Open Banking ist in aller Munde. Chancen und Risiken werden in den entsprechenden Business Netzwerken wild diskutiert und Schlagwörter wie PSD2, Open API, Datenschutz und BigData gehören auf jeder Veranstaltung zum Thema Banking nahezu schon zum guten Ton. So fokussierte sich auch die ZHAW am 4. Juni im Rahmen ihrer Vortragsreihe «Finance Circle» auf das Thema «Open Banking». Bekannte Namen aus dem Banking- und FinTech Sektor waren geladen, um über ihre Vorstellungen zum Open Banking zu sprechen. Darunter unter anderem Gian Reto à Porta von Contovista (wir berichteten) oder auch André Renfer von der Hypothekarbank Lenzburg.Basierend auf den Ideen und den Gedanken vom Finance Circle möchten wir in diesem Blog weiterschauen und das Konzept Open Banking mit dem Phänomen Machine Learning verbinden. Eine Kombination, von der vor allem die grossen Player am Markt – die "Tech Giants" wie Google, Facebook, Amazon und Alibaba – profitieren könnten.
Open Banking und Machine Learning
Schauen wir zuerst einmal Open Banking und Machine Learning an sich an. Open Banking ermöglicht Drittanbietern, sogenannten Third Party Provider, direkten oder indirekten Zugriff auf die Kontoinformationen der Bankkunden. Diese Daten können nun mit weiteren Informationen aus den sozialen Netzwerken, Suchmustern oder Standortdaten angereichert werden – wodurch ein umfassender Datenkatalog erstellt werden kann. Machine Learning beschreibt eine Software, die darauf ausgelegt ist, Muster in einem Datenpool zu entdecken. Im Unterschied zur Robotic Automatisation wird beim Machine Learning die Software so konzipiert, dass sie durch ihre Fehler "lernt" und die Muster verfeinert, während Robotic Automatisation an konstanten Regeln festhält.
Um dies zu veranschaulichen, bringen wir an dieser Stelle das beliebte "Katzenbeispiel". In diesem Fall soll ein Programm entscheiden, ob sich auf einem Foto eine Katze befindet oder nicht. Wir legen also ein grosses Datenset mit Bildern an. Alle Bilder auf denen eine Katze abgebildet ist, versehen wir mit dem Merkmal «Katze» und alle auf denen keine Katze abgebildet ist, versehen wir mit dem Merkmal «keine Katze». Nun speisen wir dieses Datenset in das Modell ein. Die Software errechnet nun bei jedem einzelnen Bild mit einer Wahrscheinlichkeitsangabe, ob auf dem Bild eine Katze abgebildet ist oder nicht. Bei jedem Fehler und bei jedem Erfolg passt sich die Software an, sodass beim nächsten Mal kein Fehler mehr gemacht wird. Je grösser das Dataset also ist, desto korrekter kann die Software dementsprechend auch arbeiten.
Wie spielen Open Banking und Machine Learning zusammen
Sobald Machine Learning dazu eingesetzt wird nicht Katzenbilder zu identifizieren, sondern Verhaltensmuster in Kundendaten zu entdecken, werden ganz neue Business Cases deutlich. Je mehr Daten hierfür als Grundlage genommen werden können, umso besser können die Muster analysiert werden.
- Mit Machine Learning im Finanzsektor können beispielsweise Nutzer identifiziert werden, die besonders am Kauf einer Kreditkarte interessiert sind.
- Darüber hinaus kann aufgrund des analysierten Lebensstils, in Kombination mit der finanziellen Lage, ein sich dynamisch anpassendes Anlageportfolio zusammengestellt werden.
- Auch die Aufstellung verschiedener «Nutzertypen» kann dabei helfen den Kunden spezifische Angebote zu machen.
In Kombination mit Open Banking könnten «Tech Giants» als Third Party Providers auftreten und bankübergreifende Daten sammeln. Diese Daten geben, angereichert mit den Daten aus deren anderen Kanälen (Email-Service, Standortdaten, Suchbegriffe, Surfverhalten), ein weitaus umfassenderes Bild als es die Banken selbst zeichnen könnten. Langfristig können so Google, Facebook und Co. zur ersten Anlaufstelle für finanzielle Fragen werden, während Banken im Retail Business selber in den Hintergrund geraten. Es sind sich alle einig, dass Open Banking ein grosser Mehrwert für den Nutzer darstellen würde.
Wie die Tech Giganten auf Open Banking reagieren werden ist bisher noch unklar. Sicher ist: Es bleibt spannend zu verfolgen, welche Business Cases sich aus der Kombination von Open Banking und Machine Learning in Zukunft ergeben werden.
Dieser Blog wurde gepostet von Jonathan Farner
#AI #DigitalBanking #MachineLearning #FinTech #OpenBanking #PSD2 #APIs
0 Kommentare:
Kommentar veröffentlichen