Maschinelles Lernen (ML) und Künstliche Intelligenz (KI) klingen wie Science-Fiction – etwas, das man nur in Filmen sieht. Aber die Technologie ist da, sie bewährt sich bereits auf dem Markt und wird mit Blick auf die Wirtschaft entwickelt. Heute haben wir alle schon einmal von Systemen gehört oder gesehen, die für den intelligenten Handel mit Aktien und Anteilen entwickelt wurden oder ein autonomes Fahrerlebnis ermöglichen sollen. Tatsächlich interagieren die meisten von uns täglich mit KI. Zum Beispiel, wenn wir online den Kundendienst kontaktieren, eine Suchmaschine verwenden, bei Amazon einkaufen oder Alexa nach dem Wetter fragen.
Maschinelles Lernen basiert auf der Vorstellung, dass es möglich und effizienter sein könnte, Computern beizubringen, selbstständig zu lernen, anstatt ihnen alles beizubringen, was sie über die Welt wissen müssen und wie sie Anweisungen ausführen sollen.
Natürliche Evolution für KI und MI
Einige Bereiche der künstlichen Intelligenz und des maschinellen Lernens sind eine natürliche Weiterentwicklung der Business Intelligence, bei der Daten nicht mehr in Form von Berichten bereitgestellt werden, die von Menschen analysiert und zur Ableitung von Schlussfolgerungen verwendet werden, sondern bei der Algorithmen des maschinellen Lernens tatsächlich aus den Daten lernen und Vorhersagen oder Schlussfolgerungen liefern. Diese Ergebnisse können dann durch automatisierte Prozesse umgesetzt werden, die entsprechend diesen Ergebnissen ausgelegt sind.
KI/ML ist der Prozess des Lernens und der Verbesserung anhand vergangener Erfahrungen – dabei werden die eingegebenen Daten genutzt, um Muster zu erkennen, sodass auf der Grundlage vergangener Erfahrungen Aussagen, Entscheidungen oder Vorhersagen mit einem gewissen Grad 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 Menge an Daten, mit denen gelernt werden kann, kann die Leistungsfähigkeit der KI beeindruckend sein. Tatsächlich hängt die Qualität der Ergebnisse, die ein Machine-Learning-Programm liefern kann, genau wie bei Business Intelligence von der Menge und Qualität der Daten ab, mit denen es lernen muss.
Wie bereits erwähnt, werden KI und ML bereits in Bereichen wie dem Kundenservice für Unternehmen eingesetzt, wo sie maschinengesteuerte, natürliche Interaktionen mit Kunden ermöglichen. Auch im Marketing und in der Werbung finden sie breite Anwendung, wo hochentwickelte Systeme allein anhand der Analyse von Mimik, Körpersprache, Kleidung usw. das Alter, das Geschlecht sowie die politischen und sozialen Orientierungen von Personen erkennen können.
Ausgefeilte KI und ML können auch in Finanzanwendungen eingesetzt werden. Wie können Sie also Rechnungsdaten nutzen, um einer Maschine dabei zu helfen, etwas zu „lernen“, das Ihrem Unternehmen zugute kommt?
Hier sind einige Bereiche, die BillingPlatform derzeit untersucht:
- Kundenabwanderungsprognose: Die Fähigkeit, aus Ihren Rechnungs-, Zahlungs- und Nutzungsdaten Anzeichen dafür zu erkennen, dass ein Kunde abwandert. Die Plattform kann diese Signale dann nutzen und gezielte Kundenkommunikation über nicht ausreichend genutzte Produkte, alternative Produkte, Anreize und Angebote automatisieren, um proaktiv die Kundenbindung zu fördern. Sie kann Kundenmanager auch auf potenzielle Abwanderungsrisiken aufmerksam machen, Unternehmensumsätze prognostizieren und dabei helfen, den Geschäftsfokus zu steuern.
- Unterstützung bei der Preisgestaltung und Angebotserstellung: Durch die Einbindung von ML in den CPQ-Prozess (Configure-Price-Quote) können Vertriebsmitarbeiter die Preisgestaltung und Produktkombinationen optimieren, um die Chancen für einen Geschäftsabschluss zu verbessern und bessere Entscheidungen für eine langfristige Kundenbindung zu treffen. Die ML-Algorithmen können aus früheren Erfolgen und Misserfolgen im Vertriebsprozess lernen und Rechnungs- und Zahlungsdaten für Abwanderungstrends nutzen, um tiefgreifende Einblicke in Form konkreter Vorschläge zur Umgestaltung des Angebots- und Vertriebsprozesses zu liefern.
- Fortschrittliche Inkassostrategien: Nutzung von KI und Plattformautomatisierung zur Definition und Umsetzung optimaler Inkassostrategien für verschiedene Kundentypen, unter anderem basierend auf Branche, Region sowie Zahlungs- und Ausgabeverhalten. Der Einsatz von KI und ML in Kombination mit Plattformautomatisierungsfunktionen wie Workflow- und Webservice-Integrationen kann Inkassoprozesse vollständig automatisieren, bis hin zum direkten Anruf bei 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 die Nutzung von Amazon Sagemaker, einer KI-/ML-Technologie, konzentrieren, um einen Algorithmus für maschinelles Lernen zu entwickeln und zu trainieren, mit dem die Kundenabwanderung vorhergesagt werden kann. In dieser ersten Phase werden wir uns auf allgemeine Parameter wie Alter, offene Salden, Nutzungsvolumen und Umsatzniveaus konzentrieren. Möglicherweise werden wir die Trainingsdaten um Informationen zu Bewertungsmethoden wie Abonnements, Nutzung, einmalige Gebühren usw. erweitern.
