EOS und andere Finanzakteure nutzen bereits Daten, um Wissen für das Unternehmen zu generieren. Mit Prescriptive Analytics entwickelt sich die Nutzung von Daten weiter und stellt sich die Frage: Welche Aktionen sollten für ein bestimmtes Ergebnis durchgeführt werden?
Was fangen wir jetzt damit an? Big Data klingt modern und wichtig, nicht jede Firma ist aber auch bereit für den sinnvollen Umgang mit großen Datenmengen.

Datennutzung auf neuem Niveau: warum sich die Finanzbranche mit Prescriptive Analytics und Digitalen Zwillingen befassen muss.

Prognosen auf Basis von Durchschnittswerten berechnen war gestern: Heute können Unternehmen komplexe Simulationen für jeden einzelnen Kunden durchführen – mithilfe von Live-Daten.

 

Aus großen Datenmengen Erkenntnisse für das Geschäft ableiten – das ist für die Finanzbranche nichts Neues. Auch Modellrechnungen und Simulationen gibt es schon länger als den überstrapazierten Begriff Big Data. Neu ist aber eine Entwicklung, die sich in den Begriffen Prescriptive Analytics und Digitale Zwillinge ausdrückt. Sie könnte ganze Industrien verändern: Datenanalyse und Entscheidungsfindung wachsen in einem Ausmaß zusammen, das früher nicht möglich gewesen wäre.

Am deutlichsten wird das an den Digitalen Zwillingen, einem Konzept, das aus der verarbeitenden Industrie stammt. Ein digitaler Zwilling ist hier die Computersimulation eines einzelnen Bauteils oder einer ganzen Maschine. Was auch erst mal nichts Neues ist – schon lange entwerfen Ingenieure Bauteile am Computer und berechnen anhand von  Materialeigenschaften, ob sie ihrer Aufgabe gerecht werden. Ein Konstruktionsdatum wird dann in beliebig viele Exemplare umgesetzt.

Durch die großen Datenmengen die bei Unternehmen gesammelt werden, ist es möglich digitale Zwillinge erstellt. Das bedeutet, dass an Hand von Daten Voraussagen getroffen werden können für jeden Bauteil. Auch Kunden können durch digitale Zwillinge abgebildet werden.
Erst mit der Fülle an Konsum- und Verhaltensdaten, die Menschen heute im Alltag erzeugen, werden Digitale Zwillinge möglich.

Jedes Exemplar bekommt seine eigene Live-Simulation

Beim Digitalen Zwilling dagegen wird für jedes Exemplar eine Kopie des Bauplans gezogen und laufend mit Daten gefüttert: Wo ist das Bauteil eingesetzt, welche Umweltbedingungen herrschen, wie stark ist es belastet? Ingenieure können so für jedes einzelne Bauteil über die gesamte Lebensdauer vorausberechnen, wie es sich verhalten und welche Belastungen es aushalten kann – und zwar nicht im Durchschnitt, sondern genau für dieses Exemplar mit seiner individuellen, ständig aktualisierten Geschichte.

Die Daten für diese Echtzeitüberwachung liefern die vernetzten Sensoren in Maschinen und Bauteilen, die sich in der Industrie immer mehr ausbreiten – das viel beschworene Internet der Dinge. Bis 2021 wird nach einer Studie des Marktforschungsunternehmens Gartner die Hälfte der großen Industrieunternehmen die Zwillings-Technologie einsetzen.

Auch Kunden lassen sich als Digitale Zwillinge abbilden

Auch Menschen lassen sich mehr und mehr von Sensoren erfassen und produzieren Verhaltens- und Konsumdaten in nie geahntem Ausmaß – was auch im Finanzsektor Digitale Zwillinge möglich macht. Sie können beispielsweise Entscheidungen realer Bankkunden simulieren – viel genauer als Durchschnittsberechnungen. Der digitale Zwilling entsteht hier aus soziodemografischen, Finanz- und Gesundheitsdaten sowie Erkenntnissen aus der Verhaltensforschung. Hinzu kommen Daten des Unternehmens. Indem laufend neue Erkenntnisse, etwa zu Ausgaben- und Spargewohnheiten, des Kunden einfließen, lernt dessen virtuelles Gegenüber ständig hinzu. Es kann dann beispielsweise die optimale Spar- und Anlagestrategie für den Kunden ausarbeiten – vorausgesetzt, er stimmt der entsprechenden, regelkonformen Verarbeitung seiner Daten zu.

Mit Daten die Folgen des eigenen Handelns voraussagen

Auf der Grundlage von Datenanalysen Handlungsempfehlungen aussprechen – dieser Gedanke liegt auch dem Konzept der Prescriptive Analytics zugrunde. Klingt ähnlich wie Predictive Analytics, die vor allem Amazon bekannt gemacht hat: Auf Basis seines Datenfundus errechnet der Handelsriese laufend, wer mit welcher Wahrscheinlichkeit wann wo welche Produkte bestellen wird, und lenkt seine Warenströme entsprechend. Prescriptive Analytics geht einen Schritt weiter: Hier errechnen Computer auf Basis aktueller Daten verschiedene Handlungsoptionen, spielen sie in der Simulation durch, prüfen die Folgen verschiedener Szenarien und geben dann eine Handlungsempfehlung.

Der Paketdienst UPS zum Beispiel verfolgt mithilfe von Sensoren an seinen Lkws deren Aufenthaltsorte und die Verkehrslage. Mit den Erkenntnissen optimiert er die Routen der Auslieferer. Juan Perez, Chief Information Officer bei UPS, erklärt: „Wenn wir den Weg für jeden Fahrer allein in den USA pro Tag um eine Meile verkürzen, sparen wir innerhalb eines Jahres 50 Millionen Dollar.“
Bildquelle: Getty Images