Is Crypto Dead? What to Buy/Mine? FinTechs beyond Blockchain?

Bitcoin crashes to lowest this year, losses top 25% in a week
Bitcoin crashes to lowest this year, losses top 25% in a week | Photo Credit: via Marco Verch

Yesterday, on my way to an AI roundtable, I had an interesting conversation about the future of crypto assets. I met Michael, who works for one of the world’s biggest insurance companies, on the train from Frankfurt to Munich. Of course, our conversation started with a nifty 7-minute Tableau demo – a wonderful ice breaker!

After closing the demo with the Bitcoin Dashboard on Tableau Public, the conversation quickly headed towards crypto assets and (non-)blockchain FinTechs. These are the top 3 of Michael’s questions that I want to share with you – together with my answers:

1. Is the blockchain innovation dead?

Absolutly not! Blockchain is a relatively new technology which has a long way to go before it becomes mainstream. Last year the most successful projects were those that aimed at adapting new technologies for convenient use. Furthermore, crypto assets create a new structure of safe and anonymous storage and managing of information. Projects like Ethereum proved to be extremely useful for building a steady and secure contracts, cloud storage and product quality control.

2. Are there still interesting crypto assets to buy or to mine?

Yes, indeed! In particular I’d suggest crypto assets targeting innovative use cases. If you buy these, you are actually investing in technology projects:

  • Factom (FCT) recently announced a partnership with Equator PRO, and according to the press release that announced the -partnership, Equator PRO is a software-as-a-service (SaaS) solution that aims to offer efficiency and oversight to help other mortgage servicers.
  • Clams (CLAM) is a crypto asset similar to bitcoin, but is using a ‘proof of stake’ system, which should be more equitable and fairer than bitcoin’s ‘proof of work’ system.
  • Electroneum (ETN) has a heavy emphasis on mobility and micropayments. A huge portion of the world’s population own a mobile phone but have no bank account. Electroneum aims to provide financial services for everybody in the world who has a mobile phone.

If you are into mining, it also makes sense if you are going to mine coins with innovative technology. Currently, I would strongly consider to mine Ravencoin (RVN) and its little sister Pigeoncoin (PGN).

Factom use cases
Factom use cases

3. Which non-blockchain related FinTech might be worth to look at?

Definetly Mintos! Mintos is much more than a regular peer-to-peer lending platform. Mintos is a global online marketplace for loans, which provides retail investors an easy and transparent way to invest in loans originated by a variety of alternative lending companies around the world. Furthermore, Mintos has demonstrated exponential growth and has become the world’s largest marketplace of its kind.

What’s your view on crypto? Let me know in the comments or via Twitter:

Digitale Banken: Welche Digitalisierungstrends bewegen die Finanzbranche 2018?

Immersive und interaktive Analyse von Finanzdaten mit Argumented Reality
Immersive und interaktive Analyse von Finanzdaten mit Argumented Reality (Blockchain-Dashboard)

Jedes Jahr (2015, 2016, 2017 und 2018) stelle ich Digitalisierungstrends vor, die der Finanzbranche ein großes Potenzial bieten. Dabei geht es vor allem um einen Überblick darĂŒber, welche Trends und Technologien zukĂŒnftig eine grĂ¶ĂŸere Rolle spielen werden oder könnten.

Im Folgenden habe ich die fĂŒnf Digitalisierungstrends identifiziert, die fĂŒr Banken und Versicherungen in Zukunft besonders spannend sein dĂŒrften:

1. Maschine Learning

Maschine Learning und Deep Learning werden im Investment Banking angewandt, um Unternehmensbewertungen schneller und zuverlĂ€ssiger durchzufĂŒhren. Mehr Daten denn je können hinzugezogen werden. Eine Gewichtung der Daten erfolgt komplett autonom. Da manuelle Analyse weitgehend entfĂ€llt, werden Entscheidungsprozesse drastisch beschleunigt. Investoren, die mit konventionellen Werkzeugen arbeiten, haben das Nachsehen.

