Leseprobe
* Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Die Rolle von Big Data und Predictive Analytics bei der Transformation des Finanzsektors
Lynn Matthay
* Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Sozialwissenschaften, Recht, Wirtschaft / Betriebswirtschaft
Beschreibung
Studienarbeit aus dem Jahr 2024 im Fachbereich BWL - Investition und Finanzierung, Note: 1,4, , Sprache: Deutsch, Abstract: Das Ziel dieser Hausarbeit ist die Untersuchung der Rolle von Big Data und Predictive Analytics im Finanzsektor. Zuerst wird das Ziel verfolgt, die Grundlagen von Big Data und Predictive Analytics zu verstehen. Mitunter soll ein Verständnis für die Konzepte, Technologien und Prozesse geschaffen werden. Dann soll eine Analyse der Bedeutung dieser Technologien im Finanzsektor angeführt werden. Diese soll zeigen, wie Big Data und Predictive Analytics im Finanzsektor eingesetzt werden, um geschäftliche und operationale Herausforderungen zu bewältigen. Zur Darstellung werden praxisnahe Anwendungsfälle vorgestellt. Anhand dieser Anwendungsfälle, wie Risikomanagement, Betrugsfälle und Marktprognosen werden Chancen und Risiken dieser Technologien verdeutlicht. Auf dieser Grundlage wird eine Diskussion der Chancen und Risiken eröffnet. Diese soll die positiven Auswirkungen und die Herausforderungen gegenüberstellen. Letztendlich werden die Zukunftsperspektiven skizziert und Handlungsfelder für Unternehmen, Kunden und Regulierungsbehörden identifiziert. Die Hausarbeit gliedert sich in fünf Kapitel. Zunächst werden die Grundlagen von Big Data und Predictive Analytics sowie aktuelle Entwicklungen im Finanzbereich definiert und erläutert. Anschließend wird auf spezifische Anwendungsbeispiele im Finanzsektor eingegangen. Als erstes wird die Betrugserkennung und -prävention erläutert, danach das Risikomanagement, die personalisierte Kundenberatung und Veränderungen auf dem Markt. In der Abschlussdiskussion werden die gewonnenen Erkenntnisse für drei verschiedene Stakeholder, der Unternehmen, der Kunden und der Regulierungsbehörden resümiert. Danach werden Implikationen für die Finanzbranche und zukünftige Entwicklungen und Forschungsrichtungen aufgezeigt. Die Hausarbeit wird durch eine systematische Literaturrecherche erarbeitet und erstellt.
Kundenbewertungen
Predictive Analytics, prädikative Analyse, Finanzen, Finance, Big Data