Location Intelligence in der Finanzindustrieoperative Herausforderungen für ein BI Competence Center

Transkript

1 Location Intelligence in der Finanzindustrieoperative Herausforderungen für ein BI Competence Center Dr. Matthias Nolte Max Mustermann Seite

2 Location Intelligence Unter Location Intelligence versteht man die Nutzung des Raumbezuges zur Verbesserung - der Datenvisualisierung, - der Analyse und - zur Vorhersage. Durch die Verbindung alphanumerischer und räumlicher Daten entsteht eine zusätzliche und intuitive Sicht, die es ermöglicht, räumliche Muster, Trends und Potentiale zu erkennen. Location Intelligence schafft durch die Berücksichtigung räumlicher Gegebenheiten - in BI-Lösungen eine optimierte unternehmerische Entscheidungsgrundlage, - in CRM-Lösungen eine bessere Kundeninteraktion und - integriert in Geschäftsprozesse eine höhere Prozessqualität. Quelle: Michael Arthen, 2014 BI Review

3 Gartner Hype Cycle

4 Location Intelligence ist seit 2014 Bewertungsbestandteil im Gartner BI Quadrant Geospacial and location intelligence: answering questions about where become critical. Therefore we include mapping and geographic analysis capabilities in the 2014 BI Quadrant

5 Location Intelligence in der praktischen Anwendung

6 Rahmenbedingungen für Location Intelligence in der Finanzindustrie Finanzindustrie operiert seit Jahren in gesättigten Märkten Retailbanking ist gerade in Ballungszentren ein Käufermarkt Kundenbedürfnisse noch stärker sind in das Zentrum der Vertriebsaktivitäten gerückt Auch Wettbewerberbeobachtung rückt zunehmend in den Fokus der Ausrichtung von Vertrieb, Marketing und Organisation

7 Traditionelle Filialbanken Stuck on the middle*? Direktbanken, Fintech- Unternehmen Sparkassen, Genossenschaften, Großbanken Finanzdienstleister Wenige Standardprodukte zu minimalen Kosten, disruptive Technologien. Filialzentrierte Mulitkanalstrategie Personelle Beratungsund Betreuungskonzepte mit flexiblen Geschäftsstellen und Außendienst-Mitarbeitern Immer weniger Bankgeschäfte des täglichen Bedarfs werden heute noch in Filialen abgewickelt. * Porter, Michael E.: Competetive Strategy. 2. Auflage. New York

8 Vielfach zitiert: der Location Intelligence Mythos Bis zu 80% der Unternehmensdaten haben einen relevanten Bezug zur Geografie Die Raumdimension sollte systematisch für die Steuerungs- Unterstützung erschlossen werden! Quelle z.b.: Fraunhofer IML, Geobase Datenbasis für logistische und geographische Informationen, empirisch nicht belegt

9 Typische Fragestellungen in der Finanzindustrie (1/3) 1. Erarbeitung differenzierter Filialkonzepte In welchen Gebieten wird welches Filialkonzept realisiert? - Beratungszentrum - Terminalfiliale - GA-Standorte Welche Produkte werden in welchen Filialen besonders stark nachgefragt? Kundenströme verstehen Kunden wickeln ihre Geschäfte nicht zwangsläufig in der Filiale in der Nähe ihres Wohnortes ab. Ggf. nutzen sie Filialen in der Nähe - ihres Arbeitsplatzes - von Einkaufszentren. Geografische Analysen visualisieren dieses Kundenverhalten

10 Typische Fragestellungen in der Finanzindustrie (2/3) 2. Wo platziert man Filialen richtig im Raum (Öffnung, Verlegung, Zusammenlegung)? Wo sitzen potenzielle Kunden? Wo sitzt der Wettbewerb? Wo befinden sich Frequenzbringer und attraktive Wettbewerbsstandorte? Welche von zwei Filialen soll bei einer Zusammenlegung erhalten bleiben -> optimale Potenzialabdeckung trotz Filialrückbau 3. Transparentes Markt- und Potential-Controlling der Filialen Zuordnung von einheitlichen Kerneinzugsgebieten, um gerechte Vergleichbarkeit zu ermöglichen. Einzugsgebiet definiert sich bspw. durch - Entfernung zur Filiale, - Einwohner- oder Kundenzahlen. KPIs werden mit Markpotentialen in Beziehung gesetzt

11 Typische Fragestellungen in der Finanzindustrie (3/3) 4. Zielgruppengenaue Aussteuerung von Filialmarketingmaßnahmen Identifikation der Gebiete, in denen besonders viele Menschen leben, die der Zielgruppe entsprechen. Effektive Verteilung von Werbemitteln Identifikation idealer Promotion-Standorte

12 Komponenten einer Location Intelligence-Lösung Location Analytics Visualisierungen Analyse Vorhersage Applikationen Standortanalysen Kampagnenunterstützung Betrugserkennung Operationen Flächen Entfernungen Punkt im Polygon Polygonrelationen Datenhaltung Geodatenmodell Punkte Polygone Geohierarchien Geo-ETL Geocoding Adressen Hintergrundkarten Filial- & GA-Standorte Datenintegration Administrative Gebiete Mikrozensus-Regionen Geo Daten ergänzende Daten

