به گزارش پایگاه خبری بانکداری الکترونیک، جامعه و دنیای کسب‌وکار اکنون در معرض تغییرات تکنولوژیکی قابل توجهی هستند. شبکه‌های دیجیتال به طور روزافزون توسعه پیدا کردند و فناوری‌های جدید کمک می‌کند تا بتوانیم به وظایف پیچیده‌تر نیز جامه عمل بپوشانیم. این روند به ویژه با در دسترس بودن حجم قابل توجهی اطلاعات – داده‌های بزرگ (BD) – و با امکانات بهبودیافته برای استفاده از این داده‌ها – هوش مصنوعی (AI) بوجود آمده است. به‌کارگیری BDAI عمدتا به معنای استفاده از روش‌های یادگیری ماشین است، که در آن، الگوریتم‌ها به رایانه‌ها امکان یادگیری از داده‌های موجود را داده و رایانه‌ها آنچه از داده‌های موجود یاد گرفته‌اند را روی داده‌های جدید پیاده‌سازی می‌کنند.

با افزایش تقابل بین تکنولوژی کمپانی‌ها و مشتری، BDAI در حال گسترش است که دلیل آن اولا این است که تکنولوژی‌های کنونی می‌تواند به سادگی منجر به استفاده از BDAI شود. ثانیا، وابستگی کمپانی‌ها به داده‌ها جهت بهینه‌سازی مدل‌ها و فرآیندهای کسب‌وکار آن‌ها به طور روزافزون در حال افزایش است. ثالثا، رفتار مصرف‌کنندگان بیشتر براساس نرم‌افزارهای دیجیتالی شکل گرفته است که به سادگی منجر به افزایش تولید و دسترسی به اطلاعات می‌شود. دو مورد آخر که ذکر شد می‌تواند اثر پیش‌رونده و توسعه‌دهنده متقابلی بر یکدیگر بگذارند. در بسیاری از بخش‌های صنعت خدمات مالی، استفاده از این اثر متقابل به همراه BDAI هنوز در مراحل اولیه عملیاتی شدن قرار دارد. اما پیش‌بینی می‌شود که سرعت این روند در آینده‌ای نزدیک افزایش یابد.

ترکیب توانایی‌های تحلیل با حجم قابل توجهی از داده‌ها می‌تواند به ایجاد چشم‌انداز صنعت کمک کند که در نتیجه، از آن می‌توان در داخل صنعت خدمات مالی جهت آسان‌تر کردن تولید محصول و نوآوری استفاده کرد. چنین نوآوری‌هایی می‌تواند تأثیر مخربی بر فرآیندهای کنونی صنعت خدمات مالی داشته باشد. درنتیجه شرکت‌های نوپا می‌توانند بعنوان شرکت‌های خدمات سیستم مالی وارد بازار شده و ساختار بازار را به طور کامل تغییر دهند.

BDAI در بانکداری

از نظر میزان استفاده از BDAI، بازارهای سرمایه با فاصله زیادی نسبت به سایر صنایع جلوتر هستند و در بسیاری از بخش‌ها از این سیستم بهره می‌برند. BDAI در زمینه بانکداری به‌واسطه ماهیت داده‌های بزرگ و امکان استفاده از آن‌ها تغییرات قابل توجهی را برای بانک‌ها ایجاد می‌کند.

1- نوآوری‌های BDAI می‌تواند منجر به از هم پاشیدن زنجیره ارزش شده و ممکن است منجر به جدایی ارتباط مشتری مشتری و پلتفرم محصول شود.

2- نوآوری‌های BDAI می‌تواند تعیین‌کننده نتیجه رقابت در ایجاد ارتباط با مشتری باشد.

3- داده‌های تراکنش‌ها یک ورودی با ارزش برای BDAI است. اما می‌تواند منجر به جذب شرکت‌های ارائه‌کننده خدمات از خارج صنعت مالی شود.

4- نوآوری‌های BDAI می‌تواند منجر به افزایش عملکرد و تأثیرگذاری فرآیندهای کربنکینگ شود.

5- فروش داده‌ها و تجزیه تحلیل آن‌ها به صورتی بی‌نام می‌تواند مدل کسب‌وکار بسیار خوبی باشد، اما با این حال این مدل نباید جایگزین مدل سنتی درآمد باشد.

