STRATEGIE15. Dezember 2022

Von unbrauchbar zu un­ver­zicht­bar – unstrukturierte Daten sind für FS eine Fundgrube wertvoller Informationen

Experte für die unstrukturierten Daten: Christopher Colley, Qualtrics
Christopher Colley, QualtricsQualtrics

Im Finanzsektor fallen tagtäglich riesige Datenmengen an. Analysten zufolge sind 80 bis 90 Prozent dieser Daten allerdings unstrukturiert. Es handelt sich dabei also nicht um einfache numerische Daten, die sich leicht in Datenbanken einfüttern und dort indizieren lassen. Im Gegenteil: Unstrukturierte Daten sind häufig sehr text- oder bildlastig und inhaltsreich. Sie können in E-Mails und Chat-Protokollen ebenso wie in sozialen Medien oder in Notizen enthalten sein.

von Christopher Colley, Qualtrics

Besonders wichtig werden Datenquellen, um die Customer Experience zu identifizieren.

Hinter Daten, beispielsweise aus Beschwerde-E-Mails, verbergen sich wertvolle Informationsbausteine über zugrundeliegende Probleme und ihre Bedeutung – die teilweise aussagekräftiger als Umfragen sein können.”

So liefern unstrukturierte Daten von Kunden und Kundinnen oftmals wichtige Erkenntnisse, mit denen sich geschäftliche Herausforderungen lösen und bessere Entscheidungen treffen lassen. Doch um das gesamte Potenzial ausschöpfen zu können, müssen die Daten zunächst sinnvoll und automatisiert genutzt und analysiert werden.

Das ungenutzte Datenpotenzial der Customer Experience

Viele Finanzinstitute können die schiere Menge ihrer Daten nicht sinnvoll nutzen und damit deren Wert nicht ausschöpfen. Besonders die Finanzbranche ist volatil wie kaum ein anderer Sektor, die Loyalität der Kunden äußerst gering. Personalisierte Erlebnisse können Verbraucher an eine Bank oder einen Finanzdienstleister binden – und hier kommt eine smarte Analyse und Nutzung von Daten ins Spiel. Institute sind damit nicht nur in der Lage, sich vom Wettbewerb abzuheben, sondern auch ihre Effizienz und damit ihren Umsatz zu steigern.

Höhere Investitionen in Datenlösungen

Im Jahr 2021 stiegen die Ausgaben für Datenlösungen um zehn Prozent, angeführt vom Bankwesen mit den größten Investitionen in der Liste der Branchen. Gleichzeitig lässt sich aber auch beobachten, dass in angeschlossenen Callcentern weiterhin eine Reihe von manuellen Prozessen die Kosten in die Höhe treiben. Auch eine sinnvolle und automatisierte Nutzung von Daten ist noch in weiter Ferne. So werden die Gründe von Interaktionen manuell ermittelt. So lassen sich die Betreuung und damit der Service insgesamt optimieren. Allerdings sind Qualitätssicherungsprozesse im Call Center immer noch sehr arbeitsintensiv: Manager hören sich eine im Idealfall repräsentative Stichprobe an und füllen manuell Scorecards aus, um die Teamleistung zu messen.

Kurz zusammengefasst:

Das Thema Customer Experience wird von vielen Finanzinstituten immer noch als Compliance-Funktion behandelt. Nur wenige gehen erfolgreich über die Pflege und den Abgleich der Daten ihrer Kunden und Kundinnen hinaus.”

Sie verfügen über Frontend-Systeme, die es ihnen ermöglichen, alle gesammelten Daten zur Customer Experience sinnvoll und automatisiert zu nutzen.

Finanzinstitute brauchen somit dringend einen Plan zur Umwandlung ihrer brachliegenden Daten in Erkenntnisse, auf deren Basis sie bessere Entscheidungen treffen können. Eine dreigleisige Strategie kann hier unterstützen.

Schritt 1: Die Priorisierung unstrukturierter Daten

Autor Christopher Colley, Qualtrics
Christopher Colley ist globaler Berater für Finanzdienstleistungen bei Qualtrics (Webseite) und unterstützt Kunden bei der Umsetzung eines herausragenden Experience Managements (XM). Bevor er zu Qualtrics kam, baute Christopher Colley eine Customer Experience Practice in der EMEA-Region auf und leitete sie, wobei er hauptsächlich mit Finanzdienstleistungskunden arbeitete. Darüber hinaus war er war ein Gründungsmitglied der digitalen Innovationsteams von PwC und Barclays, wo er kundenorientierte Transformationsprojekte im Privat- und Großkundengeschäft leitete.

