Add Thesis

Data Mining and Risk Management in Banking

A case study within banking industry: A Critical Realist perspective on customer retention

Written by S. Akhatov, S. Chivarar & R. Shakir

Paper category

Bachelor Thesis

Subject

Business Administration>Management

Year

2012

Abstract

Bachelorarbeit: Diese Bachelorarbeit befasst sich mit Entscheidungen im Zusammenhang mit Risikomanagement und DataMining im Bankensektor. Sie zeigt auf, wie wertvoll die Informationstechnologie für das wettbewerbsorientierte Bankenumfeld geworden ist, um Kunden zu binden. Die untersuchte Bank ist die Swedbank, deren Hauptziel es ist, eine enge Beziehung zu ihren Kunden aufrechtzuerhalten. Die Untersuchung versucht, Faktoren zu identifizieren, die einen Einfluss auf den Entscheidungsfindungsprozess zwischen Data Mining und Risikomanagement haben und die Swedbank bei der Kundenbindung beeinflussen oder zum Verlust von Kunden führen könnten. Die bei der Ermittlung der möglichen Faktoren angewandte Perspektive war der Kritische Realismus, bei dem Abduktion, Retroduktion und Kausalanalyse auf eine einzelne ganzheitliche Fallstudie angewandt wurden.Die auf der Analyse basierenden Ergebnisse haben fünf mögliche Faktoren identifiziert, die sich auf die Kundenbindung im Bankenumfeld auswirken können.Diese Faktoren wurden als Kausalmechanismen identifiziert und sind Verantwortungsdruck, Mitarbeiterkompetenz, Voreingenommenheit, Komplexität der Dienstleistungen und Kundenverhalten.Zwischen Data Mining und Risikomanagement gibt es eine große Anzahl von Faktoren, die zur Kundenbindung beitragen. Die fünf identifizierten Faktoren beruhen auf Kriterien der Kreditvergabe durch Privatkunden. Da die Swedbank aus der Sicht des Kritischen Realismus als offenes soziales System betrachtet wird, können sich die Eigenschaften der ermittelten Faktoren im Laufe der Zeit ändern. Risikomanagement und Data Mining im Kontext des BankensektorsHintergrund dieser Untersuchung sind Risikomanagement und Data Mining im Zusammenhang mit dem Bankensektor in Zeiten instabiler Märkte.Viele Unternehmen werden in einem derart schnelllebigen Umfeld Opfer von Instabilität, während diejenigen, die Risiken in ihren täglichen Abläufen antizipieren, Verluste minimieren (Andersen, et al., 2007).Risikomanagement (RM) ist ein Prozess, der darauf abzielt, die Risiken zu ermitteln, die sich auf den Geschäftsbetrieb auswirken, und diese Bedrohungen zu beseitigen. Im Wesentlichen identifiziert der Prozess jede Art von Situation, die zu einer Schädigung einer materiellen oder immateriellen Ressource im Besitz des Unternehmens, einschließlich des Personals, führen könnte, und ergreift dann Maßnahmen zur Korrektur von Faktoren, die mit hoher Wahrscheinlichkeit zu einer solchen Schädigung führen. RM befasst sich nicht nur mit den Versicherungsrisiken, sondern auch mit den Geschäftsrisiken, die sich aus der Bedrohung durch die Konkurrenz, der schlechten Produktqualität und der Kundenfluktuation (Verlust von Kunden) ergeben. Eines der Instrumente, die das RM bei der Minimierung des Risikos des Kundenverlusts und bei der Verwaltung der Kundenbindung unterstützen können, ist das Data Mining (DM) (Hormazi, et al., 2004). Mit Hilfe von DM können Banken Risiken bei der Kreditgenehmigung und der Ausgabe von Kreditkarten verwalten, das Kundenverhalten ermitteln und feststellen, ob Kunden zuverlässig sind und daher beibehalten werden sollten, oder ob sie das Risiko eines Zahlungsausfalls darstellen (The Chartered Accountant, 2006).DM ist ein Werkzeug, das Modelle erstellt, um Muster in großen Datensammlungen zu finden. Durch die Verwendung dieser Modelle extrahiert der Endbenutzer Daten, um das Kundenverhalten zu analysieren und vorherzusagen und dabei einen Wettbewerbsvorteil zu erlangen, das Risiko des Kundenverlusts zu verringern und zu erkennen, was Kunden anzieht. Nach (Cabena, et al., 1997, S. 12) ist "Data Mining definiert als der Prozess der Extraktion zuvor unbekannter, gültiger und verwertbarer Informationen aus großen Datenbanken und der anschließenden Verwendung der Informationen, um wichtige Geschäftsentscheidungen zu treffen". DM im Bankensektor unterstützt nicht nur die Kundenbindung, sondern auch die Kundenakquise (The Chartered Accountant, 2006). Dies ist für die Banken von großer Bedeutung, da der Wettbewerb groß ist und die Kunden so viele Möglichkeiten haben, ihre Geschäfte zu tätigen. Dies verlangt von der Geschäftsleitung, dass sie ihren Kunden volle Aufmerksamkeit schenkt. DM hilft den Banken bei der Erkennung von Kaufverhaltensmustern, die wiederum die Banken dabei unterstützen, Anreize zu bieten, die individuell auf die Kundenbedürfnisse zugeschnitten sind (Hormazi, et al., 2004).Aufgrund der Tatsache, dass der Wettbewerb schnell zunimmt, müssen die Geschäftsbanken neue Strategien und Instrumente wie DM anwenden, um wettbewerbsfähig zu bleiben. Die Banken können DM-Methoden und -Analysen entwickeln, um Betrugsfälle zu erkennen, Fehler zu analysieren, Nachfrageprognosen