Erweiterung des Machine Learning-gestützten Risikocontro ... / 2 Voraussetzungen zur Verbesserung des Risikocontrollings

Um das Risikocontrolling noch weiter zu verbessern, gibt es verschiedene mögliche nächste Schritte, die Unternehmen in Betracht ziehen könnten:

• Datenstrategie: Eine solide Datenstrategie ist entscheidend für den Erfolg von Machine Learning und Synthetic Control im Risikocontrolling.^[1] Denn um mögliche Risiken frühzeitig zu erkennen und zu bewerten, benötigen Unternehmen umfangreiche und relevante Daten. Diese können z. B. aus internen Quellen wie Unternehmens- oder Kundendaten stammen, aber auch aus externen Quellen wie Branchenstudien oder Marktforschungsergebnissen. Deshalb ist es wichtig, dass Unternehmen eine Datenstrategie entwickeln, welche die Sammlung, Analyse und Nutzung von Daten in Bezug auf das Risiko-Controlling regelt. Dies kann z. B. die Einrichtung von Datenbanken oder die Zusammenarbeit mit externen Dienstleistern beinhalten. Eine solche Datenstrategie ist notwendig, um sicherzustellen, dass das Risikocontrolling auf einer soliden und aussagekräftigen Datengrundlage beruht und damit effektiv ist.
• Machine Learning-Methoden: Es gibt verschiedene Machine Learning-Methoden, die sich für das Risikocontrolling eignen, wie z. B. Classification, Regression, Clustering oder Decision Trees. Unternehmen sollten sich überlegen, welche Methoden für ihre Anwendungsbereiche am besten geeignet sind und diese entsprechend anwenden.
• Synthetic Control-Anwendungen: Unternehmen können Synthetic Control in verschiedenen Bereichen einsetzen, z. B. bei der Risikobewertung von Krediten, Investitionen oder anderen Entscheidungen. Sie sollten sich überlegen, welche Anwendungsbereiche für sie am relevantesten sind und wie sie Synthetic Control dort einsetzen können.
• Integration von externen Daten: Um das Risikocontrolling noch weiter zu verbessern, können Unternehmen auch darüber nachdenken, externe Datenquellen in ihre Analyse einzubeziehen, z. B. öffentliche Daten, Daten von anderen Unternehmen oder von sozialen Medien. Dies kann dazu beitragen, das Risiko noch genauer zu prognostizieren und damit das finanzielle Risiko für das Unternehmen weiter zu minimieren.

[1] Vgl. Loth 2017, S. 75 ff.