De financiële wereld ontwikkelt zich in hoog tempo. Door technologische innovatie, snel veranderende en toenemende eisen van klanten en nieuwe sales- en communicatiekanalen, is er meer behoefte ontstaan aan meer gepersonaliseerde producten en diensten. Traditionele financiële instellingen hebben te maken met toegenomen regeldruk, achterhaalde IT-sytemen en langlopende kostenbesparingsprogramma’s. Dat resulteert in een situatie waarin traditionele financiële instellingen moeite hebben volledig mee te komen.

Niels Turfboer (Spotcap) over de ontwikkelingen en culturele verschillen binnen een internationaal bedrijf

Voor die bedrijven is het noodzakelijk dat ze veranderen in meer datagecentreerde organisaties. Dat betekent dat de juiste – betrouwbare en valide – data vanuit alle functionele afdelingen centraal wordt opgeslagen en horizontaal door de organisatie gebruikt kan worden om beslissingen op te baseren.

Big data
Het verzamelen van grote hoeveelheden real time-data over een breed spectrum van variabelen, noemt men ook wel big data, hét buzz word van de afgelopen jaren. Big data-projecten zijn inmiddels breed geïmplementeerd om procesefficiëntie te verhogen en zo de algehele performance te verbeteren. Door de digitalisering van onze samenleving is de productie en de beschikbaarheid van data enorm toegenomen: de wereldwijde hoeveelheid data verdubbelt ieder jaar. Analyse hiervan is dus in toenemende mate een enorm complexe zaak, maar levert ook geweldige mogelijkheden op.

Toekomst voorspellen
Tot dusver hebben financiële instellingen zich voornamelijk beperkt tot ‘descriptive- en diagnostic analytics’ van data, waarbij naar het verleden gekeken wordt om trends te herkennen en deze te verklaren. Echter, dankzij nieuwe innovatieve software is complexe data-analyse toegankelijker geworden, en dus niet meer alleen voorbehouden aan datawetenschappers. Sterker nog, deze nieuwe software stelt ons in staat om niet alleen het verleden te analyseren, maar ook de toekomst beter te voorspellen. Dit wordt ook wel ‘predictive analysis’ genoemd. Bij predictive analysis wordt interne, gestructureerde (zoals transacties) en ongestructureerde (zoals correspondentie) data gekoppeld aan externe ongestructureerde data. Die data bestaat uit dynamische variabelen zoals social media, sensoren, energieverbruik en blogs en wordt wenselijk nog verrijkt met informatie van derde partijen. De combinatie van ‘look-back’-analysis en predictive analysis van real time data heeft het vermogen om de financiële dienstverlening te transformeren. Het biedt de mogelijkheid om competitiever te worden en meer gepersonaliseerde producten en diensten te kunnen aanbieden, doordat informatie sneller omgezet kan worden in waardevolle inzichten en er proactief in gespeeld kan worden op de mogelijkheden die daaruit ontstaan.

Veranderende financiële dienstverlening
Een mooi voorbeeld uit de praktijk is hoe Spotcap de mogelijkheid van predictive analysis gebruikt bij het verstrekken van zakelijke kredieten aan het midden- en kleinbedrijf. Deze kredieten worden door traditionele financiële instellingen minder makkelijk verstrekt. Dat komt onder meer omdat met traditionele kredietbeoordelingscriteria de risico’s lastiger in beeld kunnen worden gebracht, door gebrek aan de juiste analysemiddelen. Daardoor worden deze kredietverzoeken vaker afgewezen. In een data-gecentreerde organisatie kan door middel van predictive analysis een veel beter en completer toekomstig inzicht van de kredietwaardigheid en risico’s verkregen worden, op basis waarvan een kredietbeoordeling kan plaatsvinden. Bij predictive analysis wordt de interne en externe data uit verschillende bronnen geanalyseerd middels ‘learning machines’, oftewel zelflerende algoritmes die zijn gevoed met voorspellingsmodellen. Omdat deze informatie en analyse real time is, kan het ook de mogelijkheden bieden om ‘early-warning signals’ te geven. Bijvoorbeeld voor dossiers waarvan verwacht wordt dat ze op één of andere manier in gebreke zullen blijven, zodat daarop proactief gehandeld kan worden. De dynamische producten en dienstverlening die hieruit voortvloeien, zullen de financiële dienstverlening blijvend veranderen.