zu erstellen und das Risikomanagement zu bewerten (Hormazi et al., 2004).Perspektive des schwedischen BankensektorsIn Schweden ist das Finanzsystem die grundlegende Basis für ein gut strukturiertes Wirtschaftsleben, sowohl für private Verbraucher als auch für Unternehmen (Schwedischer Bankenverband, 52012).Der schwedische Bankensektor bietet ein zuverlässiges System für Sparen, Finanzierung und Zahlungsverkehr. Das Risikomanagement ist ein wichtiger Bestandteil dieses Systems. Das Finanzsystem unterstützt die Produktion, das Wohlergehen und die Beschäftigung und wird von Banken, Kreditinstituten und Unternehmen, die im Finanzsektor tätig sind, verwaltet. Laut (Schwedischer Bankenverband, 2012) ist der Finanzsektor einer der am stärksten wachsenden Wirtschaftszweige in Schweden. Er beschäftigt etwa 100 000 Menschen und macht etwa vier Prozent der gesamten Produktionsleistung aus. Im März 2007 veröffentlichte ECON einen Artikel, in dem es heißt "Der schwedische Markt für Privatkundengeschäfte befindet sich in einem tiefgreifenden Wandel. Die Einführung ausländischer Unternehmen, der Eintritt anderer Geschäftszweige und neue Technologien haben die Entwicklung des schwedischen Bankenmarktes sowohl für Produzenten als auch für Verbraucher beeinflusst. (ECON, 2007, S. 3). Die prognostizierten Veränderungen beschreiben das Eindringen ausländischer Niederlassungen, die das Wettbewerbsumfeld auf dem schwedischen Bankenmarkt beeinflussen werden. Dem Artikel (ECON, 2007) zufolge haben die jüngsten Entwicklungen gezeigt, dass die Zahl der traditionellen Bankfilialen abnimmt und die Kunden nun das neue Zeitalter der Technologien und damit auch der Dienstleistungen wie Internetbanking bevorzugen.Banken in SchwedenNach Angaben des schwedischen Bankenverbands (Swedish Bankers' Association, 2011) gibt es in Schweden die folgenden vier Kategorien von Banken: Schwedische Geschäftsbanken, ausländische Banken, Sparkassen und Genossenschaftsbanken. Eine Unterkategorie, die in dieser Untersuchung von Interesse ist, fällt unter die Kategorie der schwedischen Geschäftsbanken. Hier gibt es vier Hauptakteure wie folgt: Swedbank, Handelsbanken, Nordea und SEB. Der Grund für die Wahl der Swedbank ist, dass sie laut Jahresbericht 2011 (Swedbank, 2011) die größte Bank Schwedens ist, was die Kundenzahl angeht. 9,6 Millionen Privatkunden in Schweden und 630.000 Firmen- und Organisationskunden im Baltikum (Swedbank, 2011).1.1ProblemstellungIn den letzten zehn Jahren gab es ein unglaubliches Wachstum in der Datenbanktechnologie und der Menge der gespeicherten Daten. Geschäftstransaktionen werden computerisiert und mit großen Datenmengen überflutet. Dies bietet die Möglichkeit, nützliche Informationen zu analysieren, zu extrahieren und zu entdecken sowie Datenmuster zu ermitteln (Sumathi & Sivanandam, 2006). Der Bankensektor investiert große Summen in IT-Systeme, um die Effektivität und Effizienz der verschiedenen Tools in Informationssystemen zur Datenerfassung zu bewerten. Dies gilt auch für DM, aber es gibt nicht genügend Informationen und Untersuchungen darüber, wie die Komplexität von DMS (Data-Mining-Systemen) aussieht und ob sie eine wichtige Rolle im Kontext rechtlicher, sozialer, politischer und kultureller Faktoren zusammen mit organisatorischen Zielen, Strukturen, Management und anderen internen Abläufen spielen (Lin, et al., 2008). All diese Faktoren werden als wichtige "relevante" Themen betrachtet, die die Art und Weise bestimmen, wie DM als Wettbewerbsinstrument zur Unterstützung von Entscheidungen innerhalb des organisatorischen Umfelds eingesetzt wird. 6Umgebung. Dazu gehören: organisatorische Ziele, Strukturen und verschiedene Abteilungen wie Knowledge Discovery in Database (KDD) und RM (Lin, et al., 2008).Die oben dargestellten Aspekte werden aus der Sicht des Bankenumfelds beschrieben, in dem technologische Tools wie DM-Methoden zusammen mit organisatorischen Aspekten zur Identifizierung von Risiken für die Kundenbindung herangezogen werden.Die Kundenbindung wird in der Bankenbranche im Vergleich zu anderen Branchen als eine Herausforderung angesehen. Die Kunden müssen sich sicher fühlen, wenn es um ihre Finanzen geht, und es ist sehr wichtig, die Anforderungen der Kunden zu verstehen und zu schätzen. Die Bankdienstleistungen spielen in diesem Zusammenhang eine wichtige Rolle und wirken sich auf die Kundenbindung aus. Infolgedessen müssen Banken bewerten, wie sie die Kundenbindung unterstützen können (HubPages Inc., 2012).1.2ZweckDer Zweck dieser Untersuchung besteht darin, zu erklären, welche Faktoren die Kundenbindung im Bankensektor beeinflussen, wenn Data Mining das Risikomanagement im Entscheidungsprozess unterstützt. Anhand der Faktoren werden die Autoren die in der Risikomanagementabteilung getroffenen Entscheidungen und die Qualität der aus den DM-Tools abgeleiteten Erkenntnisse, insbesondere die Scoring-Modelle, untersuchen.Der Grund für die Wahl der Kundenbindung liegt in den Prioritäten der Swedbank für 2012: "Verbesserung der Kundenzufriedenheit durch kontinuierliche Anpassung unseres Angebots an verschiedene Kundengruppen; Gewinnung eines größeren Anteils am Bankgeschäft unserer bestehenden Kunden" (Swedbank, 2011).1.3Forschungsfrage: Welche Faktoren wirken sich auf die Kundenbindung im Bankensektor aus, wenn Data Mining das Risikomanagement im Entscheidungsprozess unterstützt?In der Forschungsfrage haben die Autoren die Begriffe Faktoren als Ersatz für den technischen Begriff Kausalmechanismus verwendet, um die Lesbarkeit zu verbessern. Im Wesentlichen haben diese beiden Begriffe in dieser Untersuchung die gleiche Bedeutung; Faktor ist also dasselbe wie Ursache... 