13 Übliches erstes Anwendungsgebiet: Visualisierung von KPIs auf Karten Erfolg und Handlungsbedarf werden sofort sichtbar

14 Welche Karten könnten relevant sein? Bsp: Berlin (1/2) Stadtgebiet Bezirke Ortsteile PLZ-Gebiete Statistische Gebiete Lebenswirtschaftlich Orientierte Räume

15 Welche Karten könnten relevant sein? Bsp: Berlin (1/2)? Eigenes Vertriebsgebiet RBS-Blöcke Grids

16 Mögliche KPI-Darstellung: Deckungsbeitrag Kunden Total wenig (fiktive Daten) viel

17 Mögliche KPI-Darstellung: Marktpentration relativ zur Einwohnerzahl gering (fiktive Daten) groß

18 Mögliche KPI-Darstellung: Kundenwachstum relativ zur Einwohnerzahl Großer Verlust Keine Änderung (fiktive Daten) Großer Gewinn

19 Mögliche KPI-Darstellung: Kundenwachstum - Hotspotanalyse Großer Verlust Keine Änderung (fiktive Daten) Großer Gewinn

20 Nutzer hat Bedarf nach dynamischer Nutzbarkeit von Karten Ebenen ein und ausblenden Zeitbezug wechseln Drill down Zoom & Pan Bidirektionale Selektion

21 Basis jeder Geoanalyse: Geocoding von Adressen und Regionen Postalische Informationen Raumbezüge

22 Daten verknüpfen über Geo-Hierarchien z.b.: Vertriebsgebiet Regionen Gebäudepreise Soziodemographische Daten Bezirke Mietspiegel Konkurrenzdaten Orte/Ortsteile Raster (Gebäude-) Standorte Kaufkraft Kunden Filialen pot. Kunden Konkurrenzstandorte Lokalisiert über geographische Koordinaten POS Kundensegment Durchschn. Kundenwert Einzugsgebiet der Filiale

23 Faktoren erfolgreicher Standortplanung Kundenpotentiale im Einzugsgebiet Soziodemografie Konsumverhalten Tagesbevölkerung Gewerbeumfeld Fußgängerzone Einkaufszentrum Nähe zum ÖPNV Kaufkraft Zentralität Bevölkerungsdichte Zentrentypologie Wettbewerbereinfluss Eigenes Filialnetz Kanibalisierung

24 Location Application: Zentren- und Standortbewertung Eine Ansiedlung ist empfehlenswert in Zentren mit hohem Standort- und Zielgruppenscore. Standort- und Zielgruppenscore höchster Score überdurchschnittlicher Score durchschnittlicher Score leicht unterdurchschnittlicher Score weit unterdurchschnittlicher Score niedrigster Score

25 Location Application: Simulation der Kundenzahlen bei Neueröffnung/Schließung Berechnung der räumlichen Potentiale jedes Standorts auf Straßenabschnittsebene Anwendung spezieller Gravitationsmodelle Simulation der Auswirkung von Änderungen im Filialnetz auf die Kundenzahlen (fiktive Daten)

26 Location Application: Gravitationsanalyse aus Kundensicht Annahme max. Gehdistanz: 500m Distanz Filiale 1: 50m Filiale 2: 400m Filiale 1 Filiale 2 Attraktivität 1 und 2 identisch Kunde Besuchswahrscheinlichkeit Filiale 1: 89% Filiale 2: 11% Quelle: Analog Microm-Broschüre Standortbewertung und Filialnetzoptimierung,

27 Location Application: Gravitationsanalyse aus Kundensicht Annahme max. Gehdistanz: 500m Distanz Filiale 1: 50m Filiale 2: 400m Filiale 1 Filiale 2 Attraktivität 1 Höhere und 2 Attraktivität identisch von 2 Kunde Besuchswahrscheinlichkeit Filiale 1: 89% 68% (89%) Filiale 2: 11% 32% (11%) Quelle: Analog Microm-Broschüre Standortbewertung und Filialnetzoptimierung,

28 Location Application: Gravitationsanalyse aus Kundensicht Annahme max. Gehdistanz: 500m Distanz Filiale 1: 50m Filiale 3 Filiale 1 Filiale 2 Kunde Filiale 2: 400m Filiale 3: 400m Attraktivität Höhere Attraktivität von 2 Besuchswahrscheinlichkeit Filiale 1: 65% 68% [68%] (89%) (89%) Filiale 2: 27% 32% [32%] (11%) (11%) Filiale 3: 8% Quelle: Analog Microm-Broschüre Standortbewertung und Filialnetzoptimierung,

29 Technische Basis? BUSINESS INTELLIGENCE LOCATION LOCATION INTELLIGENCE + =? 1. Business Intelligence System, hier: SAP Business Objects Informationssysteme zur Erfassung, Bearbeitung, Organisation, Analyse und Präsentation alphanumerischer Daten. 2. Geographisches Informations- System (GIS), hier: QGIS Informationssystem zur Erfassung, Bearbeitung, Organisation, Analyse und Präsentation räumlicher Daten

