vgl. Klingsporn, 1196, S. 40

^[4] Vgl. Seyfried, 1998, S. 364

^[5] D. Bartmann, Bankinformatik 2004, Wiesbaden 2003, 1. Auflage, S. 19, O. Wild

^[6] D. Bartmann, Bankinformatik 2004, Wiesbaden 2003, 1. Auflage, S. 21, O. Wild

^[7] D. Bartmann, Bankinformatik 2004, Wiesbaden 2003, 1. Auflage, S. 177, E. Stahl, A. Wimmer

^[8] D. Bartmann, Bankinformatik 2004, Wiesbaden 2003, 1. Auflage, S. 53, G. Walter

^[9] H.-G. Kemper, W. Mehanna, C. Unger, Business Intelligence Grundlagen und praktische Anwendungen, Wiesbaden 2006, 2. Auflage, S. 1

^[10] D. Bartmann, Bankinformatik 2004, Wiesbaden 2003, 1. Auflage, S. 13, O. Wild

^[11] H.-G. Kemper, W. Mehanna, C. Unger, Business Intelligence Grundlagen und praktische Anwendungen, Wiesbaden 2006, 2. Auflage, S. 7

^[12] D. Bartmann, Bankinformatik 2004, Wiesbaden 2003, 1. Auflage, S. 173, E. Stahl, A. Wimmer

^[13] D. Bartmann, Bankinformatik 2004, Wiesbaden 2003, 1. Auflage, S. 173, E. Stahl, A. Wimmer

^[14] D. Bartmann, Bankinformatik 2004, Wiesbaden 2003, 1. Auflage, S. 177, E. Stahl, A. Wimmer

^[15] D. Bartmann, Bankinformatik 2004, Wiesbaden 2003, 1. Auflage, S. 178, E. Stahl, A. Wimmer

^[16] Data Warehousing Review, http://www.dwreview.com/DW_Overview.html, Zugriff 8. Juni 2011

^[17] O. Karalus, gi-Geldinstitute, Service stärkt Kundenbindung, 2/2011, S. 28

^[18] versch. Autoren, Wikipedia, Customer Relationship Management, http://de.wikipedia.org/wiki/ Customer-Relationship-Management, Zugriff 8. Juni 2011

^[19] D. Bartmann, Bankinformatik 2004, Wiesbaden 2003, 1. Auflage, S. 179, E. Stahl, A. Wimmer

^[20] D. Kubsch, gi-Geldinstitute, Churn-Management verhindert Abwanderung, Nr. 2/2011, S. 27

^[21] Vgl. D. Bartmann, Bankinformatik 2004, Wiesbaden 2003, 1. Auflage, S. 179, E. Stahl, A. Wimmer

^[22] D. Bartmann, M. Nirschl, A. Peters, Retail Banking, Frankfurt a.M. 2008, 1. Auflage, S. 262

^[23] S. Kerner, Analytisches Customer Relationship Management in Kreditinstituten, Wiesbaden 2002, 1. Auflage, S. 139

^[24] D. Bartmann, Bankinformatik 2004, Wiesbaden 2003, 1. Auflage, S. 179, E. Stahl, A. Wimmer

^[25] F. Eisenhauer, C. Rüth, Analyse statt Kontrolle, Bankinformation, Nr. 1/2011, S. 46

^[26] Vgl. O. Karalus, gi-Geldinstitute, Service stärkt Kundenbindung, 2/2011, S. 28

^[27] D. Bartmann, M. Nirschl, A. Peters, Retail Banking, Frankfurt a.M. 2008, 1. Auflage, S. 261

^[28] O. Karalus, gi-Geldinstitute, Service stärkt Kundenbindung, 2/2011, S. 28

^[29] O. Karalus, gi-Geldinstitute, Service stärkt Kundenbindung, 2/2011, S. 28

^[30] M. Geib, Kooperatives Customer Relationship Management, Wiesbaden, 2006, 1. Auflage, S. 31

^[31] D. Bartmann, M. Nirschl, A. Peters, Retail Banking, Frankfurt a.M. 2008, 1. Auflage, S. 266

^[32] D. Bartmann, Bankinformatik 2004, Wiesbaden 2003, 1. Auflage, S. 56, G. Walter

^[33] D. Bartmann, M. Nirschl, A. Peters, Retail Banking, Frankfurt a.M. 2008, 1. Auflage, S. 258

^[34] S. Kerner, Analytisches Customer Relationship Management in Kreditinstituten, Wiesbaden 2002, 1. Auflage, S. 239

^[35] D. Bartmann, Bankinformatik 2004, Wiesbaden 2003, 1. Auflage, S. 80, B. Heinrich