Compliance: Vom Cost Center zum Profit Center

Die Banken sind mit vielen regulatorischen Anforderungen und Herausforderungen der digitalen Big-Data-Welt konfrontiert. Die Regulatoren sprechen vermehrt von „risk-based and ongoing data analysis“, von „informatikgestützter Überwachung der Geschäftsbeziehungen und Transaktionen“ sowie von „Linkanalyse“. Das kostet Geld. Das Finnova Analytical Framework ermöglicht es, die hierbei anfallenden Kosten in Investitionen zu überführen und einen Return on Investment zu generieren.

Das Finnova Analytical Framework (FAF) ermöglicht es den Banken, aus den veralteten Stereotypen und dem Silodenken auszubrechen, die Kostencenter in Profitcenter umzuwandeln sowie neue Themenbereiche und Leistungen einer modernen Bank im Zeitalter der Digitalisierung und Industrialisierung effizient und kostengünstig abzudecken.

Kostenreduktion

Die Regulierungslast und die Fixkosten einer Bank für die Erfüllung von regulatorischen und Compliance-getriebenen Anforderungen wie AML, Betrugserkennung, Transaction Monitoring, Credit Rating, etc. können nun auch für viele andere Non-Compliance-Themen wie Analytical CRM, Robo-Advice, interne und externe BI, etc. verwendet werden.

Durch die vollautomatisierte und sich selbst verbessernde Erstellung, Optimierung und Validierung mit gleichzeitig laufender Kalibrierung der analytischen Modelle ist die menschliche Interaktion auf ein Minimum reduziert. Die Verwendung derselben Infrastruktur, Prozesse und Methoden zur Lösung von Aufgabenstellungen in verschiedensten Bereichen einer Bank tragen dazu bei, Silos innerhalb der Bank aufzubrechen, Synergien zu erzeugen und die Fixkosten signifikant zu reduzieren.

Finnova Analytical Engine als Herzstück

Das Herzstück des FAF ist in die Plattform der Finnova Banking Software eingebettet: die Finnova Analytical Engine. Sie basiert auf den von Prospero proprietär entwickelten präzisen Optimierungsalgorithmen, welche aus strukturierten und unstrukturierten Daten Erkenntnisse über verdeckte Risiken und Opportunitäten gewinnen und diese quantifizieren.

Diese Algorithmen basieren auf den Prinzipien des maschinellen und evolutionären Lernens. Sie automatisieren komplizierte und rechenintensive Aufgaben wie Modellerstellung, -validierung, -optimierung und -kalibrierung. Die Treffergenauigkeit, die Fehlerfreiheit und die Modellstabilität werden ständig maximiert und verbessert. Dadurch ermöglicht das FAF eine kosteneffiziente sowie tragbare Anwendung und Handhabung von anspruchsvollen und komplexen analytischen Methoden in allen Bereichen einer Bank.

Früher Grossbanken vorbehalten

Die Verwendung dieser Methoden war bislang nur den grössten Banken vorbehalten. Denn nur sie konnten sich den Aufwand in Infrastruktur und die hochspezialisierten Analytikerteams leisten.

Für die Finnova-Banken ändert sich dies dank dem Finnova Analytical Framework schlagartig: In der hochautomatisierten analytischen Lösung von Finnova werden die optimalen Verfahren vom System selbständig gefunden und parametriert; gleichzeitig werden evolutionäre Lernprozessmodelle höchster Güte erstellt. Damit verbessern sich die Kosteneffizienz und die Prozessrenditen.

Auch kleineren Banken eröffnen sich dadurch neue Möglichkeiten und Chancen, Märkte und Kundenbasen zu verteidigen und zu erweitern.

Deep Learning & Big Data: Digitalisierung der Entscheidungsprozesse

„Das Finnova Analytical Framework verbindet modernste Technologien wie Deep Learning und Big Data Analytics mit fundiertem Banking-Know-how. Die Lösung besitzt das Potenzial, die Entscheidungsprozesse in Banken grundlegend zu digitalisieren. Die Lösung ist ein erster Schritt zur Automatisierung von Expertenwissen.“

Prof. Dr. Thomas Zerndt, Leiter des Kompetenzzentrums Sourcing in der Finanzindustrie

Preisverleihung Finnova Analytical Framework BEI CC Sourcing

Bild: Prof. Dr. Rainer Alt, Institut für Wirtschaftsinformatik, Universität Leipzig, und Nikolai Tsenov, Product Manager Compliance, Finnova AG, bei der Preisverleihung.

Diese Seite verwendet Cookies Cookie-Statement