72ForschungsmethodikIn diesem Kapitel wird die wissenschaftliche Forschung jenseits der von den Autoren getroffenen Entscheidungen und der Methoden beschrieben, die die Arbeit in diesem Bericht leiten.Die Wahl der Forschungsphilosophie ist für jede Forschung von grundlegender Bedeutung, da sie die Art und Weise der Durchführung der Forschung festlegt. In der Forschungsmethodik haben die Autoren ihren Forschungsansatz definiert und für die Wahl der Philosophie des Kritischen Realismus argumentiert. Die Methodik umfasst: Forschungsdesign, Analyseeinheiten, Methoden der Datenerhebung, Methoden zur Auswertung der Analyse und ein Modell für die empirischen Daten. Die Gliederung der Methodik ist in Abbildung 1 dargestellt: Abbildung 1. Disposition der Forschungsmethodik2.1ForschungsphilosophieOntologische PositionEpistemologische PositionKritischer RealismusForschungsansatz Haltung: Abduktion und Retroduktion2.2ForschungsdesignEinzelfallstudie-holistischFallstudieAnalyseeinheit2.3DatenerhebungsdesignPrimäre DatenerhebungSekundäre Datenerhebung2.4Methodenbewertung der Qualität des ForschungsdesignsKonstruktvaliditätInterne ValiditätExterne Validität2.5Modell zur Analyse empirischer DatenSayer 1992 82.1Forschungsphilosophie Ontologie ist die Lehre von dem, "was es gibt" (Thomas, 2012 ). Die Ontologie befasst sich mit der Frage, ob ein bestimmtes Ding oder im weiteren Sinne eine Entität existiert oder nicht (Thomas, 2012 ). Die Ontologie besteht aus zwei Teilen: der Frage, ob ein bestimmtes Ding existiert, d. h. was es gibt, und den Merkmalen und Beziehungen der Entität (Sache) zu anderen Entitäten (Dingen) (Thomas, 2012 ). Die Erkenntnistheorie ist die Lehre vom Wissen und der Rechtfertigung von Überzeugungen. Sie befasst sich mit Fragen wie: Was sind die notwendigen und hinreichenden Bedingungen des Wissens? Was sind seine Quellen? Was ist seine Struktur und was sind seine Grenzen?(Matthias, 2005).Erkenntnistheoretische und ontologische Position im Kritischen RealismusAus erkenntnistheoretischer Sicht sagt Sayers: "Die Welt existiert unabhängig von unserem Wissen über sie."(Sayer, 1992, S. 5) "Unser Wissen über diese Welt ist fehlbar und theoriebeladen. (Sayer, 1992, S. 5) Aus ontologischer Sicht sagt Sayers: "Die Welt ist differenziert und geschichtet, sie besteht nicht nur aus Ereignissen, sondern auch aus Objekten, einschließlich Strukturen, die über Kräfte und Verbindlichkeiten verfügen, die Ereignisse erzeugen können." (Sayer, 1992, S. 6).2.1.1Perspektive des Kritischen RealismusDie philosophische Perspektive, die in dieser Arbeit vertreten wird, ist der Kritische Realismus. Er wird auch als Bashkars Philosophie bezeichnet, da Roy Bhaskar 1975 das Konzept des Kritischen Realismus aus dem Realismus entwickelt hat (Mingers, 2000).Der Kritische Realismus ist in der Informationssystemforschung relativ neu. Nach Angaben des Autors (Easton, 2009) wurden bei einer Suche in der Datenbank ISI Web of Science nur 334 Arbeiten gefunden, die den Kritischen Realismus im Titel oder in der Zusammenfassung enthalten. Im Februar 2012 durchsuchten die Autoren dieser Arbeit Google Scholar mit der Suchmaschine der Bibliothek der Universität Jönköping nach Arbeiten, die die Perspektive des Kritischen Realismus zur Bewertung von Informationssystemen verwenden. Die Suchbegriffe waren "critical realism in IS" und es wurden nur 58 Ergebnisse gefunden. Der Kritische Realismus ist eine realistische Philosophie, die besagt, dass es eine Welt außerhalb und abhängig von unserer Wahrnehmung gibt und wir als Menschen nur in der Lage sind, einige Aspekte dieser Welt mit unseren eigenen Sinnen wahrzunehmen (Easton, 2009).Da Ereignisse unabhängig von unserer Wahrnehmung sind, werden auch die Ursachen, die diese Ereignisse erzeugen, nicht wahrgenommen (Easton, 2009).Es gibt drei Realitätsebenen, ontologische Domänen (Mingers, 2004). Obwohl es sich um getrennte Bereiche, d.h. Felder, handelt, ist das empirische Feld eine Teilmenge des tatsächlichen Feldes, und das letzte ist eine Teilmenge des realen Feldes (siehe Abbildung 2). 