Das Thema Big-Data ist schon seit einigen Jahren im Markt der Analysten und Berater sehr gefragt und niemand kann sich diesem entziehen. Auch für Banken soll es eines der “heilsbringenden” Themen in der Zukunft sein. Blickt man mal etwas über den Tellerrand hinaus z.B. zum Handel dann kann es sein, das eine “Ernüchterung” eintritt die sich mancher Stratege bei Finanzdienstleistern anders vorgestellt hat.

Der Artikel auf den ich mich hier beziehe stammt von e-tailment Herrn Stephan Lamprecht und ist unter folgendem Link  Big Data – die Realität ist komplexer als alle Visionen abrufbar. Die Ausführungen sind so gut, dass ich diese im Original wiedergebe und als Zitat gekennzeichnet habe.

Mythos 1: Big Data und der Datenschutz sind ein Widerspruch

Diese irrige Annahme wird aus den Erfahrungen mit Softwarelösungen gerade US-amerikanischer Provenienz gespeist. Wer sich mit den restriktiven bundesdeutschen Datenschutzgesetzen auskennt, rauft sich auf Messen oder während Paneldiskussionen häufiger die Haare, wenn die Hersteller die Möglichkeiten ihrer Lösungen vorstellen.

Tatsächlich kann auch Big Data datenschutzkonform betrieben werden. Es kann, muss aber nicht und schon gar nicht erfolgt der datenschutzrechtlich unbedenkliche Betrieb immer automatisch. Ohne den intensiven Dialog mit dem Berater kann hier eine Menge schief gehen.

Wenn der Handel schon mit Regulatorik kämpft, dann dürfte es üblicherweise für Finanzdiensleister nicht einfacher werden. Insofern wird der Datenschutz auch bei Big-Data in 2017 eine spannende Rolle spielen.

Mythos 2: Big Data funktioniert immer – vorausgesetzt es gibt genügend Daten

Das ist so ein Märchen aus 1.001 Marketing-Saga. Zu viele Daten kann es wohl kaum geben, und es genügt, nur alle Datentöpfe zusammenzutragen, um dann mit der Analyse beginnen zu können. So die Annahme.

Wer so auf das Thema losläuft, wird in seinem Projekt rasch ernüchtert. Viel Geld und Aufwand wird investiert, um die aus verschiedenen Datentöpfen stammenden Informationen zusammenzufassen und überhaupt auswerten zu können. Leistungsfähige Systeme vorausgesetzt, kann es eine zu große Datenmenge tatsächlich eher nicht geben.

Aber eben zu viele falsch ausgewählte Daten. Auch im Falle von Big Data ist wichtig, was am Ende herauskommt. Und herauskommen kann nur das, was auch einmal in den Daten gesteckt hat.

Eine Firma erhebt mittels Webanalyse-Systemen lückenlos die Bewegungen der Besucher auf den Webseiten und auch in den Social Media Kanälen. Und über sein CRM erkennt das Unternehmen auch, was Kunden kaufen. Nur, ob sie das tun, weil sie die schicke Facebook-Kampagne gesehen haben, kann Big Data nur klären, wenn auch eine Verbindung zwischen den beiden Fakten im Datentopf gelandet ist. Wer diese Verknüpfung in seiner Kampagne vergessen hat, dem kann Big Data dann auch nicht helfen.

Da ist schon eines der grundlegenden Probleme bei Analyseprozessen von Banken. Nehmen wir zum Vergleich mit dem Handel den einfachsten Fall an, auf der Homepage der Bank wird für ein kostenfreies Girokonto geworben. Die Webseitenstatistik ist noch einfach zu erstellen, da hier klassische WebAnalytik Instrumente zum Einsatz kommen. Am Ende zählt aber nur der Abschluss im Bankenkernsystem und nun stellt sich die Frage – wo ist die konkrete Verknüpfung der Online-Kampagne mit der letztendlichen Kontoanlage im Bankenkernsystem ? HIer fehlen in den meisten Systemen die Übergänge, eine Herausforderung der man aktuell mit Omni-Channel Systemen begegnen will. Wiederum eine Komplexe herangehensweise “ein” System soll alles lösen – ich habe da meine Zweifel…

Aber weiter gedacht wie stellt man nun fest, welche der Kampagnen für das Girokonto am erfolgreichsten war ? Welches Bild/Video oder Text wurden auf Basis der Big-Data Informationen am häufigsten geclickt im direkten Zusammenhang mit dem Kontoabschluss. Hier zeigt sich sehr schnell, das viele Daten nicht gleichbedeutend sind mit “viel Wissen” über das Kundenverhalten.

Mythos 3: Big Data liefert einfache Antworten

Das ist teilweise sogar korrekt, aber eben nur dann, wenn auch die richtigen Fragen gestellt werden. Und genau daran mangelt es oft genug. Ohne konkrete Fragestellungen ähnelt das Vorhaben Big Data dem ziellosen Treiben auf offener See.