Impact
De impact van big data en predictive analysis op de financiële dienstverlening zal zich in grote lijnen uiten in de volgende drie categorieën:

Klantgerichtheid
In de kenniseconomie waarin wij leven, in combinatie met hedendaagse mondiale interconnectiviteit, neemt het tempo waarop wensen van klanten veranderen alleen maar toe. De succesvolle organisaties van de toekomst (en eigenlijk nu al) zijn de organisaties die een integrale focus hebben op klantgerichtheid. Deze bedrijven zullen voortdurend op de hoogte moeten zijn van de unieke en individuele wensen van hun klanten, en daarop hun producten, diensten en communicatie moeten aanpassen. Zij zoeken engagement op met de klant bij elke ‘touch-point’ van de ‘customer journey’ om klanttevredenheid te optimaliseren, retentie te verhogen en een superieure User Experience (UX) aan te kunnen bieden. Door big data goed in te richten en te analyseren kunnen onder meer gedrags-, aankoop- en uitgavepatronen en klanttevredenheid geïdentificeerd en voorspeld worden. Daardoor ontstaat er een toekomstgericht 360°-klantprofiel ontstaat. Dit geeft een goede basis om producten en dienstverlening beter op klanten af te stemmen, waardoor organisaties hun klanten écht centraal kunnen stellen.

Product- en operations development
In een datagecentreerde organisatie zijn nagenoeg alle processen meetbaar. Wanneer deze goed geanalyseerd worden geeft het de organisatie en haar werknemers de mogelijkheid om zich continu aan te passen aan deze inzichten en een veranderende markt. Op deze manier kan procesefficiëntie drastische verbeterd worden. Maar big data en predictive analysis kan ook gebruikt worden om bijvoorbeeld handel in effecten of volatiliteit van de markt te voorspellen. Bovendien kunnen door predictive analysis op basis van enorme hoeveelheden klantdata en sentimentanalyse, sneller nieuwe wensen van klanten worden ontdekt. Uit deze inzichten ontstaan wellicht nieuwe mogelijkheden voor cross-selling en het zorgt er bovendien voor dat innovatie van nieuwe gepersonaliseerde producten en diensten, die naadloos aansluiten bij de markt, in een hoger tempo ontwikkeld kunnen worden.

Risk- en compliance management
Predictive analysis van data zal een grote impact hebben op risk management en compliance, omdat het de mogelijkheid biedt om kredietwaardigheid, frauduleuze praktijken, (cyber-)veiligheidsbreuken, controlesysteemfouten en andere kwetsbaarheden te identificeren en te voorspellen. De technologie gericht op regulering wordt ook wel ‘RegTech’ (Regulatory Technology) genoemd. Compliance anno nu is een integraal onderdeel geworden van strategische besluitvorming en geschiedt op real-time basis in plaats van reactief.

Naast het eerder genoemde voorbeeld van kredietbeoordeling, biedt het financiële instellingen de mogelijkheid om met zekerheid te kunnen voorspellen wat de kansen zijn op fraude bij transacties, nog voordat ze daadwerkelijk worden uitgevoerd. Maar ook in de verzekeringswereld, waar ook weer een apart ‘buzz-word’ voor bestaat, namelijk InsureTech (Insurance Technology), zal het voor grote veranderingen zorgen. Zo kan met predictive analysis bijvoorbeeld voorspeld worden welke patiënten het meeste risico hebben op chronische ziektes en kunnen frauduleuze schadeclaims geïdentificeerd worden.