9Abbildung 2. Die drei Bereiche des Realen.Quelle: (Mingers, 2004, S. 98)Erfahrungen(Empirie): Repräsentieren unsere Erfahrungen über die Welt und das, was wir in ihr sehen. Diese Sichtweise kann subjektiv sein und sich auf die perspektivische Sichtweise beschränken. Diese Ebene gilt als nominalistisch und unsere Erfahrungen als Individuen sind kein Spiegel der Realität. Wir verwenden unsere eigene Perspektive, um die Dinge, die wir erleben, zu betrachten (Fisher, et al., 2007).Events (Actual): Ereignisse treten in der Welt auf, unabhängig davon, ob wir sie wahrnehmen oder nicht, sie sind unabhängig von unserer Sicht der Realität und somit objektiv. Wenn sie wahrgenommen werden, werden sie von Forschern mit eigenen Erfahrungen beobachtet. Sie gehören zur zweiten Ebene der Realität (Fisher, et al., 2007)(Easton, 2009).Mechanismen(Real): Auf dieser Ebene vertritt der Kritische Realismus jedoch die Auffassung, dass es mehrere Mechanismen gibt, die auftreten können, und dass sie nicht direkt erlebt werden können, sondern logisch aus den Ereignissen bzw. den Ereignissen, die wir erleben, abgeleitet werden müssen (Fisher, et al., 2007).Der Kritische Realismus unterscheidet sich von anderen Ansätzen, da er es den Forschern ermöglicht, zu verstehen, warum Ereignisse so auftreten, wie sie es tun. Nach (Easton, 2009) plädiert der Interpretivismus-Ansatz in der Forschung für eine sensible Datenerfassung und für eine ausführliche Datenanalyse. Forscher, die diese Perspektive einnehmen, haben nicht die Möglichkeit zu wissen, was wirklich ist, und es gibt keinen klaren Standard dafür, welche Art der Interpretation der Daten besser ist. Andererseits behaupten Forscher, die den erkenntnistheoretischen Standpunkt des Positivismus einnehmen, dass es Regelmäßigkeiten und geringe Verallgemeinerungen gibt, die wiederum eine Grundlage für Erklärungen und Vorhersagen bieten. Dies beantwortet jedoch nicht die Frage, warum die Dinge so sind, wie sie sind (Easton, 2009). Der Grund für die Wahl des Ansatzes des kritischen Realismus liegt darin, dass die Forscher nur aus dieser Perspektive in der Lage sind, die wirklichen Ursachen hinter den Ereignissen zu identifizieren und zu verstehen, warum die Dinge so sind, wie sie sind, d. h., was verursacht die von uns beobachteten Ereignisse?Welche Faktoren wirken sich auf die Kundenbindung bei der Swedbank aus?Was sind die notwendigen und kontingenten Welche Strukturen aus Risikomanagement und Data Mining unterstützen die Kundenbindung bzw. bestimmen den Kundenverlust?Den Unterschied zwischen Kritischem Realismus und strengem Empirismus zeigen die Autoren in Fel! Im strengen Empirismus (Positivismus) versuchen die Forscher, regelmäßige Verhaltensmuster der untersuchten Phänomene in einem geschlossenen System zu definieren (Easton, 2009), (WUISMAN, 2005). Das Verhaltensmuster wird auf der Grundlage der Messung der stattfindenden Ereignisse ermittelt, und auf der Grundlage dieser strengen empirischen Beobachtungen ziehen die Forscher Schlussfolgerungen. Im Kritischen Realismus hingegen findet das Verhaltensmuster des untersuchten Phänomens in einem offenen System statt und wird durch Faktoren unterbrochen, die es beeinflussen (Easton, 2009). Diese Faktoren sind für die Forscher nicht sichtbar, da sie sich auf der dritten Ebene der Realität, dem Realen, abspielen. Um diese Faktoren aufzudecken, müssen die Autoren Abduktion und Retroduktion verwenden (WUISMAN, 2005). Die Abduktion wird in den Anfangsphasen der Untersuchung, bei der Literaturrecherche und die Retroduktion bei der Analyse der empirischen Daten eingesetzt. Sowohl die Abduktion als auch die Retroduktion werden im folgenden Abschnitt erläutert.2.1.2Forschungsansatz HaltungAbduktionAbduktion ist ein logischer Schluss, der seine Schlussfolgerungen nur dann aufrechterhält, wenn bestimmte Bedingungen zutreffen, damit er wahr ist. Es handelt sich um ein Verfahren, bei dem eine erklärende Hypothese unter bestimmten Bedingungen angenommen wird, während die Bedingungen akzeptiert und angewandt werden (Commens Pierce Dictionary, 2003).Die Form des Schlusses lautet "Die überraschende Tatsache C wird beobachtet; aber wenn A wahr wäre, wäre C eine Selbstverständlichkeit; daher gibt es Grund zu vermuten, dass A wahr ist" (Pietarinen, et al., 2003).Es gibt sechs Arten der Abduktionsinferenz (Cunningham, et al., 2001).1) Vorzeichen/Vorahnung (ein Zeichen, dass etwas passieren wird): Bei dieser Art von Schlussfolgerung wird die Möglichkeit einer potenziellen Ähnlichkeit berücksichtigt. Unsere anfänglichen Beobachtungen als Untersuchungsbeauftragte könnten auf mögliche Anzeichen hinweisen. Dies kann als eine "Ahnung" von etwas definiert werden.2) Symptom: Diese Art der Schlussfolgerung befasst sich mit möglichen Ähnlichkeiten. Die Ermittler sollten entscheiden, ob die tatsächlichen Beobachtungen als Fall betrachtet werden sollten oder nicht. 