2. KĂŒnstliche Intelligenz

Durch KĂŒnstliche Intelligenz gesteuerte Chatbots vermitteln den Kunden eine menschlichen-Ă€hnliche Betreuung. Chatbots werden darĂŒber hinaus in existierende Cloud-basierende Assistenten, wie Alexa oder Siri, eingebunden und sind in der Lage mittels Natural Language Processing, auch komplexere Anfragen zu verstehen. Recommender-Systeme liefern maßgeschneiderte Lösungen, die speziell auf die BedĂŒrfnisse der Kunden abgestimmt sind.

3. Internet of Things

Wearables und in Kleidung eingearbeitete Sensoren (Internet of Things, IoT) liefern ausreichend Daten, um den Lebensstil der Kunden vollstĂ€ndig zu vermessen. Dadurch können individuelle Raten fĂŒr Versicherungen und Finanzprodukte berechnet werden. Außerdem bieten die IoT-Daten eine weitere Datenquelle fĂŒr die Recommender-Systeme.

4. Blockchain

VertrĂ€ge werden kostengĂŒnstig, fĂ€lschungssicher und irreversibel in der Blockchain gespeichert. Die Blockchain dienst sogenannten Smart Contracts als dezentrale Datenbank. DarĂŒber hinaus liefern Blockchain-Implementierungen, wie Ethereum, das AusfĂŒhren von Logik, die beispielsweise monatliche Zahlungen prĂŒfen und ggf. auch die ErfĂŒllung von Vertragsbestandteilen (z.B. im Schadenfall) steuern.

5. Argumented Reality

ArbeitsplĂ€tze werden mit Technik ausgestattet, die Argumented Reality ermöglicht. Lösungen wie Microsoft’s Hololense ermöglichen Analysten und HĂ€ndlern eine immersive und interaktive Analyse von Finanzdaten in Echtzeit. Insbesondere fĂ€llt dadurch auch die Zusammenarbeit mit Kollegen leichter, da Plattformen zur visuellen Kollaboration traditionelle Meetings weitgehend ablösen.

Welcher ist der 6. Trend?

Helfen Sie den 6. Digitalisierungstrend zu benennen? Nehmen Sie hierzu an der Twitter-Umfrage teil. SelbstverstĂ€ndlich freue ich mich auch ĂŒber Kommentare und eine spannende Diskussion.

Digitale Banken: Die Chancen von Blockchain, KĂŒnstlicher Intelligenz und Machine Learning

Commerzbank Tower
Commerzbank Tower: Zahlt sich fĂŒr Banken die Kooperation mit Fintechs aus? (Foto: Flickr)

Die Zukunft im Finanzwesen bleibt vielversprechend und spannend. Haben uns kĂŒrzlich noch Innovationen in der Erschließung neuer MĂ€rkte und in der Vermögensverwaltung beschĂ€ftigt, so sind es heute mehr denn je die raffinierten datengetriebenen Technologien, die in den Vordergrund gerĂŒckt sind.

Anfang dieses Jahres startete Futura Analytics, ein Fintech, das enorme Datenmengen und maschinelle Lernmodelle nutzt, um Regeln zur Risikobewertung in Echtzeit umzuschreiben. Futura Analytics verwandelt Daten aus Twitter und anderen öffentlichen Quellen in nutzbare Signale und identifiziert die relevantesten Informationen in Echtzeit fĂŒr Kunden im Finanzsektor (Beispiel: Bitcoin/Sentiment-Analyse).

KĂŒnstliche Intelligenz ist Teil der Zukunft

Banken und Fintechs nutzen die kĂŒnstliche Intelligenz und die immer besser werdende Verarbeitung von natĂŒrlicher Sprache, um Kunden einen besseren Zugang zu Finanzdienstleistungen zu ermöglichen. Produktempfehlungen basierend auf Mustererkennung hilft die passende Dienstleistung anzubieten. NatĂŒrliche Sprache wird zu einer Vereinfachung von Zahlungsinteraktionen fĂŒhren.