1- از هم پاشیدن زنجیره

بنابراین باید گفت بانک‌ها با استفاده از BDAI می‌توانند همانطور که میدان را بواسطه قدمت خود در اختیار گرفته‌اند، توپ را نیز در اختیار گرفته و مسابقه را به سادگی به نفع خود تمام کنند.

گسترش کاربردهای BDAI مهمترین عامل در ازهم‌پاشیدگی زنجیره ارزش سیستم بانکداری محسوب می‌شود. رقبای نوپا بواسطه استفاده از مدل‌های BDAI و نرم‌افزارهای BDAI بخشی از زنجیره ارزش را از آن خود کرده‌اند. همزمان که برخی از ارائه‌کنندگان خدمات در سطح ارتباط با مشتری وارد بازار شده‌اند، برخی دیگر نیز در بخش‌هایی از زنجیره ارزش همچون در زمینه پلتفرم محصولات در حال حرفه‌ای‌تر شدن هستند.

از این پس دیگر شرکت‌های جدید الزاما مجبور به ارائه کامل محصولات بانکی نیستند، بلکه آزاد هستند تا در بخشی از زنجیره ارزش تمرکز کنند که بیشترین ارزش افزوده را برای آن‌ها داشته باشد. در نتیجه، شرکت‌های قدیمی این صنعت مجبور می‌شوند تا برای شرکت‌های تازه وارد به ارائه خدمات زیرساختی بپردازند. علاوه بر این، هنوز هم بازیکنان قدیمی این صنعت می‌توانند برخی از عملکردهای خود را بعنوان خدمت ارائه دهند.

2- رقابت در ارتباط با مشتری

در زمینه پیشنهاد مستقیم خدمات به مشتریان، استفاده از BDAI می‌تواند امتیاز رقابتی همیشگی را به ارمغان آورد. زیرا این سیستم می‌تواند به شرکت‌ها کمک کند تا سریع‌تر به انتظارات مشتریان پاسخ دهند. جنبه‌های کلیدی در این زمینه می‌تواند شامل سرعت فرآیندها و تصمیم‌گیری شرکت، تقابل آسان بین شرکت و مشتریان و شخصی‌سازی سریع خدمات برای هر یک از مشتریان باشد. این همان جایی است که بیگ‌تک‌ها می‌توانند با استفاده از تجربیات خود در زمینه شخصی‌سازی خودکار خدمات وارد عمل شده و به طور مستقیم به نیازهای مشتریان پاسخ داده و در نتیجه نزدیک‌ترین ارتباط را با مشتری داشته باشند و بعنوان رابط کاربری با مشتریان ارتباط برقرار کنند. در حقیقت سطح بالای رقابت در زمینه ارتباط با مشتری می‌تواند منجر به توزیع درآمدها شود.

3- جذب ارائه‌کننده خدمات از خارج صنعت

اطلاعات تراکنش‌ها در مقایسه با سایر اطلاعات رفتار و ترجیحات مشتریان از اهمیت ویژه‌ای در زمینه BDAI برخوردار است. زیرا این داده‌ها اطلاعات واقعی و کاملا به روز از رفتار کنونی مصرف مشتری و میزان خوش حسابی مشتریان را ارائه کرده و تجزیه و تحلیل دقیق اطلاعات مشتری را ممکن می‌سازد. این تحلیل‌ها می‌تواند به تنهایی بعنوان پایه پیشنهادهای خدمات بانکی به مشتری مورد استفاده قرار گیرد. بنابراین، بانک‌ها بعنوان بازیکنان قدیمی این صنعت می‌توانند به سادگی این تحلیل‌ها را انجام دهند.

بانک‌ها علاوه بر دسترسی به اطلاعات کامل تراکنش‌ها از شرکت‌های پرداخت و مدیریت حساب‌ها، به سادگی پرتفوی تمامی مشتریان حاضر بانک را در اختیار دارند. البته شرکت‌های خدمات پرداخت نیز به این اطلاعات دسترسی دارند، البته در صورتی که مشتریان از این امر رضایت داشته باشند. علاوه بر این، کمپانی‌های خارج از صنعت خدمات مالی، بخصوص بیگ‌تک‌ها، به سادگی می‌توانند دسترسی به اطلاعات مشتریان را محدود کنند. این شرکت‌ها از طریق ارائه پیشنهاد به طور مستقیم به مشتریان برای انجام تراکنش‌ها، مانند پیشنهاد استفاده از شرکت خدمات پرداختی خاص، می‌توانند این کار را انجام داده و درنتیجه حداکثر استفاده را از اطلاعات مشتری با ارائه پلتفرم‌های خود داشته باشند.