Die Datenanalyse liefert Antworten, aber sie liefert nicht notwendigerweise stichhaltige Beweise dafür, dass etwas so oder anders ist. Es sind Indizien, mehr nicht. Deswegen sollte jede Vermutung oder jede vermeintlich stichhaltige Begründung durch weitere Tests bestätigt werden. Sie ahnen es schon; Big Data ist auch so ein Projekt im Marketing, das niemals so richtig fertig ist.

Dieser Absatz hat es in sich, den er besagt das Wichtigste:
Die Menge der Daten und die gelieferten Informationen zu verarbeiteten Prozessen geben an sich keine Antwort. Entscheidend ist welche Frage man stellt zu den vorhandenen Daten und nur dann kann man aufgrund der Zusammenhänge und Interpretation der Daten Begründungen für Kaufwahrscheinlichkeiten oder Nutzungsvorteile feststellen.

Dies bedeutet das das Ergebnis nur so gut ist, wie der “Interpretierende” Analyst der vor den Dateninhalten sitzt und jeder Analyst kann auch zu unterschiedlichen Ergebnis kommen. Das bedeutet auch es gibt keine “eindeutige” Antwort auf BigData Analysen sonder nur valide Hinweise auf Wahrscheinlichkeiten.

Mythos 4: Big Data gibt es von der Stange

Auch so eine Sache, die in Teilen sogar auf dem Weg ist, inhaltlich korrekt zu sein. Adobe hat zum Beispiel in seiner Marketing Cloud ein Modul integriert, das nicht nur signifikante Abweichungen von Standardwerten erkennt, z.B. die Bounce-Rate eines Newsletters, sondern darüber hinaus auch versucht, aus der vorhandenen Datenbasis eine Reihenfolge potentieller Ursachen aufzulisten. Also nicht nur Big Data, sondern sogar Ansätze von Business Intelligence von der Stange zeigt. Nur welches mittelständische Unternehmen kann sich ohne Weiteres die Adobe Marketing Cloud leisten? Eben!

Für alle anderen existieren auf dem Markt viele Lösungen, deren Prospekte alle versprechen, dass nur ein paar Datentöpfe zu integrieren sind und auf Knopfdruck kann es dann losgehen, mit der Analyse größter Datenmengen.

Losgehen kann es dann schon, aber heraus kommt wenig. Denn die Daten liegen zwar schon irgendwo in den Datentöpfen, aber um damit etwas anzufangen, bedarf es neben den richtigen Fragen, auch Geld und Zeit, um Analysen zu wagen, deren Ergebnisse kritisch zu hinterfragen und daraus Schlüsse zu ziehen. Und das gibt es eben alles nicht auf Knopfdruck, sondern ist das Ergebnis von Arbeit.

Wie im Absatz vorher erwähnt ohne die “Human-Intelligence” ist Big-Data nichts wert !
Das bedeutet auch das Investitionen in Human-Kapital = Personal für Big-Data Analysten unerlässlich sind.

Das man sich einfach eine Analyse-Maschine einkauft und die dann dafür sorgt das ich mehr Verkäufe erreicht ist auch für Banken nur ein Märchen…

Mythos 5: Big Data? Muss ich machen!

Der größte Mythos überhaupt. Ob Branchenriesen oder unmittelbare Wettbewerber nun Big Data machen oder nicht, darf für die eigene Firma nicht von Bedeutung sein. Gibt es im eigenen Geschäftsmodell überhaupt denkbare Einsatzszenarien für Big Data? Welche Datensammlungen existieren, aus denen sich Erkenntnisse ableiten ließen, die zu mehr Umsätzen oder höheren Conversions führen würden?

Werden Aufwände und andere Investitionen berücksichtigt, kann es sich betriebswirtschaftlich durchaus lohnen, auf Big Data zu verzichten, statt Zeit und Geld in Projekte zu stecken, die dann zu wenig abwerfen.

Big Data kann viel, aber die Realität ist doch viel anstrengender und schwieriger als jede (Marketing-) Vision

Ich denke es kommt vor allem auf die Interpretation an “was ist Big Data” – denn, wenn man eine Webseitenstatistik erhebt und das dürft in nahezu allen Unternehmen der Fall sein, dann hat man den ersten Schritt zu Big-Data schon getan.

Und sobald man dann weiter gehen möchte, dann sollt man die wichtigste Frage stellen:

Was verschafft meinem Nutzer das gute Gefühl:

  • jetzt ein Produkt oder eine Dienstleistung bei mir kaufen zu wollen
  • wie gebe ich ihm jetzt die Chance dazu dies möglichst einfach und idealerweise mit viel Spass durchzuführen

Wenn dabei Big-Data helfen kann – dann sollte man es nutzen 😉

Ihr Hybridbanker