3) Metapher/Analogie: Diese Art der Schlussfolgerung befasst sich mit der Manipulation von Ähnlichkeiten, um eine mögliche Regel zu erstellen oder zu erkennen.4) Hinweis: Diese Art der Schlussfolgerung befasst sich mit möglichen Beweisen dafür, ob unsere Ansichten als Ermittler die Hinweise für ein allgemeines Phänomen sind oder nicht.5) Diagnose/Szenario: Diese Art der Schlussfolgerung legt fest, ob es möglich ist, eine mögliche Regel auf der Grundlage der verfügbaren Beweise zu erstellen. Szenarien können auf vorhandenen Hinweisen aufgebaut werden.6) Erklärung: Bei dieser Art von Schlussfolgerung geht es um die Möglichkeit, eine formale Regel als Schlussfolgerung zu erstellen, um eine allgemeine plausible Erklärung zu finden. 11 Beispiele für die Anwendung von Abduktion entsprechend den oben genannten Modi: Die Modi 1), 2) und 3) wurden bei der Literaturrecherche und der Suche nach Informationen, Hinweisen und Ähnlichkeiten zwischen den zu untersuchenden Konzepten angewandt, die Modi 4) und 5) nach der Sammlung von Informationen aus Interviews und dem Versuch, mögliche Hypothesen für die Ursachen von Ereignissen zu ermitteln. Modus 6) wurde bei der Identifizierung von Strukturen und Einheiten mit ihren Befugnissen und Verbindlichkeiten sowie den notwendigen und zusammenhängenden Beziehungen zwischen ihnen angewandt. In diesem Modus haben die Forscher die Daten trianguliert, um eine Begründung für die Schlussfolgerung zu entwickeln, die auf mehreren Quellen basiert, wie z. B. den empirischen Daten aus dem Interview (siehe Anhang B), der sekundären Datensammlung von Swedbank (Swedbank, 2012), (Swedbank, 2011), (Tudre & Adamson, 2007-2011) und der Literaturübersicht. Zu wissen, dass auf "C" im Allgemeinen "E" gefolgt ist, reicht nicht aus: Wir wollen den kontinuierlichen Prozess verstehen, durch den "C" "E" hervorgebracht hat, wenn es denn so war (Sayer, 1992), eine Art der logischen Beurteilung, bei der man den Ereignissen helfen kann, indem man die Mechanismen identifiziert, die sie hervorbringen. Die Retroduktion im Kritischen Realismus kann so gesehen werden, wie sie (Piekkari & Welch, 2011) mit Hilfe von Sayers Sicht der Kausalität (Sayer, 2000) beschrieben haben (siehe Abbildung 3). ErfahrungenEreignisseMechanismenRealer Wirklichkeitsbereich(unbeobachtbar, aber objektiv)Tatsächlicher Wirklichkeitsbereich(teilweise beobachtbar, aber objektiv)Empirischer Wirklichkeitsbereich(beobachtbar und subjektiv)StrukturenBedingungen (andere Mechanismen)Abbildung 3Drei Wirklichkeitsbereiche und die Logik der Retroduktion.Quelle:(Piekkari & Welch, 2011, S. 68) 12 Der Retroduktionsprozess hilft den Autoren, nach komplexen Details zu suchen, um eine Erklärung dafür zu finden, wie die Ereignisse zustande gekommen sind. Die Forscher haben die empirischen Beobachtungen genommen und mit Hilfe der Abduktion eine Hypothese über einen möglichen Mechanismus aufgestellt, der ihnen half, bestimmte Ereignisse zu erklären. Diese Mechanismen werden aus der Natur des Untersuchungsgegenstandes abgeleitet, während Literaturrecherchen und andere Quellen von Sekundärdaten durchgeführt werden, wie z. B.: (Swedbank, 2012) (Schwedischer Bankenverband, 2012), (Swedbank, 2011), (Tudre & Adamson, 2011).Die Abduktion hat den Forschern geholfen, über die Chronologie der Ereignisse hinauszugehen (Bygstad, 2000). 2.2Forschungsdesign2.2.1FallstudieNach (Yin, 2003) ist die Verwendung von Fallstudien für Forschungszwecke nach wie vor eine der größten Herausforderungen bei allen sozialen Unternehmungen.Es gibt drei Arten von Strategien für die Durchführung von Fallstudienanalysen: a) explorative Fallstudien, b) beschreibende Fallstudien und c) erklärende Fallstudien. Für jede dieser Strategien gibt es drei Bedingungen - die Art der Forschungsfragen, die bei der Untersuchung verwendet werden, das Ausmaß der Kontrolle, die ein Forscher über die tatsächlichen Verhaltensereignisse hat, und die Frage, ob man sich mehr auf gegenwärtige Ereignisse als auf historische Ereignisse konzentriert oder nicht. (Yin, 2003). In dieser Untersuchung wird eine erklärende Fallstudie zusammen mit einer Archivanalyse verwendet, die auf Geschäftsunterlagen basiert, die von der Swedbank an ihre Stakeholder herausgegeben wurden (Swedbank, 2011) (Tudre & Adamson, 2007 - 2011). Der Grund für die Durchführung einer erklärenden Analyse liegt darin, dass die Autoren den Kausalzusammenhang in realen Interventionen erklären werden, die für Umfragen oder experimentelle Strategien zu komplex sind.Die Geschäftsunterlagen zusammen mit dem Bezugsrahmen und den empirischen Daten werden die Autoren dabei unterstützen, die "Was-Faktoren" zu identifizieren, während die erklärende Analysestrategie die Autoren dabei anleiten wird, die Art dieser Faktoren zu erklären.Die Stärken des Fallstudien-Forschungsdesigns liegen darin, dass es eine Vielzahl von Beweisquellen wie Dokumentation, Archivunterlagen und Interviews berücksichtigt (Yin, 2003). Dies wiederum gewährleistet den Prozess der Datentriangulation. In dieser Untersuchung haben die Autoren mehrere Datenquellen verwendet: Interviews (siehe Anhang B), Archivunterlagen (Tudre & Adamson, 2007-2011), Geschäftsunterlagen der Swedbank (Swedbank, 2012), (Swedbank, 2011) und Referenzrahmen. Die Triangulation der Daten hat die Messung der Faktoren auf der Grundlage mehrerer Beweisquellen