4- تأثیرگذاری بر فرآیندهای کربنکینگ

استفاده از BDAI روی پلتفرم محصولات بانکی پتانسیل قابل توجهی در زمینه تمامی فرآیندهای کربنکینگ دارد. زیرا در این بخش افزایش عملکرد بواسطه وجود تعداد قابل توجه فعالیت‌های تکراری بسیار بالا است. این امر به ویژه در مورد مشتریان بانکداری خرد و مشتریان شرکتی کوچک و متوسط بسیار توصیه می‌شود. فرآیندهای تسویه حساب بانکی بک‌آفیس که قبلا بواسطه پیچیدگی‌های زیاد امکان خودکارسازی نداشتند، می‌تواند با استفاده از برنامه‌های BDAI به طور کامل خودکار شوند.

در فرآیندهای اعمال قوانین، بویژه قوانین پولشویی استفاده از BDAI می‌تواند به طور قابل توجهی به عملکرد و تأثیرگذاری بیافزاید. علاوه بر این، استفاده از BDAI می‌تواند در عین حال دقت مدل‌های ارزیابی ریسک را افزایش دهد. البته باید اضافه کرد که ممکن است تأثیر BDAI در بخش ارزیابی ریسک به اندازه سایر بخش‌ها نباشد. زیرا در این زمینه از دهه‌های گذشته استفاده از اطلاعات بسیار زیاد و مدل‌های پیچیده رواج داشته و ممکن است BDAI عملکرد بسیار بالایی در این زمینه از خود نشان ندهد. اما با این حال، در زمینه ارزیابی ریسک نیز این سیستم می‌تواند موفق عمل کند.

5- فروش داده‌ها

پولی کردن منابع اطلاعاتی می‌تواند شیوه درآمدی دیگری برای بانک‌ها باشد. این امر شامل فروش اطلاعات جمع‌آوری شده و بی‌نام‌ونشان شده در زمینه برخی از تراکنش‌ها است. البته انتظار نمی‌رود این شیوه در کوتاه‌مدت جایگزین شیوه‌های درآمد سنتی بانک شود. حتی با فرض رضایت رسمی مشتریان، شرکت‌های خدماتی باید میزان درآمد فروش اطلاعات و ریسک اثرات منفی آن بر شهرت کمپانی و اعتماد مشتری را سبک سنگین کنند.

عوامل موثر بر پیاده‌سازی موفقیت‌آمیز BDAI

ایجاد آمادگی برای پیاده‌سازی BDAI از طریق تعین چهارچوب‌های راهبردی در اجرای فعالیت‌های IT

پیاده‌سازی BDAI تنها زمانی به صورت موفقیت‌آمیز انجام می‌شود که داده به میزان کافی و با کیفیت مناسب در دسترس باشد. جهت تهیه این نوع داده نیاز به پلتفرم مناسب داده داریم. علاوه بر این، پیاده‌سازی BDAI نیاز به روش‌ها و توانایی‌های نوین دارد. بعنوان مثال، تقاضا برای کارمندانی با پیشینه علم داده در حال افزایش است و در کنار آن، شیوه‌های کاری مدرن تر و چابک تر باید استفاده شود. علاوه بر این، بواسطه افزایش ارتباطات و حجم و تنوع داده‌ها، چالش امنیت اطلاعات نیز مطرح است.

اعتماد مشتری کلید استفاده موفقیت‌آمیز BDAI است

برنامه‌های داده محور می‌تواند ارزش زیادی برای مصرف‌کنندگان داشته باشد و می‌تواند امکان دسترسی به محصولات و خدمات بسیار شخصی‌شده را فراهم آورد. البته باید توجه داشت که مصرف‌کنندگان به نحوه استفاده از داده‌های آن‌ها بخصوص در زمینه‌های مالی و سلامت بسیار حساس هستند. استفاده نادرست از اطلاعات مصرف‌کنندگان یا نبود امنیت اطلاعات می‌تواند در بلندمدت اثرات مخربی بر اعتماد مصرف‌کننده داشته باشد. این امر تنها مبحث اعتماد مشتری بعنوان یک ارزش افزوده را شامل نمی‌شود بلکه بحث حقوق قانونی مصرف‌کنندگان نیز مطرح است که در قانون اساسی کشور آلمان نیز به آن اشاره شده است.