M2M-Lösungen rationalisieren Cloud-basierte Authentifizierung

ZwillingstĂŒrme der Deutschen Bank
Deutsche Bank (Foto: Flickr)

Allerdings mĂŒssen Zahlungsinteraktionen direkt von GerĂ€t zu GerĂ€t immer noch Barrieren ĂŒberwinden, wie z.B. das GewĂ€hrleisten einer nahtlose Authentifizierung zwischen den EndgerĂ€ten. Bis solche M2M-Lösungen (Machine-to-Machine) mit nahtloser Authentifizierung herstellerĂŒbergreifend verfĂŒgbar ist, werden sich GerĂ€te weiterhin ĂŒber Services in der Cloud authentifizieren, bevor Transaktionen ausgefĂŒhrt werden.

Gamification schafft Anreize fĂŒr mobile Bezahlung

Mobiles Bezahlen am Point-of-Sale haben sich noch immer nicht flĂ€chendeckend durchgesetzt. Obwohl Unternehmen in Zahlungsterminals bereitstellen, fehlt es an Anreizen, um die Nutzer dazu zu ermutigen, mit ihren mobilen GerĂ€ten zu bezahlen. Banken haben schon damit begonnen die kostenlose Bargeldversorgung einzuschrĂ€nken. Fintechs können dem Handel mit Gamification helfen das mobile Zahlen fĂŒr Kunden attraktiver machen.

Blockchain ermöglicht kostengĂŒnstige TransaktionsĂŒberprĂŒfung

Die Rolle der Blockchain-Technologie bei der Bereitstellung einer verteilten Transaktionshistorie weckt großes Interesse im Zahlungs- und Handelsökosystem. Die Technologie macht TransaktionsgebĂŒhren, die Anbieter wie PayPal fĂŒr das Sicherstellen von Transaktionen erhoben haben, hinfĂ€llig. Die Nutzung der Blockchain zur kostengĂŒnstigen ÜberprĂŒfung von Transaktionen wird bei Banken oben auf der Agenda stehen.

Maschinelles Lernen verbessert die Zahlungssicherheit

Durch die Digitalisierung von Zahlungen muss die Zahlungssicherheit ĂŒber eine breite Palette an EndgerĂ€ten gewĂ€hrleistet werden. GerĂ€te können ein erhöhtes Risiko gegenĂŒber fortgeschrittenen Angriffen aufweisen. Bei der Gestaltung von sicheren Zahlungsmethoden erkennt maschinelles Lernen das Verhalten und greift ein, wenn ein solches Verhalten auf ungewöhnliche Verhaltensweisen oder TransaktionsaktivitĂ€ten hindeutet.

Price and Sentiment Analysis: Why is Bitcoin Going Down?

Bitcoin Price and Sentiment Analysis with variable Moving Average: click to open interactive Tableau dashboard with annotations
Bitcoin Price and Sentiment Analysis with variable Moving Average: click to open interactive Tableau dashboard with annotations

Bitcoin has become one of the trendy investment assets in the recent years. Whenever bitcoin prices approach historical highs, every investor should watch the currency closely. Bitcoin rallied by more than 20% in the first days of 2017, crossing the $1000 mark for the first time since November 2013.

As many experienced bitcoin traders will remember, the first $1000 peak was a case of obvious over exuberance. Bitcoin was hot, plenty of money was pouring into it. Bitcoin investors got too excited, causing a price surge. Prices then rebounded and suffered a long-term collapse shortly after.

Moving Average Convergence/Divergence Indicator

Many traders rely on a Moving Average Convergence/Divergence (MACD) indicator. The MACD is a measure of the convergence and divergence between two EMAs (usually 12 and 26 days) and is calculated by subtracting the two of them. The signal line is constructed by creating an EMA (usually 10 days) of the signal line.

The signal line crossing the MACD from above is a buy signal. The signal line crossing the MACD from below is a sell signal. Relying only on momentum-based indicators (such as the MACD) and optimization-based models, however, will most certainly fail to indicate heavy price drops, as the drop in late 2016.

