Finanzdienstleistungen

Unsere Vision

Daten stehen im Zentrum des Geschäfts von Finanzdienstleistern.

Banken, Investmentgesellschaften und Versicherer weisen in der Regel eine höhere Daten- und KI-Reife auf als andere Branchen. Nach großen Fortschritten bei der Nutzung interner Daten in großem Maßstab wenden sich diese Akteure nun externen Daten zu und definieren zugleich eine passende Daten- und KI-Governance – in einem Umfeld wachsender Regulierung (DSGVO, Data Act, AI Act). Sie stehen weiterhin vor großen Transformationsaufgaben, zum Beispiel:

• Risiko- und Compliance-Funktionen verbessern ihre Prozesse durch eine bessere Datennutzung weiter (Betrugserkennung und -prävention, Management operationeller Risiken, verantwortungsvolle und vertrauenswürdige KI, Data Act und AI Act usw.);
• Vermögensverwalter und Investmentgesellschaften entwickeln sich dank alternativer Daten rasch weiter (Identifikation potenzieller Kunden auf Basis von Transaktionsdaten von Unternehmen, Auswahl von Investmentchancen, Nutzung von Satellitendaten usw.);
• Retailbanken setzen Data-Science-Werkzeuge und -Modelle ein, um ihren Vertrieb und ihre Online-Angebote zu verbessern (Next Best Offer und Next Best Action, Churn, Scoring usw.);
• Privatbanken stärken ihr KYC durch eine fortgeschrittene Datennutzung;
• Versicherer schätzen Risiken mit prädiktiven Modellen des maschinellen Lernens genauer ein.

Unser Angebot

Emerton Data begleitet Finanzdienstleister mit:

• Daten- und KI-Strategien zur Transformation einer Funktion (zum Beispiel Pricing, Marketing oder Schadenbearbeitung);
• der Konzeption und Entwicklung von Datenplattformen;
• Anwendungsfällen auf Basis von Kundendaten (Marketing-Mix-Modellierung, Scoring, Pricing, Marktbeobachtung, KYC, Churn, Customer Lifetime Value usw.);
• Daten-Anwendungsfällen für mehr Effizienz (Schadenmanagement, Risikomanagement, Betrugsbekämpfung usw.);
• Daten-Anwendungsfällen zu Nachhaltigkeit und ESG;
• Governance und Betriebsmodell für verantwortungsvolle KI (strategischer Ansatz, Organisation und technischer Ansatz zu Fairness, Robustheit und Erklärbarkeit von KI-Modellen);
• Open-Data-Ansätzen und alternativen Daten.