Gastartikel von Michael Weber und Stefan Duit
Datenmodelle sind für viele Banken ein Hemmschuh. Redundanzen, Datenmüll und Einschränkungen bei der Auswertung der wertvollen Bestände behindern die Bankenführung. Neue Datenmodelle schaffen Abhilfe.
Saubere Kundendaten sind das A und O. Ob Risikomanagement oder Vertrieb, alle wichtigen Bereiche einer Bank leben von der Qualität der Daten. Doch die Frage sei erlaubt: Werden die gängigen Datenmodelle diesen Anforderungen immer gerecht? In vielen Fällen lautet die Antwort: Nein. Die meisten Systeme sind geprägt von Redundanzen, von fehlerhaften Daten sowie Doubletten und was noch schwerer wiegt: von einer statischen Architektur, die den klaren Blick auf die Kundenbeziehungen verschleiert und Vertriebspotentiale im Verborgenen lässt.
Vielfach liegt das an historisch gewachsenen Strukturen. Als die Mehrzahl der Kunden nur ein Konto unterhielt, lag es nahe, die Personendaten gleich mit den Produktdaten in einem Satz zu erheben. Ein Kunde, ein Konto. Ein Verfahren, das sich als zunehmend problematisch erweist, je komplexer die Kundenbeziehung zu einer Person wird. Ein einfaches Beispiel macht dies anschaulich (siehe Schaubild 1): Person A hat ein Girokonto (A) und heiratet Person B, die ebenfalls ein Girokonto (B) bei der Bank unterhält. Zusammen eröffnen sie nun ein gemeinsames Konto (C). Um dieses neue Konto anzulegen, müssen in vielen Systemen nun Sachbearbeiter alle persönlichen Daten der beiden Kunden neu anlegen. Kaufen A+B nun ein Haus und eröffnen dazu ein weiteres gemeinsames Konto (D), kann sich dieser Vorgang wiederholen. Beim Umzug in das neue Haus muss der Sachbearbeiter dann sechs Datensätze berichtigen. Dieses einfache Beispiel offenbart einige der eklatanten Schwächen eines solch statischen Systems. Augenfällig sind zunächst Kostenintensität und Fehleranfälligkeit. Wie viele Varianten der gleichen Adresse sind am Ende dieses Prozesses aufgrund Tipp- oder Schreibfehler im System? Was bedeutet das für die Qualität von Abfragen für Vertriebszwecke?
Moderne Datenmodelle trennen deshalb die personenbezogenen von den kontenbezogenen Daten. Diese Zuordnung ist die einzige Möglichkeit, die komplexen Beziehungsgeflechte im Überblick zu behalten und nur so kann Kundenservice und eine effiziente Ansprache auf die richtigen Produkte erfolgen. Um die Funktionsweise zu veranschaulichen lohnt zunächst ein Blick auf das eingeführte Beispiel (siehe Schaubild 2). Durch die Trennung der persönlichen Daten von den kontenspezifischen Daten muss jede Person nur einmal angelegt werden und lässt sich dann beliebig mit Kontodaten verknüpfen.
Eine Million überflüssiger Datensätze
Vom Modell zur Realität: Was bislang nach blanker Theorie klingt, haben ELAXY-Experten bereits in einem Projekt für eine große Regionalbank umgesetzt und dabei ein Bereinigungspotenzial von rund 50 Prozent festgestellt. Das heißt, von den rund zwei Millionen Personendatensätze haben sich durch die Umstellung auf das neue Datenmodell etwa eine Million als überflüssig erwiesen! Das bedeutet, dass die Bank mit dem alten System täglich eine Million redundanter und teilweise sogar falscher Datensätze verwalten musste. Der jährliche Mehraufwand zur Pflege dieser Daten schätzen Fachleute auf mindestens 300.000 Euro – ausgehend von Kosten in Höhe von zwei Euro pro Adressänderung – ganz abgesehen von den Kosten, die durch falsche Kundenansprachen entstehen. Doch die Vorteile eines solchen Datenmodells gehen über die reine Kostenersparnis bei der Datenpflege und die Vermeidung von Fehlern und Doubletten weit hinaus.
So gewinnt die Bank an Rechtssicherheit: Wie wird im alten Datenmodell die Anlagementalität eines Gemeinschaftskunden bewertet, wenn die Risikoneigung und die Kenntnisse sowie Erfahrungen der beiden Partner stark auseinanderdriften? In vielen bestehenden Systeme lassen sich solche Fälle nicht individuell dokumentieren, da nur ein Datenfeld für die Anlagementalität vorgesehen ist. Wie wird diese aber bewertet, wenn beispielsweise der Ehegatte (Kunde A) ein hochspekulativer Heavy-Trader und die Ehegattin (Kunde B) eine sehr konservative Anlegerin mit wenig Wertpapiererfahrung ist. Welche Wertpapiergeschäfte dürfen über das Gemeinschaftskonto getätigt werden, damit die Bank auch juristisch auf der sicheren Seite ist?
