Web-Seminar
online

Einsatz von Machine-Learning-Algorithmen zur Prognose von Kundenverhalten in Banken

Infos

Die Prognose von Kundenverhalten, etwa Kündiger-, Ausfall- oder Kaufprognosen, spielen im unternehmerischen Alltag von Banken, ganz besonders im Retail-Banking, eine große Rolle. Prognosen zum Kundenverhalten und der Einsatz entsprechender statistisch-analytischer Verfahren kommen an unterschiedlichsten Stellen zum Einsatz und basieren meist auf einem ähnlichen statistisch-analytischen Methodenrepertoire. Unser zweiteiliges Web-Seminar

„Einsatz von Machine-Learning-Algorithmen zur Prognose von Kundenverhalten in Banken

gibt einen Überblick über wichtige Machine-Learning-Methoden zur Prognose von Kundenverhalten und umfasst zwei Teile:

1. Teil: „Methodenvorstellung“ am Donnerstag, den 10. Juni 2021 von 14.00 Uhr bis 17.00 Uhr  
2. Teil: „Praktische Übungen mit RStudio“ am Freitag, den 11. Juni 2021 von 14.00 bis 16.00 Uhr

Es richtet sich vor allem an MitarbeiterInnen aus Kundenbetreuung, Marketing, Risk und Fraud Prevention, die lernen möchten, mit welchen Methoden sie Kundenverhalten prognostizieren können.

Die praktische Anwendung der verschiedenen Machine-Learning-Algorithmen wird mit der frei verfügbaren Software R gezeigt. Hierfür werden ein Übungsdatensatz sowie vorgefertigte R-Codes bereitgestellt: Die Referenten teilen ihren Bildschirm und führen die kurzen R-Beispiele vor – eine Software-Installation oder Vorkenntnisse in R seitens der TeilnehmerInnen sind hierfür nicht erforderlich. TeilnehmerInnen, die bereits Kenntnisse in R haben bzw. damit arbeiten möchten, können live im Web-Seminar den R-Code mitausführen und nachvollziehen. Dafür ist die lokale Installation von „RStudio“ erforderlich.

Die R-Beispiele helfen dabei, im Nachgang zum Web-Seminar in die Analyse eigener Daten einzusteigen. Sie schaffen ein gutes Grundverständnis dafür, wie die verschiedenen Machine-Learning-Methoden funktionieren und welchen Output sie liefern – auch dann, wenn selbst nicht mit R gearbeitet wird.

Es referieren:
Prof. Dr. Martin Schmidberger
, Honorarprofessor an der Goethe Universität Frankfurt, Leiter des Bereichs „Customer Interactions“ bei der ING Deutschland
Rene Laub, wissenschaftlicher Mitarbeiter am Lehrstuhl für Electronic Commerce an der Goethe Universität Frankfurt.

Sie erhalten Ihre Zugangsdaten, die Sie benötigen, um an unserem Web-Seminar teilnehmen zu können, bereits einige Tage vor der Veranstaltung, damit wir etwaige technische Fragen vorher klären können. Ihr PC muss nicht notwendigerweise mit einem Lautsprecher ausgestattet sein: Sie können das Web-Seminar auch via PC und Telefon verfolgen.

Für Ihre Fragen steht Ihnen Frau Eva M. Bach gern zur Verfügung
(Tel. 0221/5490-160 oder per E-Mail an eva-maria.bach(at)bank-verlag.de). 

Wir freuen uns über Ihre Teilnahme!

Agenda

 Folgende Themen werden besprochen:

  • Modellierung von Kundenverhalten: Prognose als statistisches/methodisches Problem
  • Klassische und innovative Methoden zur Prognose von Kundenverhalten  
    1. Logistische Regression
    2. Entscheidungsbäume
    3. Random Forest
    4. Gradient Boosting
    5. KNN – Die „Nächste Nachbar“-Methode
    6. Neuronale Netze
  • Modellüberprüfung und -evaluierung: 
    1. Trainings- und Validierungsdatensätze
    2. Methoden zur Messung der Modellstabilität: Accuracy, Confusionmatrix, ROC/AUC
    3. Methoden zur Interpretation von AI-Ergebnissen: Partial Dependency plots (PDP)

Referenten

  • Prof. Dr. Martin Schmidberger

    ist Honorarprofessor an der Goethe Universität Frankfurt und lehrt dort angewandtes Data Mining und Marketing im Retail-Banking. Seine Kurse und Seminare wurden mehrfach als beste Lehrveranstaltung ausgezeichnet. Er ist zudem Leiter des Bereichs „Customer Interactions“ bei der ING Deutschland und dort verantwortlich für die Entwicklung und den Einsatz analytischer Verfahren zur Entwicklung von Kündiger-, Kauf- und Kundenverhaltensprognosen.

  • Rene Laub

    ist wissenschaftlicher Mitarbeiter am Lehrstuhl für Electronic Commerce an der Goethe Universität Frankfurt. Er begleitet Kurse im Bachelor, Master und PhD-Programm zu angewandtem Data Mining und zu Marketing & Customer Analytics. Vor seiner Tätigkeit an der Goethe Universität Frankfurt war er als Senior Consultant für Digitalisierung im Retail- und Corporate Banking tätig.

« Zurück zur Übersicht