Pilgrim Bank Case

1. Die Formel mit der bei Pilgrim Kundenprofitabilität berechnet wird besteht aus verschiedenen Summanden. Wechselt der Kunde zur Online Nutzung über, so kann die Bank bessere Zinskonditionen gewähren. Durch eine Gebühr auf Onlinetransaktionen können dadurch die Einnahmen erhöht werden. Kosten reduzieren sich zwar, da Überweisungen sofort ins System eingespeist werden, dadurch erhöht sich jedoch die Anzahl an durchgeführten Transaktionen. Umgekehrt ist es, wenn der Kunde von der Online zur Offline Nutzung übergeht. Findet kein Wechsel statt, so hat dies keine direkten Auswirkungen auf den Profit, vorausgesetzt die Bank bietet keine Rabatte an um den Kunden zu einem Wechsel zu treiben. Nachdem ein T-Test auf den Datensatz angewendet wurde, sieht man, dass sich der Profit in allen Fällen signifikant verbessert hat (siehe Anhang A). Da also auch ohne einen Wechsel der Profit verbessert wird, hat ein Wechsel keine Auswirkungen auf den Profit.
2. Um eine Vorhersage treffen zu können, wie profitabel Kunden im Jahre 2000 sind, wird die multivariate Regression genutzt. Die abhängige Variable bildet: „0Profit“ und die unabhängigen Variablen aus 1999. Hat man alle nicht signifikanten Variablen herausgelöscht, so ergibt der F-Test ein Modell mit den Variablen „9Profit“, „9Inc“ und „9Tenure“. Ob das Modell eine gute Vorhersage trifft, zeigt R² an. Dies liegt bei 41, 16% und deutet daraufhin, dass sich die Vorhersage nur im mittleren Genauigkeitsbereich befindet (siehe Anhang B).
3. Analog zu Aufgabe 2 wird hier ebenfalls eine Regression durchgeführt, diesmal eine logistische. Es wird eine Variable „Kunde_weiterhin“ erstellt, die angibt, ob ein Kunde der 1999 Kunde war, 2000 immer noch Kunde ist. Dabei wird überprüft, ob bei dem Kunden im Jahr 2000 Profit gemacht wurde. Bei einem Signifikanzniveau von 0.05 kommen folgende Variablen als signifikant heraus: 9Profit, 9Age, 9Inc und 9Tenure. Die Aussagekraft dieser Vorhersage ist jedoch ähnlich miserabel wie in Aufgabe 2 (siehe Anhang C).
4. Um die individuellen zukünftigen Profit und Laufzeitwerte pro Kunde zu berechnen muss man dessen Werte lediglich in die Modelle aus 2. und 3. einsetzen. Da jedoch beide Modelle nur unzureichende Genauigkeit aufweisen, würde ich davon abraten. Es stehen de facto zu wenige Daten zur Verfügung – nur 2 Jahre. Hätte man die Daten von etwa 10 Jahren könnte man ein viel besseres Forecasting betreiben.
5. Um zu testen ob das Wissen über demografische Daten bei der Vorhersage hilft, wird die Lineare Regression einmal mit und einmal ohne demografische Variablen durchgeführt. Beim Profit steigt R² von 38,6% auf 40,9% und bei der Laufzeit sinkt das Akaike-Informationskriterium von 47975 auf 21043. Somit hilft das Wissen über demografische Daten bei einer Vorhersage und sollte auch immer mit betrachtet werden. Ganz wie es Erica schon gesagt hat: Wenn man Profitabilität analysiert, so sollte man immer demografische Daten mitkontrollieren. Dass sie damit nicht Unrecht hat, hat diese Aufgabe bewiesen.
6. Die Pilgrim Bank sollte auf jeden Fall auf ihren Online Kanal setzen und dem Kunden Anreize bieten, diesen auch zu nutzen. Das Internet ist bereits das wichtigste Medium der heutigen Generation und das wird sich so schnell wohl auch nicht ändern. Um noch mehr Online Kunden anzulocken, könnte die Bank Rabatte gewähren. Von meinem Standpunkt aus, würde ich nur noch eine Bank mit Online Funktion nutzen. Eine Bank, die kein Online Banking anbietet, ist in meinen Augen veraltet und unpraktisch. Verbesserte Zinskonditionen sind für mich meist der ausschlaggebende Anstoß eine Bank zu wechseln. Deshalb würde ich der Pilgrim Bank raten diese in Verbindung mit Online Banking anzubieten und die neu generierten Daten mit den alten zu vergleichen um daraus Vorschläge für weiteres Vorgehen zu erlangen.