Perfect Match

Daten sind die neue Währung – das gilt auch für die zukunftsweisenden Technologien und Lösungen, die wir bei Contovista für den Finanzsektor entwickeln. Ansätze wie künstliche Intelligenz (KI) und maschinelles Lernen (ML) schaffen neue Möglichkeiten für Datenanalysen, etwa durch Predictive und Prescriptive Analytics. Dynamische datengetriebene Marktentwicklungen und Anwendungen rund um Generative AI (GenAI) verändern die Spielregeln. Und Contovista arbeitet ständig daran, solche Innovationen in das Angebot für unsere Kund:innen zu integrieren.

In den letzten Monaten hat sich bei uns dabei eine ganze Menge „hinter den Kulissen“ getan, und daher wollen wir ein paar Updates dazu liefern. Das Produkt-Team für das Finnova Analytical Framework wurde bereits vollumfänglich in die Contovista-Teams integriert. Die Teams wachsen weiter zusammen – und auch die Produkte: Das datengetriebene Analytical Framework von Finnova passt perfekt zu Contovistas data-driven Banking-Strategie. In Zukunft wird das Framework noch stärker auf das Thema Fraud und Compliance fokussiert.

Datengetriebene Finanz-Services revolutionieren das Bankwesen in mindestens zwei wichtigen Dimensionen: Sie erlauben viel genauere Insights in Bedürfnisse von Bankkund:innen – und sie ermöglichen die zunehmende Vernetzung von Instituten, Nutzer:innen und Drittanbietern im Ökosystem der Open Finance. Entscheidend aus Sicht der Endkund:innen ist, dass sie von Multibanking mit innovativen, personalisierten Value-Added-Services profitieren – dank unserer akkuraten Transaktionsdatenanalyse und der Anreicherung mit Metadaten.

Ausserdem geniessen die Kund:innen eine exzellente Nutzererfahrung durch Contovistas UX-Expertise und die nahtlose Integration in das Digital-Banking. Für die Bank ist das ebenfalls vorteilhaft: Data-driven Banking verbessert Kundenbeziehungen, Zufriedenheit und Engagement. Wir bei Contovista sorgen aber nicht nur für technologische Fähigkeiten und leicht implementierbare Lösungen für das Finanz-Ökosystem der Zukunft. Entsprechend unserer data-driven Banking-Strategie beteiligen wir uns auch aktiv an der Open Banking Community und suchen den Austausch in gemeinsamen Projekten und in aktuellen Events.

Vor allem kombinieren wir unsere Expertise in der Aggregation, Strukturierung und Anreicherung von Daten auch mit einem tiefgreifenden Verständnis der Finanzbranche und umfassender Compliance-Expertise. Das ist von kritischer Bedeutung, denn für ein erfolgreiches Wachstum des Open Finance-Ökosystems ist das Vertrauen der Kund:innen unerlässlich.

Voraussetzungen für dieses Vertrauen sind höchste Standards bei Compliance-Themen wie Betrugs- und Geldwäschebekämpfung sowie ein grundsätzlich verantwortungsvoller Umgang mit den Daten der Kund:innen (Datensicherheit, Revisionssicherheit, Nachvollziehbarkeit der Ergebnisse). Unsere Kompetenz auf diesem Feld demonstrieren wir nun auch mit dem Analytical Framework, das insbesondere auf Fraud & Compliance ausgerichtet wird.

Beim Analytical Framework handelt es sich um ein vielseitiges, holistisches Analytics-Instrument, das aus der Perspektive „Risiko“ eine 360-Grad-Sicht auf Kund:innen erlaubt. Damit können Erkenntnisse zu Kundenverhalten und -bedürfnissen ebenso erzielt werden wie eine optimierte Einhaltung von Regulierungen und ein verbesserter Schutz gegen Gefahren .

Das Analytical Framework beinhaltet fortgeschrittene Fähigkeiten in Predictive Analytics und Prescriptive Analytics. Dadurch geht es über statische Modelle wesentlich hinaus: Das Framework kann Muster erkennen, Vorhersagen liefern und Empfehlungen ableiten. Automatisierte, selbst generierte Business Rules sorgen für eine laufende Modell-Kalibrierung und somit für eine konstant hohe Qualität der Resultate. Durch den modularen Aufbau können umfangreiche eigene Analysen definiert werden. In Kombination mit den richtigen (Echtzeit-) Datenquellen liefert das Framework die Grundlage für fundiertere und präzisere Entscheidungen.

Konkret führen wir im Analytical Framework Realtime Compliance-Filter-Checks für Zahlungen ein. Zusammen mit der Überprüfung von Kundenstammdaten verbessert dies die Leistung und die Genauigkeit erheblich. Das Resultat ist bessere Compliance bei gleichzeitiger Reduzierung von Fehlalarmen (False Positives) – mehr Effektivität bei erhöhter Effizienz.