skip to Main Content

Die Kunst der Datenveredelung in der Kreditdigitalisierung

Die Kunst Der Datenveredelung In Der Kreditdigitalisierung

Kreditentscheidungen können durch die Digitalisierung automatisiert und damit effizienter gestaltet werden. Wichtig dafür ist unter anderem der Umgang mit Daten. Christoph Scheuermann hat uns im Interview erklärt, welchen Herausforderungen man sich bei der Datenveredelung stellen muss und welche Faktoren maßgeblich zum Erfolg beitragen. 

Christoph Scheuermann ist seit 2016 Head of Partnerships bei figo in Hamburg und verantwortet die internationale Betreuung von neuen und bestehenden Partnern wie Banken, Fintechs und Finanzportalen. Zuvor war er bei PayPal Deutschland für neue Partnerschaften zuständig. Davor war Chris Scheuermann als Director Business Development beim Berliner Start Up enfore und betreute für die Software AG in Darmstadt die EZB sowie die europäischen Nationalbanken.

Das Ziel: schnellere und zuverlässigere Kreditenscheidungen 

Herr Scheuermann, „Datenveredelung“ – wie wichtig ist dieser Prozess in der Kreditdigitalisierung?

Bei der Kreditdigitalisierung geht es im Wesentlichen darum, Entscheidungen und damit Kreditzusagen schnell und automatisiert treffen zu können.

Datenveredelung bedeutet in diesem Kontext, dass die für eine schnelle, zuverlässige Kreditentscheidung herangezogenen Daten klar strukturiert und relevante Entscheidungskriterien sowie Risikofaktoren bereits herausgestellt sind.

Die gesetzliche und technische Herausforderungen

Wie sehr beeinflusst DSGVO und PSD2 die Datenveredelung?

KreditZunächst einmal schaffen die DSGVO und die PSD2 einen rechtlichen Rahmen für die Datenaggregation und -nutzung durch lizenzierte sowie nicht-lizensierte Anbieter. Was in der Vergangenheit gewissermaßen ein Graubereich war, ist nun durch den Regulator und Gesetzgeber klar definiert; das schafft Rechtssicherheit.
Die PSD2 verpflichtet beispielsweise Banken, sich europaweit gegenüber Dritten zu öffnen. Dies ermöglicht den Zugang und die Veredelung von Daten über die Grenzen Deutschlands hinaus.

Eine grundlegende Herausforderung ist, unterschiedliche Schnittstellen der Datenquellen technisch anzubinden und die Daten zunächst zu harmonisieren.

Christoph Scheuermann | figo GmbH

Welche Herausforderungen ergeben sich bei der Datenanalyse?

Eine grundlegende Herausforderung ist, unterschiedliche Schnittstellen der Datenquellen, wie zum Beispiel Banken, technisch anzubinden und die Daten zunächst zu harmonisieren.
Darüber hinaus geht es um die Erkennung relevanter Merkmale, was aufgrund unterschiedlicher Darstellungen von Dateninhalten, Bezeichnungen und Codierungen nicht einfach ist. Nicht jede Bank bietet SEPA Geschäftsvorfallcodes oder Textschlüssel.

Erfolgsfaktoren: Moderne Technologien, Transparenz und Nutzererfahrung

Können Sie uns drei Erfolgsfaktoren nennen und diese näher ausführen?

DatenanalyseAllen voran kommt es auf eine genaue und zuverlässige Erkennung von Risikofaktoren an. Hier helfen moderne Technologien wie Machine Learning. Bei Bankdaten zum Beispiel, gilt es die von vielen Kreditinstituten bereitgestellten Negativmerkmale zu nutzen und auszuwerten. Nehmen wir das Beispiel einer zurückgegangenen Lastschrift: sieht immer erst mal wie ein starker Risikofaktor aus. Doch die Ursache muss nicht beim Kunden und dessen Bonität liegen.

Neben einer DSGVO-konformen Verarbeitung der Daten ist es wichtig, dem Endkunden gegenüber eine Transparenz zu schaffen, wie seine Daten genutzt werden. Die Erfahrung zeigt, dass Kunden bereitwilliger sind, ihre Daten analysieren zu lassen, wenn sie den Zweck der Analyse verstehen.

Schließlich ist ein weiterer Erfolgsfaktor eine hervorragende Nutzererfahrung. Der Zugriff auf Datenquellen wie Bank- oder Kreditkarten muss einfach und optisch ansprechend umgesetzt sein und dabei die spezifischen Anforderungen zur Anbindung der Datenquellen möglichst genau abbilden.

Ihr Leitfaden für eine optimalen Transformationsprozess

Welche Methoden und Instrumente haben sich bei der Digitalisierung von Kreditprozessen bewährt? In unserem Seminar „Digitalisierung von Kreditprozessen“ erhalten Sie einen Überblick über neueste Trends und Entwicklungen in der Prozessautomatisierung.

KI in der Finanzbranche

Rückblick: Künstliche Intelligenz in der Finanzbranche

Die Finanzbranche befindet sich im Umbruch und hat mit der Künstlichen Intelligenz ein neues Anwendungsfeld im Bereich der digitalen Transformation geschaffen. Welche Methoden können bei der Optimierung von Geschäftsprozessen helfen? Und was kommt in den kommenden Jahren noch auf die Branche zu?
Jetzt kostenlos herunterladen!

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Back To Top

Künstliche Intelligenz in der Finanzbranche - wie gelingt das?

Die Finanzbranche befindet sich im Umbruch und hat mit der Künstlichen Intelligenz ein neues Anwendungsfeld im Bereich der digitalen Transformation geschaffen. Wie können Sie Ihre Geschäftsprozesse optimieren?

Jetzt herunterladen!

Download: Künstliche Intelligenz in der Finanzbranche - wie gelingt das?