Relationship Equity im Private Banking - Universität St.Gallen

Kapitel 6 – Entwicklung eines Relationship Equity Cockpits
der heutigen Leistungsmessung). Aus Sicht einer spezifischen Bank ist aber neben dieser
umfassenden Kundenentwicklung vor allem auch der im eigenen Institut zukünftig zu erwirtschaftende
Beitrag von Relevanz. Der spezifische Beitrag der heutigen Kunden wird in
der Bewertungsrechnung erfasst und im nächsten Abschnitt beschrieben. Daneben stellt sich
aber die Frage nach der Behandlung von Kundenabgängen, welche sich über den Verlust
von zukünftigen positiven Cashflows hinaus auch negativ auf das Image einer Privatbank
auswirken können („negative Referenzen“) 326 .
Die erste, direkte Wirkung wird hier mit einem sehr transparenten Ansatz behandelt: Die bis
hierhin beschriebene Modellierung der organischen Entwicklungsmöglichkeiten wird nicht
in dem Sinne verändert, dass neben den bestehenden Entwicklungsmöglichkeiten eine weitere
für Kundenabgang hinzukäme. Dies würde nämlich die Sicht des Kunden als integrales
Individuum und nicht als Kunden einer Bank beeinträchtigen. Vielmehr erfolgt eine Kennzeichnung
potentiellen Kundenabgangs nach der Berechnung der Entwicklungsmöglichkeiten
nach folgender Systematik:
1. Festlegen standardisierter Abgangswahrscheinlichkeiten pro Kundengruppe: Diese
Werte sind im vorliegenden Proof of Concept pro Alterssegment angenommen, könnten
in der Realität aber leicht anders berechnet werden. Zum Beispiel könnte eine Verfeinerung
nach der gewählten Clusterstruktur vorgenommen werden.
2. Berechnen einer Entwicklungsmöglichkeit: Wie im vorigen Abschnitt beschrieben,
werden Entwicklungsmöglichkeiten evaluiert. Nach der Identifikation jeder solchen
Möglichkeit wird die folgend beschriebene „Kundenabgangsmarkierungslogik“ initiiert.
3. Markieren von potentiellen Kundenabgängen: Pro Entwicklungsmöglichkeit wird
abhängig vom Alter des Kunden und mittels einer Zufallszahl bestimmt, ob dieser abgangsgefährdet
ist. Wird dies so errechnet, erfolgt eine spezielle Markierung der Position
des Kunden im betreffenden Cluster. Die Entwicklung des Kunden wird von diesem
Punkt aus weitergerechnet, jedoch stets mit einer Abgangsmarkierung versehen. Ein
einmal markierter Kunde kann also nicht wieder in die „aktive“ Population eintreten.
Mit diesem Vorgehen ist es der Zufall, der über den mutmasslichen Abgang eines Einzelkunden
entscheidet; auf die Gesamtheit der Kunden bezogen ist jedoch sichergestellt,
dass eine Fluktuation im Rahmen der pro Alterssegment gemachten Vorgabe geschieht.
In der nachfolgenden Datenanalyse kann so sehr transparent ausgewiesen werden, welcher
Teil der ganzheitlich errechneten Kundenwerte pro Cluster abgangsgefährdet ist. Bei der
Betrachtung von Einzelkunden ist dieses „Flagging“ selbstverständlich nicht relevant, denn
für den Einzelfall könnte der Kundenberater in seiner Subjektivität die Abgangswahrscheinlichkeit
viel genauer einschätzen. Mit dem Ziel der Arbeit vor Augen, ein Instrument zu
326 Zum besseren Verständnis der verschiedenen Wertkomponenten halte man sich die Abbildung 6-4 vor Augen, welche
Kundenpotential in eine organische, eine anorganische sowie eine indirekte Komponente unterscheidet.
179