Financiële dienstverleners verzanden in datamoeras

Simon_Linked_In-Bigger

Simon Kirby, directeur SI Industry Solutions Financial Services bij Qlik

Bedrijven in financiële services (FS) hebben een enorme hoeveelheid data, maar de meesten zetten dit niet effectief in om de dienstverlening aan hun klanten te verbeteren. Daar zijn vele redenen voor. Die redenen variëren. Zo ziet de een data vooral als een middel om interne rapporten te maken, gebruikt de ander hun data niet omdat het verbrokkelt zit in allerlei systemen of is de data simpelweg van slechte kwaliteit.

Een recent onderzoek van McKinsey toont eens te meer aan dat data en analyses de game changers zijn voor bedrijven in financiële dienstverlening. Ze verhogen de winstgevendheid en zijn de drijvende kracht om nieuwe zakelijke kansen te ontwikkelen. Innovatief denken en handelen kan het speelveld daadwerkelijk veranderen en biedt FS-bedrijven serieuze kansen. Dit zorgt ervoor dat veel grote financiële spelers hun cultuur, systemen en processen opnieuw aan het uitvinden zijn.

De kleinere, meer flexibele FS-bedrijven (fintechs) duiken steeds vaker op en brengen interessante nieuwe, op data gebaseerde producten op de markt, die direct beantwoorden aan de behoeften van de moderne klant. Om te kunnen concurreren en relevant te blijven, zien we voorbeelden van grote financiële instellingen die deze kleinere fintechs overnemen en ze vervolgens als een aparte business in hun portfolio positioneren.

Handen omlaag

Tijdens een onlangs door Qlik in Amsterdam georganiseerd seminar met financiële dienstverleners hebben we het onder meer gehad over de behoeften van de moderne klant. En stelden daar dezelfde vraag als op een vergelijkbaar evenement in Milaan: ‘Wie werkt er momenteel aan een datagedreven klantbelevingsproject?’ Net als in Italië bleven alle handen liggen. Verrassend, omdat het in onze moderne wereld van data, AI en machine learning hoogst onwaarschijnlijk is dat de oude benadering van klantenservice in de toekomst voldoende of duurzaam zal zijn.

Silo-denken

Mijn ervaringen bij banken en verzekeraars in de afgelopen 25 jaar hebben mij geleerd dat FS-bedrijven traag bewegen en de tijd nemen om nieuwe manieren van werken te adopteren. En ze zijn zodanig georganiseerd dat het lastig is om buiten hun afdelingssilo's te werken, wat het direct lastig maakt om toegang te krijgen tot alle beschikbare data, om deze te combineren en om daarmee effectieve en tijdige beslissingen te kunnen nemen.

Datamoeras

Om deze problemen te tackelen, hebben de financials data warehouses en data lakes gecreëerd op basis van Hadoop. Desondanks wordt bij een deel van deze bedrijven nu niet meer gesproken over data lakes – datameren – maar van een datamoeras, omdat ze moeilijk kwalitatief goede data eruit kunnen halen. Traditionele rapportage- en business intelligence-benaderingen zijn afhankelijk van bekwaam personeel met kennis van de complexe datamodellen die zij hebben gebouwd, evenals vaardigheden zoals ETL, SQL en Master Data Management. De teams met deze vaardigheden worden vaak overladen met verzoeken vanuit de business, maar hebben zelden een grondige kennis van de bedrijfsprocessen zelf of de problemen die moeten worden opgelost.

Gedecentraliseerde data-analyse en datageletterdheid

Om echt gebruik te maken van de rijke data die FS-bedrijven hebben en om daar de voordelen uit te behalen die ze willen, moeten ze een moedige en noodzakelijke stap zetten om de analyse van data te decentraliseren. Dit betekent niet dat de data zelf moeten worden gedecentraliseerd. Nee, die kan blijven waar het nu zit, of dat nu in een spreadsheet is, een datawarehouse, data lake of iets anders. Nee, de sleutel tot effectief gebruik van data is het empoweren van sleutelfiguren binnen het gehele bedrijf om met goede tools toegang te krijgen tot de data, om deze gegevens te begrijpen, zodat ze de data goed interpreteren. Ik heb gewerkt met een aantal vooruitstrevende bedrijven die precies dit doen en ongelooflijke resultaten boeken. Banken die fraude actief verminderen binnen hun creditcard activiteiten en geldautomatennetwerk. Verzekeraars die gegevens van mobiele apparaten combineren met hun interne gegevens om potentiële nieuwe klanten te identificeren en beter rijgedrag te stimuleren.

Zo zijn er onnoemelijk veel voorbeelden. Voor mij is het dan ook duidelijk: de magie van data, is niet de data zelf, het is de manier waarop mensen ermee omgaan en hoe we het goed gebruiken.