حاکمیت اطلاعات مصرف‌کنندگان منجر به اعتماد به نوآوری‌های BDAI می‌شود

توانایی‌های بالقوه نوآوری BDAI تنها زمانی می‌تواند نتیجه‌بخش باشد که اعتماد کامل مصرف‌کنندگان از طریق تضمین عدم سوءاستفاده از اطلاعات و استفاده قانونی از آن‌ها جلب شده باشد. در کنار استفاده از داده‌های بی‌نام جهت تجزیه و تحلیل ها، حاکمیت اطلاعات مشتریان می‌تواند روش دیگری در استفاده از اطلاعات باشد. بر همین اساس، مصرف‌کنندگان تنها زمانی می‌توانند تصمیم حاکمیتی بگیرند که اطلاعات کافی در زمینه پیامدهای بالقوه استفاده از اطلاعات‌شان را داشته باشند و در کنار آن، گزینه‌های مورد اطمینان در زمینه استفاده از اطلاعات در اختیار آن‌ها قرار گرفته باشد و همچنین آزادی انتخاب به آن‌ها داده شود. شرکت‌های خدمات باید از برآورده شدن این پیش نیازها اطمینان حاصل کنند.

پیش‌نیازهای پیاده‌سازی BDMI

پیاده‌سازی BDAI در هر صنعت و شرکتی نیاز به برآورده‌سازی پیش نیازهایی دارد که در صورت عدم برآورده‌سازی یا سیستم به طور کامل کار نمی‌کند یا عملکرد ناقصی از خود نشان می‌دهد. این پیش نیاز‌ها شامل موارد زیر است.

1- امکان یادگیری ماشین (ML): این سیستم جهت توانمند سازی کامپیوتر‌ها برای یادگیری از داده‌ها با استفاده از الگوریتم‌های مناسب است. این توانایی باعث می‌شود کامپیوترها به تنهایی کارها را به بهترین نحو انجام دهند. روش‌های ML براساس نوع شیوه یادگیری (طبقه‌بندی، رگرسیون، تحلیل خوشه‌ای)، نوع داده‌ها (نوشته، سخنرانی، تصاویر) و الکوریتم‌ها (راه‌حل‌های تکنیکی مسائل) طبقه‌بندی می‌شوند.

2- پیشینه تکنیکی: بیگ‌دیتا یکی از عوامل محرک یادگیری ماشین است. بنابراین، با افزایش حجم اطلاعات و حتی امکان استخراج اطلاعات از منابع مختلف (ویدئو، عکس، منابع صوتی و…) امتیازات زیادی در زمینه یادگیری ماشین خواهیم داشت.

3- الگوریتم ها: آموزش ماشین بسیار پویا است و روش‌های مختلفی در سال‌های گذشته برای آن ابداع شده است. یکی از موفقیت‌آمیزترین روش‌ها، آموزش عمیق است که منجر به آموزش شبکه‌های عصبی به ماشین می‌شود. این الگوریتم‌ها عملکرد بسیار بالاتری نسبت به الگوریتم‌های کلاسیک همچون رگرسیون، تحلیل خوشه‌ای و… دارد.

4- هوش مصنوعی: در حال حاضر در زمینه فناوری اطلاعات یک پارادایم در حال وقوع است. هوش مصنوعی در حال حاضر به طور قابل توجهی توسط متخصصین فناوری اطلاعات مورد استفاده قرار گرفته است و این متخصصین توانسته‌اند سیستم‌های رفتاری بسیار پیچیده‌ای برای ماشین‌ها ایجاد کنند. درنتیجه ترکیب این سیستم با بیگ دیتا، امکان یادگیری ماشین‌ها چندین برابر شده و درنتیجه BDAI می‌تواند به طور مناسبی پیاده شود.

منبع: ماهنامه بانکداری آینده شماره 38