Auf Basis der Daten von Kunden sind Finanzinstitute in der Lage, geschäftliche Herausforderungen zu lösen. Um das Potenzial dieser Daten aber auszuschöpfen, reicht es nicht aus, einfache Umfrageergebnisse zu erfassen – zum Beispiel hinsichtlich der Zufriedenheit mit den Kundenbetreuern. Der Grund: Der Großteil dieser Daten liegt zunehmend in unstrukturierten Formaten vor, sodass herkömmliche Methoden zur Abfrage oft unzureichend sind. Unstrukturierte Daten-Quellen enthalten allerdings oftmals die reichhaltigsten Informationen, um beispielsweise Innovationen und Effizienzsteigerungen für bessere Geschäftsergebnisse zu identifizieren. Das heißt, Finanzinstitute sollten im ersten Schritt den Business Case für die Priorisierung von unstrukturierten Daten identifizieren. Anschließend können sie zielgerichtet in die Nutzung von unstrukturierten Datenquellen wie Sprache und Text investieren.

Anhand von Praxisstudien zeigt sich, dass Unternehmen mithilfe von Erkenntnissen aus unstrukturierten Daten die Betriebskosten senken können. Kurz nach dem Ausbruch der Pandemie stiegen die eingehenden Chat-Anfragen bei GM Financial von zehn auf 60 Prozent der gesamten Kontakte. Durch die automatische Erkennung von Themen und Emotionen in allen Konversationen war das Unternehmen in der Lage, spezifische Themen für seinen Chatbot zu programmieren. Das Ergebnis: Der Bot übernahm 50 bis 60 Prozent aller eingehenden Anfragen.

Schritt 2: Die Wahl der richtigen Technologie

Auch die Auswahl der richtigen Technologie unterstützt dabei, das Potenzial unstrukturierter Daten auszuschöpfen. Finanzinstitute sollten hierbei nach Lösungen suchen, die nicht nur Sprache in Text umwandeln, sondern auch auf die Branche abgestimmte Themenmodelle anbieten. Diese erkennen dann die entsprechenden Bereiche und Zusammenhänge in allen textbasierten Datenquellen. Solche Funktionen ermöglichen es Unternehmen, die Ursachen automatisch bei jedem Anruf zu kategorisieren.

Darüber hinaus gibt es Anwendungen, die die wichtigsten Faktoren für die Customer Experience analysieren und ihre Auswirkungen auf die betrieblichen Ergebnisse prognostizieren können. Die Auflösung des ersten Anrufs und die Bearbeitungszeit sind Beispielindikatoren dafür. Dank solcher Erkenntnisse lässt sich der Verwaltungsaufwand bei der Kapazitätsplanung oder der Optimierung einer Service-Wiederherstellung drastisch reduzieren.

Auch die Stimmungsanalyse kann Kompetenzlücken der Mitarbeiter aufdecken – und durch entsprechende Trainings schließen.

Das Ergebnis einer repräsentativen globalen Studie von Qualtrics zeigt:

In 23 von 24 Ländern sollen die Onlineaktivitäten im Durchschnitt zunehmen. Auch deutsche Verbraucher und Verbrauerinnen wollen nach der Pandemie bei Finanzprodukten verstärkt auf digitale Lösungen setzen.”

Das bedeutet im Umkehrschluss für den Finanzsektor, dass die Vielzahl an unstrukturierten Daten weiterhin ansteigt. Umso wichtiger ist es also, die oben genannten Datenlösungen so schnell wie möglich zu implementieren, um das Potenzial sinnvoll und automatisiert auszuschöpfen.

Schritt 3: Die Umsetzung

Zwar ist die passende Technologie ein wichtiges Hilfsmittel, aber sie allein reicht für eine signifikante Veränderung oft nicht aus. Ausschlaggebend ist häufig das Zusammenspiel von Technologien, Mitarbeitern und Kunden. So nutzte beispielsweise eine große britische Bank Textanalysen, um die Hauptursachen für Beschwerden zu ermitteln. Aber erst die Entscheidung der Bank, Projekte zur Verbesserung zu initiieren, senkte das Beschwerdeaufkommen um 100.000 Fälle und vermied Betriebskosten in Höhe von 8,3 Millionen Dollar.

Durch das Beispiel wird deutlich, warum Texte aussagekräftiger sind als Umfragen: Die Beschwerden von Kunden zeigen Probleme deutlicher als jede Umfrage.”

Auf dem Weg zum datengesteuerten Erfolg

Wie immer bietet die Technologie einen Teil der Antwort, doch ihre Implementierung sollte in eine Gesamtstrategie eingebettet sein, deren Ziel es ist, die Erfahrung und Zufriedenheit der Kunden zu verbessern. Deswegen sollten Finanzinstitute genau darüber nachdenken, welche Investitionen sie dafür tätigen müssen. Nur so sind sie gut aufgestellt und in der Lage, das Potenzial unstrukturierter Daten auszuschöpfen und in geschäftlichen Erfolg umzuwandeln. Christopher Colley, Qualtrics

 
Sie finden diesen Artikel im Internet auf der Website:
https://itfm.link/148945
 
 

 

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert