com!-Academy-Banner
Vorbereitungs-Checkliste

Data Science als strategisches Projekt

von - 16.04.2020
Data Science
Foto: Wright Studio / shutterstock.com
Wenn Finanzinstitute ihre Daten sinnvoll nutzen, können sie ihr Geschäft transformieren und sich einen wichtigen Wettbewerbsvorteil verschaffen. "Data Science" ist hierbei das Stichwort.
Gery Zollinger
Gery Zollinger: Head of Data Science & Analytics bei Avaloq
(Quelle: Avaloq )
Dieser Beitrag wurde erstellt von Gery Zollinger, Head of Data Science & Analytics bei Avaloq.
Neueste Analysetechnologien und KI-Lösungen werden für Privatbanken und Vermögensverwalter unverzichtbar, um ihre Zukunftsfähigkeit zu sichern. Einer aktuellen Umfrage von Avaloq unter 208 Vermögensberatern von 110 führenden Finanzdienstleistern in Zürich, Singapur, London und Frankfurt zufolge sehen 55 Prozent der Befragten Künstliche Intelligenz und Datenanalyse als wichtige Technologien für ihre Zukunft. Gleichzeitig hat eine informelle Umfrage aber ergeben, dass Wealth Manager erst ungefähr 35 Prozent der Daten, die ihnen zur Verfügung stehen, tatsächlich nutzen und auswerten. Der Handlungsbedarf in Sachen KI und fortgeschrittener Analysemethoden ist den meisten in der Branche offenbar bewusst, nur mangelt es an der Umsetzung. Allerdings hilft es wenig, sich blauäugig in sein Data-Science-Projekt zu stürzen - und zu hoffen, früher oder später werde es schon die erhofften Ergebnisse liefern. Data Science ist eine Aufgabe von strategischer Relevanz, die Finanzinstitute entsprechend planvoll angehen sollten. Die folgende Checkliste hilft, die gängigsten Fehler zu vermeiden.

Data-Science-Projekte entscheiden über Zukunftsfähigkeit

Banking und Wealth Management ist zwar ein Geschäft, bei dem große Datenmengen anfallen, aber zugleich arbeiten viele Finanzinstitute auf sehr traditionelle Weise. In solchen Organisationen einen modernen, datengetriebenen Ansatz zu vermitteln, ist nicht ganz einfach. Data Science ist eben nicht nur ein Experiment oder das jüngste Marketing-Schlagwort. Um im Wettbewerbsumfeld der Zukunft zu bestehen, ist sie überlebenswichtig. Ein Data-Science-Projekt braucht darum die Unterstützung von ganz oben: ein klares strategisches Commitment auf Vorstandsebene.

Priorität für die gesamte Organisation

Das Engagement des Vorstands ist das eine, das der gesamten Organisation aber das andere. Der Erfolg eines Datenanalyse-Projekts hängt darum ebenso von einem wirkungsvollen Change Management ab. Es braucht das Verständnis und die Zustimmung in der gesamten Organisation, vom Relationship Manager im Front Office bis zum Legal Officer im Back Office. Der Wandel zu einer datengetriebenen Organisation ist eine Frage der Unternehmensstrategie und der Unternehmenskultur. Er muss in den Köpfen ankommen.

Agiles Vorgehen in abteilungsübergreifende Teams

Ein agiler organisatorischer Rahmen kann darum ein wesentlicher Bestandteil des Projekterfolgs sein. Wenn engagierte Mitarbeiter mit unterschiedlichen Fähigkeiten in gemischt besetzten Teams zusammenarbeiten, um in einer Kette von Sprints und auf iterative Weise neue Produkte zu entwickeln, führt dies nicht nur schneller und effektiver zum Ziel. Ein agiler Ansatz kann auch die Mitarbeiter ganz anders involvieren und dank der gemischten Teams besser in die Organisation hineinwirken. Partizipation ist eine wichtige Voraussetzung für effektiven Wandel.
Verwandte Themen