Predicting Fear with Sentiment Analysis

In late 2016 a lot of people began to pour money into bitcoin again. This time because they were worried that stock markets and other assets were due for a drop. For investors, it is essential to figure out whether or not these fears are actually founded. However, such “safe assets” are prone to suffering from bubbles. People get scared, get invested into gold, or bitcoin, then realize that their fears were unfounded. As a result bitcoin prices could plummet.

So how to catch emotions such as fear in advance? Twitter is a valuable source of information and emotion. It certainly influences the stock market and can help to predict the market. Sentiment analysis can lead price movements by up to two days. Negative sentiment, however, is reflected in the market much more than positive sentiment. This is probably because most people tweet positive things about bitcoins most of the time. Even more positive news occurred after breaking the $1000 barrier.

This content is part of the session “Price and Sentiment Analysis: Why is Bitcoin Going Down?” that I deliver at the Frankfurt Bitcoin Colloquium. Have a look on my upcoming sessions!

[Update 14 Jun 2017]: Axis for Moving Average adjusted. Relative Date selector added with last 6 month as default. Screenshot updated.

Feel free to share the Bitcoin Price and Sentiment Analysis dashboard, which is also featured as Viz of the Day on Tableau Public:

Predictive Maintenance hilft Ihnen Wartungsmaßnahmen effizient zu gestalten

Screenshot
Predictive Maintenance zeigt verbleibende Nutzungsdauer von AufzĂŒgen der Deutschen Bahn: klicken, um interaktives Dashboard zu öffnen

Nicht nur die Fertigungskosten lassen sich mit Predictive Maintenance senken. Auch im Dienstleistungsbereich entsteht durch Vorhersagen enormes Optimierungspotential. Im wesentlichen lassen sich die Fragestellungen, die im Rahmen von Predictive Maintenance gestellt werden, in drei Klassen einteilen:

  • Wie hoch ist die Wahrscheinlichkeit, dass ein GerĂ€t in naher Zukunft ausfĂ€llt?
  • Was sind die Ursachen von AusfĂ€llen und welche Instandhaltungsmaßnahmen sollten durchgefĂŒhrt werden, um diese Probleme zu beheben?
  • Wie lang ist die Nutzungsdauer eines GerĂ€tes?

Ein Beispiel, das die Frage der Nutzungsdauer in den Mittelpunkt rĂŒckt, zeigt das Dashboard Predictive Maintenance Deutsche Bahn Elevators. Dieses Dashboard sagt voraus, wie lange AufzĂŒge noch ohne Wartung auskommen (“Rest of Useful Life”). Mit dem Parameter “Material Wear Off” lĂ€sst sich zudem der Grad der Abnutzung beeinflussen.

Die visualisierten Sensordaten erlauben darĂŒber hinaus die Möglichkeit Anomalien zu entdecken. Hier lassen sich mit den Parametern “Primary Sensor” und “Secondary Sensor” verschiedene Kombinationen analysieren. In der “Setting Matrix” werden die verschiedene Einstellungen, die beim Betreiben der AufzĂŒge angewandt werden zusammengefasst.

Details zu den AufzĂŒgen werden im Tooltip angezeigt. In diesen Tooltips lassen sich darĂŒber hinaus WartungsauftrĂ€ge via Twitter triggern:

 

Anstatt auf eine Störung zu reagieren, können Servicetechniker somit auf Vorhersagen zurĂŒckgreifen. Damit agieren sie bereits vor einem Ausfall des Aufzugs entsprechend. Techniker sind somit in der Lage einen Aufzug aus der Ferne in den Diagnosemodus zu versetzen und ihn auf einer bestimmten Etage zu parken. All dies fĂŒhrt zu weniger Anfahrtszeiten, gesteigerter Effizienz und geringeren Kosten.

Dieses und weitere Beispiele zeige ich auf meinem Vortrag “Industry 4.0: Self Service BI and Predictive Maintenance“ im Rahmen des IBI Symposium am 17. November 2016 in Stuttgart.

[Update 24 Mar 2017]: Das Predictive Maintenance Dashboard wird außerdem auf der CeBIT 2017 im Rahmen der “neuen datenbasierten GeschĂ€ftsmodelle und Big Data bei der DB” vorgestellt: