Usecases (Auswahl)

Mithilfe von Data Science-Verfahren lassen sich anspruchsvolle Aufgaben der Finanzbranche auf äußerst effiziente und effektive Weise bewältigen. Wir haben hierzu mehrere Anwendungsfälle identifiziert und zugehörige Konzepte sowie funktionsfähige Prototypen entwickelt.
Neben den exemplarisch genannten Usecases verfügen wir auch über weitere Lösungsverfahren und stellen auf Anfrage gerne Informationen hierzu bereit.

Klassifikation von Regularien

  • Regularien stellen Banken vor immense Herausforderungen – gleichzeitig ist intern und extern eine große Erfahrungsbasis in Form verschiedener Texte vorhanden
  • RiskDataScience unterstützt bei der Nutzung dieser Erfahrungsbasis durch Algorithmen zur Klassifizierung und Gruppierung von Texten mit regulatorischem Bezug
  • Zusammenhänge zwischen den Regularien können  erkannt, Stakeholder, Verfahren und Projektabhängigkeiten frühzeitig identifiziert und Probleme antizipiert und vermieden werden

Webbasiertes Frühwarnsystem

  • Existierende marktdatenbasierte Frühwarnsysteme können keine Indikationen im Falle fehlender Marktdaten bei unternehmensspezifischen Problemen liefern
  • Andererseits liefern im Internet vorhandene Unternehmensnachrichten oft wichtige Informationen über Schieflagen
  • Der batchfähige RiskDataScience-Prototyp ermöglicht die automatische Klassifizierung von Nachrichten-Texten hinsichtlich Insolvenz-Relevanz sowie das automatisierte Crawlen der hierfür benötigten Nachrichten

Nachrichten-Priorisierung

  • In den Handelsabteilungen von Finanzinstituten müssen oft weitreichende Entscheidungen in sehr kurzer Zeit getroffen werden, was durch die immense Menge an Marktdaten und Nachrichten erschwert wird
  • RiskDataScience verfügt über lauffähige Algorithmen zur automatischen Klassifizierung von Nachrichten-Texten hinsichtlich Kurs-Relevanz
  • Händler können so aus einer Vielzahl unterschiedlicher Nachrichten zeitnah die wichtigen herausfiltern

Risk-Code

  • Financial Risks spielen auch außerhalb der klassischen Finanzdienstleister eine wichtige Rolle
  • Quantitative Verfahren hierzu sind außerhalb dieses Sektors jedoch oft unbekannt und es werden z.T. aus Unwissen unnötig hohe Risiken eingegangen
  • RiskDataScience bietet eine Sammlung quelloffener Tools zu den gängigen Financial Risks sowie zu Bewertungsverfahren elementarer Produkte an

Analyse geografischer Adressen

  • Insbesondere bei der Bewertung und dem Vergleich von Immobilien ist die räumliche Lage ein entscheidendes Kriterium
  • Bei sehr vielen Adressen sind die tatsächlichen räumlichen Standorte und ihre Abstände voneinander jedoch nicht unmittelbar ersichtlich
  • RiskDataScience verfügt über Methoden zur effizienten Ermittlung geografischer Koordinaten und deren Auswertung mittels Machine Learning-Verfahren