[Skip Global Navigation]

Finanzdienstleistungssektor

Finanzdienstleistungssektor Startseite

Maximieren Sie den Wert Ihrer Kunden und minimieren Sie dabei Ihr Risiko

Marktkräfte wie Fusionen, Globalisierung und erhöhter Konkurrenzdruck nehmen starken Einfluss auf den Sektor der Finanzdienstleistungen. Um den neuen Erfordernissen der Wirtschaft weiterhin gerecht zu werden, ist eine Analyse des operativen Geschäfts mehr denn je notwendig und richtet sich nunmehr auf den höchsten Wert des Unternehmens aus: den Kunden.

Mit Predictive Analytics transformieren Sie Rohdaten in angewandte Erkenntnisse über Ihre Kunden, Produkte, Risiken und Strategien - in Echtzeit.
Analysieren Sie Ihre Daten aus jedem Kanal, z.B. Tranksaktionsdaten aus Ihrem Geldautomat, Daten aus dem Web oder aus Umfragen sogar textbasierende Daten wie z.B. Anmerkungen Ihrer Call Center- oder Filial-Mitarbeiter und verarbeiten Sie diese in einem geschlossenen Kreislauf.

•Strategie-
 planung
•Reporting 		•Segmentierung
•Neukunden-
 akquise
•Zielgerichtete Kampagnen		 •Segmentierung
•Kündigeranalysen
•Customer
 Lifetime Value
•Cross-Selling		 •Kalkulation
•Risikoabschätzung
•Betrugserkennung
•Basel II

Deka Bank

„SPSS hat uns überzeugt. Ohne die Software wäre ein gezieltes Angebot wie im Fall der Garantiefonds gar nicht erst möglich gewesen. Selektionen sind der Kernbestandteil des Kampagnenangebotes der DekaBank an die Sparkassen“.
Derzeit ist die Software für ähnliche Projekte im Einsatz. Über SPSS laufen Analysen und der Aufbau von Scoringmodellen, PASW Modeler ist für die Scoringmodell-Anwendung zuständig, wird jedoch in Zukunft auch verstärkt zur Modellentwicklung genutzt werden.

- Georg Thomas, stellv. Leiter CRM-Analysen und Kampagnendurchführung, DekaBank.

 

Raiffeisenlandesbank Niederösterreich-Wien AG

Wertpapier-Mehrverkauf von 65% und Fonds-Mehrverkauf von 42 % durch optimierte Kundenansprache bei Mailings

“Die Entscheidung für die Data Mining-Workbench von SPSS ist definitiv auch auf den positiven Ruf zurückzuführen, der SPSS im Bereich Data Mining vorauseilt.”

– Michael Sailer, Marktforschung, Fachbereich Data Mining, Raiffeisenlandesbank Niederösterreich-Wien AG

 

Credit Suisse Group

Durch den Einsatz von PASW Modeler wurden Abschlussquoten von 30% und mehr in den kontaktierten Zielgruppen erreicht. Nachweisbare Kosteneinsparungen bei der Credit Suisse: “Die Data Mining Aktivitäten der Credit Suisse – Analysen und Modelle – sind voll in die Businessprozesse integriert und haben ihren Mehrwert in einer Vielzahl von unterschiedlichen Anwendungen bewiesen. Die Gesamtprojektkosten konnten innerhalb zweier Jahre egalisiert werden”

– Dr. Alex Nippe, Leiter Datenanalyse/Data Mining, Credit Suisse

Kunden und Lösungen