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.
R E L A T I O N S H I P E Q U I T Y I M P R I V A T E B A N K I N G<br />
arbeitet und aus wohlhabendem Hause kommt, und eines jungen Kunden, der eher spät ein<br />
Psychologiestudium abgeschlossen hat und dem Mittelstand angehört.<br />
Um die Bewertungsergebnisse in einem leicht erfassbaren Format präsentieren zu können,<br />
müssen sie aber vereinfacht werden. Dabei richtet sich die Vereinfachungslogik nach den<br />
konkreten Bedürfnissen des Benutzers <strong>im</strong> Management. Der feingliedrige und modulare<br />
Aufbau der Kundencluster ermöglicht dabei eine flexible Anpassung an die Wünsche der<br />
Bankführung. Grundsätzlich ist also auch ein „Mapping“ auf eine schon bestehende („qualitative“)<br />
Lebenszyklus-<strong>St</strong>ruktur einfach möglich.<br />
6.3.1.2 Abgrenzung zu quantitativen Ansätzen<br />
Ein sich für die vorliegende Arbeit anbietendes alternatives Methoden- und Vorgehensset<br />
wäre <strong>im</strong> Bereich des quantitativen Marketings zu finden gewesen. Dabei handelt es sich um<br />
das sog. Data Mining, also die Bearbeitung grosser (Kunden-)Datenmengen mit statistischen<br />
Methoden 342 . Im vorliegenden Fall war es aufgrund des Fehlens eines Datensets nicht<br />
möglich, diesen Pfad zu gehen. Bei einem Einsatz des <strong>Relationship</strong> <strong>Equity</strong> Modells in der<br />
Praxis wäre aber der Einbezug von Data Mining Methoden eine sinnvolle Ergänzung zum<br />
Bestehenden:<br />
– Weitergehende Hypothesenvalidierung 343 : Die durch die Kundenberater aufgestellten<br />
Hypothesen hinsichtlich der potentialrelevanten Faktoren könnten teilweise auf einer<br />
grossen Datenbasis effizient und auf das konkrete Bankinstitut bezogen überprüft werden.<br />
– Verbesserung der Datenqualität: Durch den Einbezug weiterer Kundenattribute sowie<br />
deren Verknüpfung mit bereits bestehenden D<strong>im</strong>ensionen <strong>im</strong> Modell könnte unter anderem<br />
die Vollständigkeit und somit Qualität der Datenbasis erhöht werden. Dies wäre<br />
möglich, wenn statt auf den <strong>im</strong> Modell genutzten Faktoren (z.B. Angabe zum Reineinkommen)<br />
falls nötig auf Näherungen („Proxies“) basiert werden könnte (z.B. regelmässige<br />
Zahlungseingänge auf dem Konto, genaue Wohnadresse etc.). In der Betrachtung<br />
des Einzelkunden aus der Optik der Bank kann die s<strong>im</strong>ultane Analyse aller verarbeitbaren<br />
Informationsstücke bessere Ergebnisse liefern als dies aus einer Einzelbetrachtung<br />
der Fall wäre. Dabei liesse sich aus diversen Dokumenten wie Anträgen für Kreditprodukte,<br />
Baufinanzierungen oder aber <strong>im</strong> besten Fall natürlich ganzen Finanzplanungen<br />
eine sehr gut nutzbare Kundeninformationsbasis ableiten 344 .<br />
342 Seidmann (2001), 51: Die Methodik des Data Mining umfasst einerseits ungerichtete Ansätze wie das Clustering und<br />
anderseits gerichtete Ansätze wie die Entwicklung von Entscheidungbäumen. Der erste Ansatz, bei dem der<br />
Schwerpunkt auf der (unvoreingenommenen) Erkennung von Mustern in der Datenstruktur liegt, bildet oftmals den<br />
Einstieg in die Bearbeitung grosser Datenmengen, indem verschiedene Zusammenhänge durch das Auftragen von<br />
Attributsd<strong>im</strong>ensionen gegeneinander und die Bildung von Clustern erkannt werden können. Der zweite Ansatz verfolgt<br />
eine Zuteilung von Elementen (bzw. Kunden) nach best<strong>im</strong>mten Algorithmen zu Knotenpunkten in einem Entscheidungsbaum.<br />
Nach dessen Fertigstellung liegen klar strukturierte Regeln vor, welche es erlauben, neue Elemente<br />
zu beurteilen, zu kategorisieren und schliesslich opt<strong>im</strong>al zu bearbeiten.<br />
343 Auf den in Abschnitt 5.2.2.1 entwickelten Hypothesen aufbauend<br />
344 Interview mit Martin Huber (1.3.05). Die Frage des Kundendatenschutzes bleibt vorerst ungeklärt.<br />
194