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