Når det gjelder å forbedre kundeopplevelsen, kan investeringsselskaper lære av måten advokatfirmaer og forsikringsselskaper bruker naturlig språkbehandling. NLP (Natural Language Processing) kan trekke ut nøkkeldata fra lange dokumenter i løpet av sekunder, og gi muligheter for investeringsselskaper til å effektivisere kunders ombordprosesser i alle kundesegmenter.
Potensialet til alternative data
Sideeffekten av å bruke bedre dataverktøy er muligheten til å innhente flere kildedata. Maskinlæring, en form for AI som lærer seg å oppdage mønstre, brukes i mange sektorer for å hente ut verdier fra ustrukturerte datakilder som internettsøk, sosiale medier-chat, satellittbilder, transportdata, nettsalg og kredittgodkjenninger.
Strømleverandører illustrerer en nyttig måte å kombinere alternative data med kundeinformasjon. De bruker denne innsikten til å forutsi når kunder skal til å bytte, og for å henvende seg til dem med rettidige, målrettede tilbud. Investeringsselskaper kan gjøre det samme og tilby alternative gebyrordninger eller andre insentiver for å unngå å miste kunder.
Smarte dataanalyser vokser også i helsevesenet, med noen leverandører som kombinerer pasientdata fra bærbare enheter med geografiske data for å forutsi lokal etterspørsel etter medisiner. På en lignende måte kan formuesforvaltere bruke nettprat og lokaliseringsdata til å identifisere viktige hendelser – som for eksempel fullførelse av en universitetsutdannelse – som gir en mulighet til å tilby kunder en skreddersydd, verdifull støtte.
Investeringsselskaper kan også lære av forbrukerproduktindustrien, som er svært erfaren innen uthenting og analyse av kundedata. EYs FutureConsumer.Now.-forskning spår at personopplysninger og preferanser, tolket av AI, i økende grad vil tillate forbrukere å forme alle aspekter av deres liv, og skape bedre versjoner av seg selv. AI vil hjelpe forbrukerne med å optimalisere alt fra hva de spiser og andre livsstilsvalg til hvordan de bruker sin sosiale tid og fremmer sine karrierer. Det vil til og med hjelpe dem med å administrere sine personlige forhold. Investeringsselskaper kan kapitalisere på dette ved å bruke AI til å la kundedata spille en større rolle i innsikten rundt hva, hvordan og når deres kunder investerer.
Identifisere fremtidige muligheter
En tredje mulighet som kan komme fra nye dataverktøy og -sett har med et annet viktig aspekt av kundeopplevelsen — investeringens avkastning.
Ledende selskaper utnytter allerede AI og alternative data til investeringsundersøkelser, og spesialistselskaper sies til og med å bruke nevrale nettverk til beslutninger om ressursallokering.
Men nok en gang kan det være verdt å se til andre sektorer for å tenke nytt. Et eksempel kan komme fra farmasøytiske selskaper, som studerer store mengder pasient- og forskningsdata for å prøve å identifisere fremtidige muligheter for medikamentutvikling, eller til å omdisponere eksisterende medisiner. Olje- og gasselskaper bruker også AI til å forutsi potensielle problemer, og noen håper AI kan hjelpe dem med å finne og utnytte nye ressurser.
Når tilgjengeligheten av data, behandling og analyse øker, kan selskaper på samme måte identifisere langsiktige investeringsmuligheter og ideer. Denne innsikten kan hjelpe selskaper med å gjøre slike investeringer i en tidlig fase som en gang var forbeholdt risikokapitalister — en overbevisende attraksjon for institusjonelle kunder og kunder med høy nettoformue.
Mitt forslag for investeringsselskaper er å begynne å tenke annerledes om data og se utover sine likesinnede for inspirasjon. Med økningen i bransjesammenslåinger kan bedrifter som utforsker strategier utenfor det tradisjonelle økosystemet være i en posisjon til å få mer verdi av data.
Sammendrag
Investeringsselskaper bør utforske hvordan andre sektorer utnytter stordata til å forbedre kundeopplevelsen og identifisere investeringsmuligheter.