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 />
– Fehlende Impulse zur Weiterentwicklung: Zwar ist die Anwendung vorhandener Daten<br />
wie dies be<strong>im</strong> Einsatz eines quantitativen Verfahrens vorausgesetzt werden müsste,<br />
sehr pragmatisch, kann aber in der Findung der besten Lösung ggf. hinderlich sein. Ein<br />
Modell, das hingegen „auf der grünen Wiese“ gebaut worden ist, sich dabei einzig auf<br />
die Beiträge von Experten und logischen Konzepten stützt und nicht auf organisatorische<br />
Gegebenheiten Rücksicht nehmen muss, kann die Findung dieses Ideals überhaupt erst<br />
angehen. Zwar wird es bei der Implementierung mit hoher Best<strong>im</strong>mtheit zu Abstrichen<br />
kommen, wenn das Konzept mit der Realität abgeglichen wird; zudem wird der ganze<br />
Gedankenprozess wohl mehr Zeit in Anspruch nehmen als bei einer direkten Konzentration<br />
auf das Vorhandene. Dennoch kann ein solches Vorgehen auch helfen, Horizonte zu<br />
öffnen, Impulse zur Erstellung notwendiger Datengrundlagen zu geben und somit mithelfen,<br />
eine Organisation weiterzubringen.<br />
– Mangelnde Repräsentativität: Wenn die Berechnung von Transformationswahrscheinlichkeiten<br />
nicht auf öffentlich zugänglichen Daten beruht, welche das Verhalten der Gesamtbevölkerung<br />
widerspiegeln, sondern wie beschrieben auf errechneten Transformationswahrscheinlichkeiten<br />
der bestehenden Bankkunden, stellt sich die Frage, ob die Kunden<br />
sich eher wie andere Bankkunden verhalten oder aber eher wie die Grundgesamtheit<br />
der Bevölkerung? Es ist anzunehmen, dass bei Grossbanken eine kritische Menge an<br />
Kunden vorhanden ist, um von diesen Schlüsse auf alle anderen zu ziehen. Bei kleineren<br />
Instituten erscheint die Verwendung repräsentativer, öffentlich verfügbarer Daten opportuner.<br />
Dies gilt jedoch vornehmlich für die vom statistischen Bundesamt gut abgedeckten<br />
Lebensbereiche.<br />
– Mangelnde Relevanz aus Kundenwertsicht: Die Anwendung der Clusteringmethode<br />
führt durch Gruppierung von Kunden mit ähnlichen Eigenschaften <strong>im</strong> Sinne einer verkaufsrelevanten<br />
<strong>St</strong>rukturierung der Kundenbasis. Wenn man das vorliegende Konzept<br />
der Modellierung des Kunden entlang seines Lebenszyklus berücksichtigt, sind aber einige<br />
Folgerungen aus dem statistischen Clustering nicht unbedingt wünschenswert: Eine<br />
Gruppierung der Kunden nach relevanten soziodemographischen Unterscheidungskriterien<br />
kann zum einen grundsätzlich dem Konzept des Lebenszyklus entgegenstehen,<br />
wenn bspw. das Kundenverhalten nicht von der Altersstufe abhängig ist und Cluster somit<br />
über die Altersgrenzen hinweg gebildet werden müssten. Zum anderen ist ein<br />
Clustering nach der momentanen Profitabilität aus der Lebenszyklussicht ebenfalls nicht<br />
sinnvoll, da punkto Profitabilität homogene Kunden in ihren anderen Attributen sehr<br />
verschieden sein können und diese zudem nicht viel über den Gegenwartswert des Lebenswertbeitrags<br />
aussagt 349 . Somit könnte es sein, dass die Modellierung entlang des<br />
Lebenszyklus grundsätzlich in Frage gestellt wäre, was auf die Verständlichkeit und Akzeptanz<br />
des Modells abträglich wirken könnte.<br />
349 Knöbel (1997)<br />
196