Daten sind das Lebenselixier von Finanzdienstleistern – bei der Bonitätsprüfung ebenso wie bei Betrugserkennung oder Personalisierung. Riesige Datenmengen werden daher in Multimodell-Datenbanken konsolidiert, die für jede Anwendung das passende Datenmodell bieten. Doch das allein reicht nicht mehr aus. Oft sind Sekundenbruchteile entscheidend und Daten müssen in Echtzeit zur Hand sein.
Dass Daten eine Triebfeder für den Erfolg vieler Unternehmen sind, ist eine Binsenweisheit. Schon 2006 erkannte der britische Mathematiker und Unternehmer Clive Robert Humby: „Daten sind das neue Öl“. Doch so wie Öl nur nützlich ist, wenn es gefördert, raffiniert und aufbereitet wurde, zeigt sich der Wert von Daten erst, wenn sie nach der Erfassung auch verarbeitet und ausgewertet werden.
Gerade im Finanzsektor ist dabei die Geschwindigkeit ausschlaggebend. Stichwort: Realtime-Datenverarbeitung. In vielen Anwendungen treffen daher zwei Extreme aufeinander. Riesige Datenmengen und der Bedarf an maximaler Verarbeitungsgeschwindigkeit. Es gilt, die verfügbare Menge an relevanten, nicht korrelierten Daten mithilfe von komplexen Algorithmen zu verarbeiten und auszuwerten. Und das in Echtzeit.
Dies gelingt nur mit einer Realtime-Multimodell-Datenbank. Denn sie integriert zum einen unterschiedliche Datenmodelle wie Graphdatenbanken oder Dokumenten-speicher für spezifische Anwendungsfälle und bietet zum anderen die technischen Vorrausetzungen für Echtzeit-Verarbeitung – häufig in weniger als 30 Millisekunden.
Betrugsprävention: Graphdatenbanken decken Verbindungen auf
Betrugsversuche umgehend zu erkennen und abzuwehren, steht ganz oben auf der Tagesordnung von Finanzinstituten. Schließlich heißt es, finanzielle und rufschädigende Risiken so weit als möglich zu minimieren. Bei der Bewältigung dieser Herausforderung haben sich in den letzten Jahren Graphdatenbanken bewährt. Deren Vorteil: Sie enthalten neben den Datenelementen wie Kunde oder Konto auch die Beziehungen zwischen den Daten, zum Beispiel Transaktionen oder Verflechtungen.
Basiert die Graphdatenbank auf einer Realtime-Datenplattform, lassen sich diese Beziehungen in Millisekunden analysieren. Finanzdienstleister sind damit in der Lage, verdächtige Muster und ganze Betrugsnetzwerke umgehend zu erkennen. Zum Beispiel, wenn gleichzeitig mehrere Konten unter verschiedenen Namen, aber mit derselben IP-Adresse eröffnet werden.
„PayPal setzt zur Betrugsprävention auf unsere Graphdatenbank und auf Graphanalysen. Das Kreditinstitut nutzt hierzu eine maßgeschneiderte Lösung, die Millionen von Datensätzen innerhalb von nur 20 Millisekunden analysiert“, erklärt Stuart Tarmy, Global Director of Financial Services Industry Solution bei Aerospike. „Auf diese Weise kann PayPal Betrugsrisiken erkennen sowie Präventionsprozesse etablieren und erspart sich und seinen Kunden Verluste in Millionenhöhe.“
Kreditrisikomanagement: Mit einem Dokumentendatenspeicher Ausfällen vorbeugen
Für unstrukturierte Daten, wie sie beim Kreditrisikomanagement anfallen, sind Dokumentendatenspeicher eine hervorragende Lösung. Sie sammeln unter anderem Daten von Kreditbüros und Finanzinstituten oder aus sozialen Medien. Algorithmen für maschinelles Lernen können diese Daten in Echtzeit analysieren. Daraus lassen sich Muster, Trends und potenzielle Risiken ablesen und bei Bedarf Maßnahmen zur Risikominderung ergreifen.
Zudem lassen sich Risikomodelle berechnen, welche die Zahlungsfähigkeit eines potenziellen Kreditnehmers auf der Grundlage seiner Kredithistorie, seines Einkommens und seines aktuellen Beschäftigungsstatus bewerten. Befindet sich ein Kunde in finanziellen Schwierigkeiten, kann der Finanzdienstleister umgehend handeln. Mit Hilfe von prädiktiver Analytik lassen sich zudem Modelle entwickeln, die potenzielle Kreditrisiken erkennen, noch bevor sie eintreten. So können Kreditlimits angepasst oder alternative Zahlungspläne aufgestellt werden.
Personalisierung: Das A und O für Service und Unternehmenserfolg
Für personalisierte Services müssen zunächst Daten aus verschiedensten internen und externen Quellen in Echtzeit konsolidiert werden – sei es aus dem Marketing und Vertrieb, aus Finanztransaktionen, vom Kundenservice oder aus sozialen Medien. Diese Daten beinhalten neben demografischen Informationen auch die Kaufhistorie oder den Interaktionsverlauf von Webseiten.
Dokumentendatenspeicher sind dafür optimiert, solche Daten in Realtime zu verwalten und zu analysieren und liefern in Sekundenschnelle ein detailliertes Bild des Finanzverhaltens eines Kunden. Mithilfe von KI und maschinellem Lernen lassen sich auf dieser Basis maßgeschneiderte Produktempfehlungen und eine personalisierte Finanzberatung anbieten. Weitere Einsatzbereiche für Dokumentendatenbanken sind individuelle Preis- und Zinsangebote, Treueprogramme, Bonitätsprüfungen oder die beschleunigte Aufnahme von Neukunden. Darüber hinaus lässt sich damit die Abwanderung von Kunden vorhersagen und verhindern.
Fazit
Für Betrugsprävention, Compliance- und Kreditrisikomanagement oder Customer360-Betrachtungen braucht es Echtzeitanwendungen. Leistungsstarke, moderne Realtime-Multimodell-Datenbanken mit ihrer hohen Performance und Skalierbarkeit sind dafür die ideale Lösung. Denn damit lassen sich die spezifischen Anforderungen unterschiedlicher Anwendungen in einer einzigen Datenbank umsetzen und in Bruchteilen von Sekunden Analysen, Lösungen und Angebote generieren.