Was passiert, wenn wir die Risikobereitschaft erhรถhen? Sind dann mehr profitable Kreditaccounts als Ergebnis mรถglich? โ Fragen wie diese stellen sich Portfolio-Manager tรคglich. Banken setzen bereits auf Data Lakes und Data Scientists, um auf der Basis von Daten Antworten zu finden und Entscheidungen zu treffen. Doch das ist nicht genug, um im stark umkรคmpften Markt wettbewerbsfรคhig zu bleiben.
Erst mit Prescriptive Analytics kommt der Return of Investment (ROI) richtig zum Tragen. Denn mit diesem Ansatz kรถnnen Data Scientists das volle Potenzial von Daten schรถpfen und nutzen. Allerdings wird die mathematische Optimierung in der Praxis bisher wenig eingesetzt. Sie wird fรผr zu komplex, teuer und aufwรคndig gehalten oder irrtรผmlich mit bloรem Machine Learning oder Predictive Analytics auf der Basis bestehender Daten verwechselt.
Schnell die besten Entscheidungen treffen
Zu Unrecht โ denn richtig eingesetzt hilft mathematische Optimierung beziehungsweise Prescriptive Analytics dabei, die besten Entscheidungen mit Blick auf ein bestimmtes Ziel unter den gegebenen Rahmenbedingungen zu treffen. Unter Analytischer Optimierung versteht man eine prรคzise mathematische Methode zur Bestimmung der besten Maรnahmen, die ergriffen werden kรถnnen, um ein bestimmtes Ziel unter Abwรคgung geschรคftlicher, betrieblicher und regulatorischer Rahmenbedingungen zu erreichen.
Mathematische Optimierung hat also mit dem umgangssprachlichen Begriff des Optimierens nur oberflรคchlich zu tun. Es geht vielmehr darum, die besten Entscheidungen und nicht einfach nur bessere Entscheidungen fรผr ein gewisses Ziel zu treffen. Das Ziel ist es, agil mit verรคnderlichen Rahmenbedingungen jonglieren und nachjustieren zu kรถnnen. Anstatt mit bekannten Kundendaten zu kategorisieren und daraus Maรnahmen abzuleiten, startet die mathematische Optimierung bei den Zielen des Unternehmens.
In der Praxis sieht das so aus: Der Optimierungsprozess beginnt mit einer erweiterten Kausalanalyse. Mit automatisierten Techniken werden dabei enorme Mengen an Action-Effect-Modellen erstellt, die vorhersagen, wie Kunden auf verschiedene Maรnahmen eines Finanzinstitutes reagieren kรถnnten und wie das die Key Performance Indicators (KPIs) beeinflussen wรผrde.
Die Action-Effect-Modelle sind Teil eines รผbergeordneten Entscheidungsmodells, das weitere Geschรคftsziele und Rahmenbedingungen wie Ressourcenverteilung oder Risikobereitschaft berรผcksichtigt. In einem letzten Schritt wird dann Kรผnstliche Intelligenz genutzt, um die optimale Strategie zur Erreichung des Gesamtziels zu finden. Diese Form der Optimierung erstellt und bewertet eine Vielzahl von mรถglichen Strategieverรคnderungen oder Szenarien fรผr die beste Entscheidungsfindung.
Steigerung des Neugeschรคfts um 29 Prozent mรถglich
Die Einsparungen, Umsatzzunahmen und Produktivitรคtssteigerungen liegen fรผr gewรถhnlich im zweistelligen Prozentbereich. Home Credit Russia konnte etwa durch mathematische Optimierung einen Anstieg des Portfoliogewinns um 26 Prozent und des Neugeschรคfts um 29 Prozent erzielen. Dabei ist die Umsetzung einfacher als gedacht. Die Rechenpower, die dafรผr nรถtig ist, lรคsst sich mit Cloud-Infrastrukturen und -Plattformen einfach abbilden. Folgende Punkte sollte man hierbei im Hinterkopf behalten:
- Optimierung ist nicht gleich Optimierung: Datenbasierte Entscheidungen allein ergeben noch nicht Optimierung.
- Das Ziel im Fokus haben: Im Vergleich zum traditionellen Ansatz, bei dem die Portfoliostrategie-Entwicklung mit den bekannten Daten zu Kunden beginnt, sind bei der mathematischen Optimierung die Ziele der Start-, Dreh- und Angelpunkt.
- Komplexitรคt mit Automatisierung bewรคltigen: Banken und Versicherer mรผssen immer schneller wachsende Datenmengen verarbeiten, um mit den Entwicklungen am Markt Schritt zu halten. Analytische Optimierungsplattformen bieten hierfรผr effiziente Lรถsungen. Sie ermรถglichen die Simulation groรer Mengen individueller Kundenfรคlle unter verschiedenen angenommenen und verรคnderlichen Rahmenbedingungen. Diese fรผhren so zu richtigen Portfolioยญentscheidungen.
- Einfach optimieren: รber Cloud-Infrastrukturen ist die benรถtigte Rechenleistung einfach und kostengรผnstig verfรผgbar.
Mit einer modernen Optimierungsplattform in der Cloud wird die mathematische Optimierung zum Kinderspiel. Sie schรถpft den Wert von Daten erst voll aus. Fรผr Banken, die ganzheitlichen Portfolio-Erfolg anstreben, wird eine der leistungsfรคhigsten Anwendungen dadurch alltรคglich und zum Wettbewerbsvorteil.
Alexander Khounani ist Senior Associate Partner Platform bei FICO.