Wichtige Infos für Vertrieb generieren
Das A und O eines modernen und zukunftsweisenden Datenmodells ist deshalb auch, dass es Banken ohne großen Aufwand frei gestalten können. In dem sie individuelle Felder beim Kunden, bei den personenbezogenen Daten oder den Produkten flexibel einrichten können, werden sie neuen gesetzlichen Anforderungen zuverlässig gerecht oder können beispielsweise ihre Vertriebsaktivitäten jederzeit um Nicht-Finanzprodukte erweitern.
Ein weiterer Clou eines modernen Datenmodells liegt darin, dass Banken die Beziehungen der Personen untereinander sauber abbilden und auswerten können. Viele Beziehungsinformationen lassen sich beispielsweise aus den Zahlungsströmen generieren. Da sich die Datensätze beliebig miteinander verknüpfen lassen, kann die Bank Beziehungsgeflechte sichtbar machen. Daraus ergibt sich ein revolutionärer Ansätze für Vertrieb und Risikomanagement. Drei theoretische Beispiele sollen diesen Sachverhalt erläutern:
Beispiel 1: Eine Kunde X präsentiert eine Person als Sicherheitsgeber im Rahmeneines Kreditantrags. Sind Bürgen beziehungsweise Sicherheitsgeber nun fix dem Datensatz des jeweiligen Kunden zugeordnet kann die Bank nicht oder nur mit viel Aufwand feststellen, ob sich diese Person bereits bei anderen Kunden verbürgt hat. Ein ganzheitlicher Blick auf einzelne Personen ist damit nicht möglich. Anders im modernen Datenmodell: Dieses basiert auf Verknüpfungen von Personen, Kunden und Produkten. Auf Knopfdruck liefert das System einen Überblick über alle Sicherheiten und Verpflichtungen, die eine betreffende Person leistet..
Beispiel 2: Auch die Möglichkeiten, vertriebsrelevante Daten zu generieren, sind beinahe grenzenlos. So lassen sich über die Verknüpfung von Personen Verbünde definieren. Das können Familienverbünde sein. Was passiert mit der Familie, wenn der Vater zum Pflegefall wird? Ist der ganze Verbund transparent, dann braucht die Bank nicht zwingend den direkten Draht zum Familienoberhaupt und Vertriebsmitarbeiter können beliebige Familienmitglieder für das Empfehlungsmanagement von Vorsorgeprodukten ansprechen und Neukunden gewinnen. Der Kreativität von Marketeers und Vertriebsspezialisten sind keine Grenzen mehr gesetzt. Insbesondere dann, wenn die Daten direkt in eine Software für das Vertriebsmanagement einfließen und zur Gestaltung von Kampagnen und zur Kundenansprache genutzt werden können.
Szenario 3: Ein bedeutendes Unternehmen gerät in wirtschaftliche Schwierigkeiten. Was bedeutet das für die Bank? Von wie vielen Kunden sind potenziell die Jobs in Gefahr? Wie viele dieser Kunden haben laufende Kreditverpflichtungen? Zu welchen anderen Unternehmen aus der Region unterhält die betroffene Firma enge wirtschaftliche Beziehungen? Welche Verpflichtungen haben alle potenziell betroffenen Unternehmen gegenüber der Bank? Das Beispiel wirft Fragen auf, die für eine Bank von großer strategischer Bedeutung sind, die aber mit vielen gängigen Datenmodellen unbeantwortet bleiben.
Viele Finanzdienstleister, oder zentrale IT-Dienstleister, die große Datenbestände für eine Vielzahl an angeschlossenen Filialen oder Banken verwalten, schrecken vor der Tragweite zurück, die eine Umstellung auf ein neues Datenmodell bedeutet. Doch auch hier gibt es eine praktikable Lösung: Dadurch dass Spiegelbestände in das Datenmodell einfließen, können diese mit den vielfältigen Möglichkeiten ausgewertet werden. So kann das neue System innerhalb kurzer Zeit produktiv gehen und die Vorteile der neue Datenstruktur realisiert werden.
Nutzen innovativer Datenmodelle
• Trennung von personen- und kundenbezogenen Daten spart Kosten bei der Datenhaltung, reduziert Aufwände.
• Bessere Übersicht über den Kunden hilft Risiken schneller zu erkennen
• Offenes Datenmodell zur Migration bestehender Daten (Host) und Erweiterung um individuelle Kunden, Personen und Produkt Daten ermöglicht eine detailliertere Sicht auf den Kunden und ermöglicht so ungeahnte Vertriebspotentiale.
• Skalierbare Client Server Technologie gewährleistet eine hoch performate Verfügbarkeit.
• Kunden können schneller gefunden und zugeordnet werden.
• Offene Web-Serviceschnittellen ermöglichen eine maximale, schnelle und problemlose Integration in bestehende Systeme – ohne große, aufwändige IT-Projekte.
• Der modulare Aufbau ermöglicht indviduelle Gestalltung und Schnittstellen zu bestehenden Softwarekomponenten (Kalender, E-Mail Programm, etc) – d.h. Kunden sparen Kosten, weil auch nur einzelne Module gekauft und nachlizenzieren werden.
