Geldinstitute > Strategie

22.11.2018 von Ralf Scheuchl und Stephanie Koch, beide Macros Reply

Process Mining, RPA und ML richtig einsetzen

„Big Data is like teenage sex. Everyone talks about it, nobody really knows how to do it, ­everyone thinks everyone else is doing it, so everybody claims that they are doing it …“, schrieb Dan Ariely von der Duke University. Wie auch um Machine Learning als ­Big-Data-Disziplin besteht um Process Mining und Robotics ein regelrechter Hype. 

Die drei A's für die intelligente Datennutzung (Triple A)

Dennoch wird das Potenzial dieser drei Instrumente selten voll genutzt und ­Projekte teilweise vorschnell eingestellt, da die passenden Use Cases nicht gefunden werden konnten oder die Daten nicht ausreichend aufbereitet wurden. Klar ist: Die Nutzung aller drei Methoden um ihrer selbst willen kostet viel und bringt wenig. 

Das Geheimnis des erfolgreichen Einsatzes liegt in der Verzahnung der drei korrespondierenden Säulen und ihrer Auswertung durch Experten, um fundierte und nachhaltige Ergebnisse zu erreichen. 

Empfehlung 1: Immer die „Triple A“ der intelligenten Datennutzung kombinieren

  • ANALYSIEREN MIT PROCESS MINING: Process Mining stellt innerhalb kürzester Zeit die tatsächlichen Prozessabläufe dar. Diese Visualisierung ist die Basis, um die so dokumentierten Realprozesse zu analysieren, Optimierungs- und Auto­matisierungsansätze zu evaluieren und die Ergebnisse zu überwachen. 
  • AUTOMATISIEREN MIT ROBO­TICS/ROBOTIC PROCESS AUTOMATION (RPA): RPA automatisiert standardisierte, von Regeln getriebene Prozesse und ermöglicht so eine höhere Dunkelverarbeitungsquote bei mehr Effizienz und Genauigkeit in kurzer Zeit. RPA unterstützt auf der einen Seite Backoffice-Prozesse über die unüberwachte Abarbeitung vordefinierter Aufgaben im Batchmodus (unattended) und auf der anderen Seite in direkter Interaktion mit dem Sachbearbeiter im Frontoffice ­(attended). 
  • ANTIZIPIEREN MIT MACHINE LEARNING/PREDICTIVE ANALYTICS: Machine Learning ermöglicht in einem letzten Schritt dynamische Entscheidungen. Gerade die Nutzung von Predictive Analytics ermöglicht Vorher­sagen auf Basis der bereits im Unternehmen vorliegenden Informationen. Beispiele hierfür sind die Vorhersagen von Krankheitsverläufen, punktgenaue Prognosen von Unwettern und Schadenverläufen, Betrugserkennung oder Prämienberechnungen im Kfz-Bereich.

Empfehlung 2: Suchen Sie sich klare Use Cases

Process Mining wie auch RPA ermöglichen schnelle Ergebnisse zu einem günstigen Preis. Binnen weniger Wochen werden über Workshops Potenziale abgeleitet, umgesetzt und sukzessive ausgebaut. Auch im Rahmen von Machine Learning haben sich Proof of Concepts und ein Besinnen auf erfolgreich umgesetzte Use Cases als das Mittel der Wahl für einen schnellen Einstieg etabliert.

Empfehlung 3: Omnichannel-Input und -Output verstärken

„Shit in, shit out.“ Versicherungen tun gut daran, viel Wert auf die Digitalisierung, Erkennung, Klassifizierung und ­Indexierung ihrer Daten zu geben, um die Weiterverarbeitung im Rahmen der Automatisierung durch Robots oder die Bearbeitung durch Sachbearbeiter zu erleichtern. Gerade bei papierbasiertem Input existiert die Notwendigkeit dieser Aufbereitung. 

Die große Chance besteht heute in dem Angebot eines datenschutzkonformen elektronischen Angebots für die Endkunden: Wird dem Versicherten ein einfacher und sicherer Weg geboten, seine Unterlagen inklusiver aller von ihm benötigten Informationen online einzureichen und mit seiner Versicherung digital zu kommunizieren, liegen die Informationen ­direkt qualifiziert vor, so dass sie mittels Regelwerken oder RPA automatisiert weiterverarbeitet werden können. 

Autoren:

  • Ralf Scheuchl Geschäftsführer, Macros Reply
  • Stephanie Koch, beide Product Manager Macros Reply