unterstützt.2.2.2Ganzheitliche EinzelfallstudieDie Autoren dieser Untersuchung haben sich für eine (ganzheitliche) Einzelfallstudie entschieden. Die folgenden Argumente sprechen für diese Auswahl: Die Geschäftsbank Swedbank erfüllt alle von den Untersuchern definierten Untersuchungskriterien, wie z. B.: Sie setzt DM in RM ein, um auf einem lokalen Markt wettbewerbsfähig zu bleiben, indem sie Kunden an sich bindet; sie versucht, effizient auf Veränderungen der Risikofaktoren zu reagieren, indem sie die mit dem Wettbewerb verbundenen Risiken steuert; sie ist ein repräsentativer, typischer Fall (Yin, 2003), der Nach Angaben der schwedischen Finanzaufsichtsbehörde (ECON, 2007) wurde die Swedbankh als die Bank mit dem zweithöchsten Umsatz in Schweden auf nationaler Ebene eingestuft. 2.2.3AnalyseeinheitWir betrachten unseren Untersuchungsgegenstand als ein offenes soziales System, in dem die Grenzen in beide Richtungen durch Material- und Informationsflüsse überschritten werden. In einem geschlossenen System fließen die Informationen nur in eine Richtung (Vercellis, 2009). DM und RM werden als Teilsysteme betrachtet, wobei die Kundenbindung als Input und Output in die Teilsysteme betrachtet wird. Die Analyseeinheiten sind: "Data Mining", "Risikomanagement" und "Kundenbindung".2.3DatenerhebungsdesignPrimärdaten: Interviews Interviews - Interviews gelten als die wichtigste Informationsquelle in der Fallstudienforschung. Interviews sind eher geführte Gespräche und keine strukturierten Fragen. Die Fragen sind eher fließend und nicht starr. In einem Interviewprozess müssen die Ermittler die Fragen in einer unvoreingenommenen Weise stellen, die den Zweck der Untersuchung unterstützt. Es ist wichtig, dass die Ermittler den Unterschied zwischen dem Wie und dem Warum und die Wirkung, die diese auf die Befragten haben, unterscheiden. Die "Wie"-Fragen versetzen den Befragten nicht in einen defensiven Zustand und sind freundlicher, während die "Warum"-Fragen das Gegenteil bewirken. Bei der Erstellung des Interviewleitfadens für diese Untersuchung haben die Autoren die Fragen mit "wie", "welche", "tut" und "was" bewertet (siehe Anhang A) (Yin, 2003). Die Art der Befragung, die in dieser Untersuchung durchgeführt wurde, ist eine offene Befragung, bei der die Ermittler offene Diskussionen mit dem Befragten geführt haben. Bei dem Befragten handelte es sich um den Regionalleiter der Swedbank-Filiale in Jönköping. Das Gespräch dauerte 40 Minuten und wurde aufgezeichnet (siehe Anhang B). Der Regionalleiter ist die höchste Instanz, die für die Swedbank in Jönköping arbeitet. Die Autoren haben beschlossen, nur ein Interview zu führen. Der Grund dafür ist, dass im Kritischen Realismus Primärdaten nur für die Ermittlung des Ausgangspunkts der Untersuchung benötigt werden, d. h. für die Identifizierung der endgültigen Ereignisse für die retroduktive Argumentation, wie in Abbildung 3 beschrieben.Die möglichen Faktoren, die sich auf die Kundenbindung auswirken, werden daher aus der Analyse des Referenzrahmens und der von der Swedbank herausgegebenen Sekundärdaten abgeleitet.Sekundäre DatenerhebungFür die sekundäre Datenerhebung nutzten die Forscher Google ScholarArchival Records, die von der Swedbank für ihre Stakeholder freigegeben wurden, und die Literaturübersicht. 14Google Scholar wurde zur Identifizierung von Sekundärdaten herangezogen. Die Autoren verwendeten Google Scholar der Universität Jönköping mit Suchbegriffen wie: Data Mining; Data Mining + Risikomanagement; Data Mining + Risikomanagement + Banken; Data Mining + Risikomanagement + Swedbank; Data Mining + Risikomanagement + Wissensentdeckung in Datenbanken (KDD); Risikomanagement + Swedbank; KDD + Banken; KDD + Swedbank, Berater+Banken, Kundenbindung + Banken, Kundenloyalität, Kundenverhalten + Banken, Scoringmodelle. Durch die Verwendung der oben genannten Suchbegriffe haben die Autoren verschiedene Zeitschriften, Online-Bücher, Zeitungen und White Papers gefunden, die bei der Untersuchung des Phänomens als Referenzen verwendet wurden. 78 Referenzen wurden aufgrund der oben genannten Suchbegriffe verwendet. Archivaufzeichnungen - Diese Art von Aufzeichnungen ist für unsere Untersuchung relevant, da sie Computerdateien und Aufzeichnungen enthalten, die von der Swedbank direkt an ihre Stakeholder herausgegeben wurden. Service Records - Informationen über die Anzahl der Kunden, die in einem bestimmten Zeitraum bedient wurden (Yin, 2003). Die Aufzeichnungen, auf die die Autoren zugriffen, dienten dazu, Informationen über die Kundenbindung und die von der Swedbank in einem bestimmten Zeitraum angebotenen Dienstleistungen zu ermitteln. Die von den Autoren für diese Art von Dienstleistung verwendeten Dokumente waren Aufzeichnungen der von der Swedbank an ihre Stakeholder herausgegebenen Jahresberichte aus den Jahren 2010 und 2011 (Swedbank, 2011), (Schwedischer Bankenverband, 2011), (Tudre & Adamson, 2011).Organisationsaufzeichnungen - Organigramme und Budgets über einen bestimmten Zeitraum (Yin, 2003). Die Forscher haben auf Organigramme zugegriffen, um festzustellen, ob die Anzahl der Kunden über einen bestimmten Zeitraum zu- oder abgenommen hat und wie die internen Prozesse aufgeteilt wurden. Die Dokumente, die von den Forschern für diese Art von organisatorischen Aufzeichnungen verwendet wurden, waren die von der Swedbank an ihre Stakeholder herausgegebenen Jahresberichte aus dem Jahr 2011 (Swedbank, 2011) und die Oracle Data Integrator ETL-Software in Swedbank EDW, 2007-2011 (Tudre & Adamson, 2011). Aus den Dokumenten wurden Organigramme verwendet, um die Fluktuation der Kunden, die internen Organigramme der Mitarbeiter und den Informationsprozess zwischen den Abteilungen darzustellen.2 .4Methoden zur Ergebnisauswertung2.4.1KonstruktvaliditätKonstruktvalidität ist in der Sprache des Kritischen Realismus ein Urteil darüber, ob die in der Untersuchung gesammelten empirischen Daten empirisch auf die tatsächlichen Ereignisse von Forschungsinteresse zurückgeführt werden können, die unter der empirischen Oberfläche wirken (Hart & Gregor, 2010). Die Konstruktvalidität im strengen Empirismus, wie z. B. dem Positivismus, befasst sich dagegen mit den erhobenen empirischen Daten (der Messung) und dem theoretischen Konzept jenseits des Konstrukts. Der Unterschied zwischen dem strengen Empirismus und dem Kritischen Realismus wird im Folgenden beschrieben.Tabelle 1Unterschiede zwischen dem strengen Empirismus und dem Kritischen Realismus in Bezug auf die Konstruktvalidität.KonstruktvaliditätStrenger Empirismus (Positivismus)Kritischer RealismusTheoriekonzept EmpirischReal Tatsächliches Ereignis EmpirischEine weitere Möglichkeit, die Konstruktvalidität im Rahmen des Kritischen Realismus zu überprüfen, besteht darin, bei der Durchführung von Interviews am untersuchten Ort eine Beweislinie zu erstellen. Die von den Befragten beschriebenen Ereignisse wurden mit Hilfe der bei der Analyse ermittelten Kausalmechanismen identifiziert. Der Test wurde bestanden (siehe 5.7.1), indem die vom Befragten erhaltene Beweislinie, empirische Daten (siehe Anhang B) und Sekundärdaten (Swedbank, 2011) verwendet wurden. 2.4.2 Interne ValiditätInterne Validität in der Kritischen Realität bedeutet festzustellen, ob die tatsächlichen Ereignisse, die von den Forschern aufgedeckt werden, durch die generativen Mechanismen verursacht werden, die während des Theoriebildungsprozesses entdeckt werden. Es gibt drei Hauptfaktoren, die zur internen Validierung im Kritischen Realismus beitragen: (a) Erklärung des Mechanismus, (b) Bestätigung, dass der Mechanismus wie beschrieben funktioniert hat, und (c) Ausschluss alternativer Erklärungen" (Hart & Gregor, 2010, S. 40).Eine Möglichkeit, sich mit der internen Validität im Kritischen Realismus zu befassen, besteht darin, die Ansichten und das Verständnis der einzelnen Forscher zu generativen Mechanismen zu vergleichen. Es gibt drei Forscher, die an dieser Untersuchung mitgewirkt haben. Die interne Validität wurde getestet, um den Nachweis zu erbringen, dass alle drei Forscher dieselben generativen Mechanismen aufgedeckt haben, die zu den Ereignissen geführt haben (siehe 5.7.2).2.4.3 Externe ValiditätDie externe Validität im Kritischen Realismus besteht darin, nachzuweisen, dass die generativen Mechanismen, die durch ein Ereignis in einem Forschungsumfeld hervorgerufen wurden, auch auf andere Untersuchungsbereiche im selben Bereich, jedoch in größerem Umfang, anwendbar sind.Die externen Validitätstests werden in Abschnitt 5.7.3 beschrieben. Eine Überlegung ist, ob die untersuchten Analyseeinheiten repräsentativ für den Kontext der Phänomene sind. Kann also derselbe generative Mechanismus in demselben Umfeld des Forschungsgebiets aufgedeckt werden; sind diese generativen Mechanismen repräsentativ für andere Umfelder? Dies ist ein heikles Thema, da die Forscher während der empirischen Datenerhebung eine subjektive Haltung zu ihren Erfahrungen einnehmen (Hart & Gregor, 2010). 162.5 Modell zur Analyse empirischer DatenDas Modell, das zur Identifizierung der kausalen Mechanismen verwendet wird, ist das Modell von Sayer zur kausalen Erklärung (Sayer, 1992, S. 213) (siehe Abbildung 4): Test A und Test B, die im Folgenden beschrieben werden, sind keine unabhängigen Tests, sondern stehen in einem Zusammenhang. Test A ist die Identifizierung von Objekten/Entitäten und Strukturen. Dieser Test identifiziert die kausalen Kräfte und Verantwortlichkeiten für die an der Analyse beteiligten Entitäten und Strukturen. Bei der Identifizierung von Objekten/Entitäten sind den Untersuchern die Strukturen, Zusammensetzungen und Eigenschaften dieser Objekte/Entitäten bereits bekannt. Eine Möglichkeit, die kausalen Kräfte und Verbindlichkeiten (allgemeine Mechanismen) des Objekts X zu überprüfen, kann durch Beobachtung festgestellt werden, allerdings unter bestimmten Bedingungen (notwendig und bedingt). TYP A TESTSKausale Kräfte und VerbindlichkeitenObjekt TYP B TESTSBedingungen (andere Objekte mit Kräften und Verbindlichkeiten)Ereignisse XSp1, p2, p3l1, l2, l3c3c4c2c1e1e2e3e4Objekt X, mitStruktur SNnotwendigerweise mit kausalen Kräften (p)und Verbindlichkeiten (l)unter bestimmtenBedingungen (c)wird; (c1)eine Veränderung hervorrufen-e2(c1) nicht aktiviert werden, also keine Veränderung hervorrufen-e1=notwendige Relation=bedingte RelationAbbildung 4Auswertung der Prüfung der Kausalhypothese. Quelle:(Sayer, 1992), S. 213 17Test Bbefasst sich mit der Bewertung der Ereignisse, die durch die kausalen Kräfte und Verbindungen von Objekt X hervorgerufen werden. Die Forscher können die Art des Ereignisses e antizipieren, indem sie über eine breite Palette von Bedingungen verfügen, in denen sich das Objekt X befindet.Die Komponenten des Modells werden im Folgenden beschrieben(Sayer, 1992):Objekte/Entitäten - oder allgemeiner ausgedrückt - Entitäten sind die Bausteine für die Erklärung der Kritischen Realität. Dabei kann es sich um Dinge wie Organisationen, Menschen, Beziehungen, Einstellungen, Ressourcen, Erfindungen, Ideen usw. handeln (Easton, 2009).Causal Powers and liabilities -Entities have causal powers and liabilities. Bei der Identifizierung kausaler Befugnisse können pragmatische Konzepte verwendet werden, wie z. B.: "Nach der Ursache von etwas zu fragen, bedeutet zu fragen, 'was es geschehen lässt', was es 'produziert', 'erzeugt', 'erschafft' oder 'bestimmt', oder, schwächer ausgedrückt, was es 'ermöglicht' oder 'dazu führt'" ((Sayer, 1992, S. 104). "Anfälligkeit kann als Anfälligkeit für die Wirkung anderer Entitäten betrachtet werden....."(Easton, 2009, S. 120).Ereignisse -Stellen das dar, worauf sich kritische Realisten bei der Untersuchung konzentrieren, wie z. B. das äußere Verhalten der Objekte, wenn sie auftreten oder geschehen sind. Normalerweise werden die Daten, die untersucht werden, eher berichtet als direkt beobachtet, was bedeutet, dass der Untersucher nicht direkt am Ereignis selbst teilnimmt, sondern das Ereignis auf eine aufgezeichnete Art und Weise erlebt, die dem Ereignis nahe kommt (Easton, 2009).Struktur von Entitäten - Entitäten sind normalerweise strukturiert, und mit Struktur ist gemeint, dass Objekte intern miteinander in Beziehung stehen. "Strukturen sind in Strukturen verschachtelt. So können Entitäten beispielsweise Organisationen sein, die über Abteilungsstrukturen und -beziehungen verfügen, und innerhalb dieser Organisationen Individuen, die bestimmte Merkmale wie geschlechtsspezifische und psychologische Strukturen aufweisen" (Easton, 2009, S. 120).Emergenz - Kritische Realitäten können auf verschiedenen Aggregationsebenen analysiert werden. Das bedeutet, dass die Eigenschaften von Entitäten auf einer hohen Aggregationsebene nicht durch die Gruppierung in einem summativen Konzept wie Top-Down (reduktionistischer Ansatz) abgeleitet werden, sondern dass diese Eigenschaften aus den Eigenschaften auf einer niedrigeren Ebene hervorgehen (Easton, 2009).Necessary Relations -Definiert das Konzept über eine Beziehung, bei der eine Sub-Struktur nicht ohne eine andere sein kann. Die Veränderung einer Entität führt zu einer Veränderung einer anderen Entität, mit der sie in einer notwendigen Beziehung steht. Diese Veränderungen müssen jedoch nicht regelmäßig sein. So kann beispielsweise eine Entität ohne die andere existieren, während die formale Entität nicht existieren kann (Easton, 2009).Kontingente Beziehungen - Diese Art von Beziehung gilt für Entitäten, die notwendige Beziehungen haben und auch kontingente (abhängige) Beziehungen haben können, die sich gegenseitig beeinflussen können. Sie sind nicht neutral und sind das Ergebnis von kausalen Prozessen, haben aber auch ihre eigenen kausalen Prozesse und Verbindlichkeiten (Easton, 2009).Mechanismen - Mechanismen sind "nichts anderes als die Handlungsweisen der Dinge" (Easton, 2009), S. 122. Die Ereignisse, die auftreten, können durch die Identifizierung der kausalen Erklärung zwischen Entitäten und den Mechanismen gefunden werden. Mechanismen sind der Schwerpunkt der kausalen Erklärung. Eine einfachere Definition kann als Wege betrachtet werden 18 in denen strukturierte Entitäten zusammen mit ihren Befugnissen und Verpflichtungen bestimmte Ereignisse herbeiführen und bestimmen (Easton, 2009). Damit der Leser versteht, wie das Modell in der Analyse angewendet wird, wird es aus (Easton, 2009, S. 122) übernommen. "Objekte (ein Verkäufer), die Strukturen haben (Wissen und Persönlichkeitsmerkmale usw.) und notwendigerweise kausale Kräfte (einen Käufer, der ein anderes Objekt ist, zu überzeugen) und Verbindlichkeiten (von technischen Käufern abgelehnt zu werden, gegen Ende des Tages müde zu werden) besitzen, werden unter einer bestimmten Bedingung c1 (der Käufer hat ein Bedürfnis nach dem Produkt und das Angebot ist geeignet) zu einem Ereignis e1 (ein Verkauf) führen, oder alternativ unter einer bestimmten Bedingung c2 (der Käufer hat ein Bedürfnis nach dem Produkt, aber das Angebot ist nicht geeignet) zu einem Ereignis e2 (kein Verkauf). Read Less