Interview mit Michael Sailer und Thomas Ledl, beide im Data Mining bei der Raiffeisen Analytik tätig

Michael Sailer

Hallo Michael Sailer und Thomas Ledl, Sie sind beide im Data Mining bei der Raiffeisen Analytik tätig. Welche Relevanz hat die Predictive Analytics für Ihre Arbeit?  Wie setzen Sie Predictive Analytics ein und welches sind Ihre Ziele für diesen Bereich im nächsten Jahr?

Predictive Analytics lässt uns im Finanzbereich nicht genutzte Kundenpotentiale erkennen und ermöglicht uns einerseits bessere Selektionen von Kunden für Vertriebs- und Marketing-Maßnahmen, andererseits die Erhöhung der Kontaktfrequenz bzw. der Kundenbindung. Predictive Analytics spielt daher ständig eine Rolle, um die genannten Themen täglich zu unterstützen. Unseren Hauptfokus legen wir 2014/2015 auf die Entwicklung einer Multi Channel Strategie.

Laut der Harvard Business Review ist der Job des Data Scientist der attraktivste Job des 21. Jahrhunderts. Was macht diesen Beruf so sexy?

In diesem Beruf kann die Neugierde im Menschen heutzutage einigermaßen rasch befriedigt werden. Mit der heutigen Technologie macht es Spaß, Leute im Unternehmen zu überraschen, was alles mit fundierter Daten-Aufbereitung/–Analyse möglich ist.

Sie sprechen auf der Predictive Analytics World am 4.-5. November in Berlin. Der Titel Ihrer Session ist “ Entwicklung und Anwendung eines Kündiger-Frühwarnsystems im Finanzbereich”. Warum ist dieses Thema so wichtig und relevant?

Kunden zu halten ist in der Regel ungleich günstiger als neue Kunden zu gewinnen. Der Abgang von Kunden, insbesondere von solchen mit hohem Ertragspotential, ist für jedes Unternehmen ein herber Verlust. Ziel ist es, solche abwanderungsgefährdeten Kunden rechtzeitig anzusprechen und die Kündigung zu verhindern. Durch die treffsichere Auswahl von potenziellen Kündigern gewinnt der Kundenberater wertvolle Zeit und die Bank spart sich nicht nur Kosten, sondern verringert auch den Kunden-Verlust.

Was können die Konferenzteilnehmer von Ihrem Vortrag erwarten – und was erwarten Sie von den Teilnehmern?

Wir zeigen, dass Churn bei Raiffeisen nicht nur das Erstellen eines Scoring-Modells darstellt, sondern ein Prozess von der Erhebung potenzieller Kündigungsgründe durch die Berater bis zur Einspielung ausgewählter Kunden ins CRM-System bzw. Erfolgsmessung ist.
Unsere Erwartung: aufmerksames Publikum & intensiver Austausch nach der Präsentation

Big Data ist immer noch ein aktuelles Thema in 2014. Was glauben Sie? Ist dies nur ein Hype oder bringt dies eine bedeutende Veränderung für Predictive Analytics? Was bedeutet Big Data für Ihr Geschäftsfeld und können Sie Analytics bereits heute auf einem Big Data Level anwenden?

Big Data bringt insofern eine Veränderung, indem klassische statistische Verfahren aufgrund von Größe & Unstrukturiertheit von Daten an Bedeutung verlieren. Stichproben-Sampling und Import fehlender Werte werden an Bedeutung gewinnen. Im Vergleich zu anderen Industriezweigen kann in unserem Geschäftsfeld eher nicht von Big Data gesprochen werden, bestenfalls in der Transaktionsdaten-Analyse bzgl. des Aspekts „Daten-Volumen“.

Was kommt nach Big Data und welche Trends (web/digital) werden Predictive Analytics voraussichtlich in den nächsten 1-2 Jahren prägen?

Wir denken, dass in unserem Tätigkeits-Umfeld Real-Time Analysen in den nächsten Jahren zunehmen werden. Außerdem glauben wir, dass die Bereitstellung und Aufbereitung der Daten für Kunden, aber auch Berater, eine stärkere Rolle spielen wird.

Und eine weitere persönliche Frage: was ist Ihr favorisiertes Prediction Tool oder Methode? Und warum?

Wir verwenden IBM SPSS Modeler, da wir mit der Software seit vielen Jahren zufrieden sind und der Kosten-/Nutzen-Faktor eine wesentliche Rolle spielt. Favorisierte Methoden sind neben der Logistischen Regression auch die Interaktive Entscheidungsbäume, da dort mit Wissen der Experten inhaltlich nachvollziehbare, interpretierbare Modelle mit zeitlich beständigerer Güte gebildet werden können.