Maschinelles Lernen (ML) und Künstliche Intelligenz (KI) klingen wie Science-Fiction – so etwas, das man sonst nur in Filmen sieht. Doch die Technologie ist bereits Realität, bewährt sich auf dem Markt und wird mit Blick auf die Geschäftswelt entwickelt. Heutzutage haben wir alle schon Systeme gesehen oder davon gehört, die dafür entwickelt wurden, intelligent mit Aktien und Anteilen zu handeln, oder die ein autonomes Fahrerlebnis ermöglichen sollen. Tatsächlich haben die meisten von uns täglich mit KI zu tun. Zum Beispiel, wenn wir uns online an den Kundenservice wenden, eine Suchmaschine nutzen, bei Amazon einkaufen oder Alexa nach dem Wetter fragen.
Maschinelles Lernen basiert auf der Vorstellung, dass es möglicherweise nicht nur möglich, sondern auch effizienter ist, Computern beizubringen, selbstständig zu lernen, anstatt ihnen alles beizubringen, was sie über die Welt wissen müssen und wie sie Anweisungen ausführen sollen.
Natürliche Entwicklung für KI und MI
Einige Bereiche der künstlichen Intelligenz und des maschinellen Lernens stellen eine natürliche Weiterentwicklung der Business Intelligence dar: Anstatt Daten in Form eines Berichts bereitzustellen, den eine Person analysiert und aus dem sie Schlussfolgerungen zieht, lernen Algorithmen des maschinellen Lernens tatsächlich aus den Daten und liefern prognostizierte Ergebnisse oder Schlussfolgerungen. Diese Ergebnisse können dann durch automatisierte Prozesse umgesetzt werden, die darauf ausgelegt sind, entsprechend diesen Ergebnissen zu handeln.
KI/ML ist der Prozess des Lernens und der Verbesserung auf der Grundlage vergangener Erfahrungen – dabei werden die zugeführten Daten genutzt, um Muster zu erkennen, sodass auf der Grundlage vergangener Erfahrungen Aussagen, Entscheidungen oder Vorhersagen mit einem gewissen Maß an Sicherheit getroffen werden können. Das „Lernen“ wird durch eine Rückkopplungsschleife ermöglicht, die erkennt oder mitgeteilt bekommt, ob die getroffenen Entscheidungen richtig oder falsch sind, und daraufhin die Vorgehensweise für die Zukunft anpasst.
Bei einer ausreichenden Datenmenge, mit der das Modell trainiert werden kann, kann die Leistungsfähigkeit der KI beeindruckend sein. Tatsächlich hängt – genau wie bei Business Intelligence – die Qualität der Ergebnisse, die ein Programm für maschinelles Lernen liefern kann, von der Menge und Qualität der Daten ab, mit denen es trainiert wird.
Wie bereits erwähnt, werden KI und ML bereits in Unternehmen in Bereichen wie dem Kundenservice eingesetzt, wo maschinengesteuerte, natürliche Interaktionen mit Kunden stattfinden. Auch im Marketing und in der Werbung kommen sie in großem Umfang zum Einsatz – mit unglaublich ausgefeilten Systemen, die darauf ausgelegt sind, Alter, Geschlecht sowie politische und soziale Orientierungen von Personen allein durch die Analyse von Gesichtsausdrücken, Körpersprache, Kleidung usw. zu ermitteln.
Auch in Finanzanwendungen lassen sich ausgefeilte KI- und ML-Verfahren nutzen. Wie können Sie also Abrechnungsdaten nutzen, damit eine Maschine etwas „lernt“, das Ihrem Unternehmen zugutekommt?
Hier sind einige Bereiche, mit denen sich BillingPlatform derzeit beschäftigt:
- Vorhersage der Kundenabwanderung: Die Fähigkeit, aus Ihren Rechnungs-, Zahlungs- und Nutzungsdaten Anzeichen dafür zu erkennen, dass ein Kunde im Begriff ist, abzuwandern. Die Plattform kann diese Signale dann nutzen und gezielte Kundenkommunikation zu unzureichend genutzten Produkten, alternativen Produkten, Anreizen und Angeboten automatisieren – alles mit dem Ziel, die Kundenbindung proaktiv zu fördern. Außerdem kann sie Kundenbetreuer auf potenzielle Abwanderungsrisiken hinweisen, den Unternehmensumsatz prognostizieren und dabei helfen, den geschäftlichen Fokus richtig auszurichten.
- Unterstützung bei Preisgestaltung und Angebotserstellung: Einbindung von maschinellem Lernen (ML) in den CPQ-Prozess (Configure-Price-Quote), um Vertriebsmitarbeitern dabei zu helfen, Preise und Produktkombinationen zu optimieren – für bessere Chancen beim Geschäftsabschluss sowie bessere Entscheidungen zur langfristigen Kundenbindung. Die ML-Algorithmen können aus früheren Erfolgen und Misserfolgen im Vertriebsprozess lernen und zudem Rechnungs- und Zahlungsdaten auf Abwanderungstrends hin analysieren, um tiefgehende Einblicke in Form konkreter Vorschläge zur Optimierung des Angebots- und Vertriebsprozesses zu liefern.
- Fortgeschrittene Inkassostrategien: Nutzung von KI und Plattformautomatisierung, um optimale Inkassostrategien für verschiedene Kundentypen zu definieren und umzusetzen – unter anderem basierend auf Branche, Region sowie Zahlungs- und Ausgabeverhalten. Der Einsatz von KI und maschinellem Lernen in Kombination mit Plattformautomatisierungsfunktionen wie Workflow- und Webservice-Integrationen ermöglicht eine vollständige Automatisierung der Inkassoprozesse bis hin zur direkten telefonischen Kontaktaufnahme mit Kunden, um einen Zahlungsplan und einen Lösungsweg für überfällige Forderungen zu besprechen und zu vereinbaren.
Der nächste Prototyp aus dem BillingPlatform Marketplace wird sich auf den Einsatz von Amazon SageMaker sowie KI-/ML-Technologie konzentrieren, um einen Machine-Learning-Algorithmus zur Vorhersage der Kundenabwanderung zu entwickeln und zu trainieren. In dieser ersten Phase werden wir uns auf allgemeine Parameter wie Fälligkeit, offene Salden, Nutzungsvolumen und Umsatzhöhen konzentrieren. Möglicherweise werden wir die Trainingsdaten um Informationen zu Abrechnungsmethoden wie Abonnements, Nutzung, einmalige Gebühren usw. erweitern.
