Herr Boehnke, warum sollten sich Unternehmen, Banken und Versicherungen für Analytics interessieren?
Weil sie schneller und effizienter auf ihren jeweiligen Markt reagieren können! Sie können Prozesse optimieren, Kosten reduzieren und bessere, gleichbleibende Entscheidungen treffen. Und im Idealfall sind sie in der Lage, komplett neue Anwendungsfelder zu identifizieren.
Können Sie kurz den Weg dahin beschreiben?
Wir haben bei ITGAIN einen methodischen „Analytical Process“ entwickelt. Der Weg, den er beschreibt, lässt sich in Phasen einteilen. In der ersten definieren wir mit dem Kunden seine Problemstellung, seinen Use Case. Der lautet zum Beispiel: Wir verlieren Klienten, und wissen nicht, warum – wir möchten das aber auf jeden Fall verhindern. In der zweiten Phase, die in der Regel 80 Prozent des Prozesses in Anspruch nimmt, suchen wir gezielt Daten heraus, die wir brauchen, um das Problem zu lösen. Wir bereiten sie so auf, dass später ein Algorithmus Handlungsempfehlungen ableiten und Voraussagen treffen kann. Darüber etwa, ob und wann ein Kunde kündigen wird. Dazu betreiben wir zunächst klassisches Data-Mining. Wir erarbeiten Modelle, durch die Analysen und Voraussagen getroffen werden können. Ein sehr einfaches Beispiel: 30 bis 40 Jahre alte Frauen mit einem Einkommen von 42.000 Euro und Wohnsitz in Hamburg kündigen häufig ihre Versicherung. Dann folgt die Auswahl der einzelnen Verfahren, die für den Analytics-Prozess nötig sind. So kann die Predictive Analytics am Ende berechnen, dass die Wahrscheinlichkeit der Kündigung für eine bestimmte Kundin beispielsweise bei 80 Prozent liegt.
Und dann übersetzen Sie diese Modelle in Software?
Ja. Wir entwickeln ein technisches Modell, das wir in die bestehende Architektur der IT-Landschaft des Kunden implementieren. Und da kommen dann Algorithmen ins Spiel. Damit kann man dann zum Beispiel auf Knopfdruck eine Liste von Kunden generieren, die voraussichtlich kündigen werden. Oder – auch sehr attraktiv – man gestaltet eine Echtzeit-Analyse: Ruft eine Kundin im Callcenter an, die die Voraussetzungen für eine Kündigungsabsicht erfüllt, erscheint auf dem Display des Beraters sofort das Kündigungssignal – gemeinsam mit dem Vorschlag für ein auf sie abgestimmtes, neues Angebot.
Was halten Sie davon, keine speziellen analytischen Modelle für die eigenen Use Cases entwickeln zu lassen, sondern schon fertige Modelle zu kaufen? Eine gute Idee?
Diese fertigen Modelle funktionieren in der Regel sehr gut. Aber sie setzen immer eine bestimmte Art von Daten voraus. Wenn Sie das Modell dann implementieren wollen, kann Ihr Analytics-Modell schnell daran scheitern, dass Ihr Data-Warehouse diese Daten nicht liefern kann. Auch in so einem Fall können wir bei ITGAIN helfen. Wir haben über 15 Jahre Erfahrung in der Datenaufbereitung. Wir können die Datenqualität in Datenbanken so herstellen, dass der Analyseprozess vernünftig funktioniert.