30 Architekturvariante 1: GIS steht neben BI Report Designer Report Konsument Map Designer Map Konsument BI-Reports BI-Server BI Desktop Datenexport GIS Desktop Maps GIS-Server Business Daten Geo Daten Business-Daten werden aus DWH exportiert (Technologiewechsel) Geocodierung und Geodatenhaltung erfolgt komplett im GIS GIS kann voll ausgereizt werden, räumliche Logiken und Strukturen möglich Kartendarstellung durch GIS

31 Architekturvariante 2: Closed Loop Report Designer Report/Map Konsument Map Designer Map Konsument BI Desktop GIS Desktop BI-Reports BI-Server Maps Closed Loop Maps GIS-Server Business Daten Geo Daten Geocodierung wird im GIS vorgenommen Export von Business-Daten an GIS, Operationen erfolgen im GIS Ergebnisse werden in DWH importiert (Closed Loop) einfach Geoanalytik kann in beiden Systemen erfolgen

32 Geodaten Architektuvariante 3: Vollintegration -> Location enabled Enterprise DWH Report/Map Designer Report/Map Konsument Import BI-Reports BI/GIS Desktop Maps Integration Webservice BI/GIS-Server Geo Daten Business Daten Geocodierung wird im Zentralen Server oder durch einen Service vorgenommen Datenhaltung und Geoanalytik erfolgt in einem einzigen System Adressen Hintergrundkarten Filial- und GA-Standorte Administrative Gebiete Mikrozensus-Regionen

33 Aktueller Status in der Finanzindustrie* Skills und Workfow - Location Intelligence als fester Bestandteil der Unternehmens- Führung beginnt gerade erst, in das allgemeine Bewusstsein zu rücken - Kaum GIS Know-how in der Business Intelligence Welt - Karten werden oft noch manuell und einzelfallbezogen erstellt - Exploratives Arbeiten mit geographischen Daten aktuell nur bedingt möglich und für viele auch (noch) nicht vorstellbar - wenn überhaupt werden Workaround-Lösungen eingesetzt ohne direkten Beziehung zwischen klassischer BI und GIS * Persönliche Wahrnehmung

34 Aktueller Status in der Finanzindustrie* Applikatorische Unterstützung Klassische BI-Anbieter bieten meistens nur einfache Kartenunterstützung Klassische GIS-Anbieter beginnen erst, den BI-Markt zu erschließen Keine Applikation vereint beide Welten befriedigend (bisher) Datenbank-Technologie Geometriedaten haben noch ein Exotendasein Klassische Unternehmens-Datenbanken wie ORACLE und SAP/Sybase besitzen eher rudimentäre Spacial Data-Modelle und Methoden (Markt ist in Bewegung) Geo-SQL lediglich per Hand noch keine 100%-ig überzeugende Integration in BI-Suiten Analytik und Reporting Funktionalität von Business Maps eher rudimetär stark limitierte Funktionalitäten GIS-Plug-Ins weisen in die richtige Richtung * Persönliche Wahrnehmung

35 Handlungsempfehlung Zeigen Sie intern das Potential von Location Intelligence auf -> Evangelisierung Finden Sie fachliche Sponsoren Bauen Sie im BICC Know-how auf Sammeln Sie zunächst Erfahrung mit Open Source GIS bevor sie investieren (z.b. zur Erstellung eigener Karten, GEO-SQL etc.) Starten Sie mit kleinen Prototypen und entwickeln Sie von dort aus agil weiter

36 Handlungsempfehlung Beschaffen Sie sich öffentlich zugängliche Orts- und Raumdaten Hinterlegen Sie relevante Karten im Unternehmen-Reporting Entwickeln Sie dynamische Karten zur interaktiven Nutzung im Webbrowser Unterstützen Sie Ad-hoc Visualisierung direkt aus dem DWH Aufbau erster Applikationen Ernsthafte Location Intelligence bedingt früher oder später eine Anpassung der BI-Architektur -> ist die aktuelle Architektur bereits ausgereizt? -> rechtfertigen die aktuellen/absehbaren Use-cases eine Investition? -> Berücksichtigung in der Architektur- und Investitionsplanung

37 Bsp.: Erste rudimentäte Standortanalyse im klassischen BI-Umfeld Ertragskennziffern Potenzialkennziffern Integration Kalkulationen/ Transformationen Analysen Standort- kennziffern Markt- kennziffern Datenpool Extrakt Scoring-Modell - Keinerlei Geodaten-Modellierung - Datenmodellierung erfolgt im klassischen DWH (simplifiziertes Modell) - Beschränkung zunächst auf wenige Kennziffern - Schlüsselung aller Fakten auf OE (weil vorhanden. OE = Location!) - zunächst Verzicht auf rechenintensive Prozesse wie Gravitationsanalyse etc. - aus den ersten fachlichen Erkenntnissen ergeben sich zwangläufig die nächsten Entwicklungsschritte

38 Location Intelligence führt neue Erkenntnisse zu Tage BI-technisches Neuland, das erschlossen werden sollte!