داده‌های بزرگ در صنعت بانکداری چه جایگاهی دارند؟

پیمان رحمانی؛ کارشناس ارشد کارآفرینی فناوری دانشگاه تهران / در دنیای امروزی با رشد فوق‌العاده سریع داده‌های دیجیتال روبرو هستیم به‌طوری‌که روزانه میلیون‌ها گیگابایت داده جدید توسط کاربران شبکه‌های اجتماعی، سامانه‌های مربوط به جمع‌آوری داده در سازمان‌ها، حسگرهای صوتی و تصویری، رسانه‌ها و … تولید می‌شود.

با ورود به عصر اطلاعات و ارتباطات و آغاز استفاده از داده‌ها و اطلاعات به‌عنوان سرمایه‌های اصلی در حرکت علمی، اقتصادی، اجتماعی و فرهنگی جوامع، سازمان‌ها و شرکت‌های مختلف و توسعه مشارکت افراد در جهان اینترنت و ارتباطات شبکه‌ای در دنیا، دغدغه‌ای بروز پیدا کرد که از جنس همین داده‌هایی بود که همه روز و با سرعت وحشتناک در دنیا و در عرصه‌های مختلفی که فناوری اطلاعات ورود پیدا کرده بود، تولید می‌شود و آن اینکه چگونه این حجم بزرگ و متنوع داده‌ها و اطلاعات را با توجه به ساختارهایی که در فضای فناوری اطلاعات وجود دارد، می‌توان مدیریت، کنترل و پردازش کرد و از آن در جهت بهبود ساختارها و سودآوری بیشتر بهره جست؟

از سال 2012 به بعد در هر روز هزار پتا بایت، داده تولید می‌شود که به دنبال خود مستلزم ذخیره‌سازی، تحلیل، جستجوها، تمیزکاری داده‌ها، اشتراک‌ها و … در داده‌هاست که باید در حوزه مختلف انجام شود.

در ساده‌ترین حالت ممکن می‌توان داده‌های بزرگ را نوعی منبع داده دانست که از طریق کانال‌های دیجیتال (آنلاین، تلفن همراه و …) به دست می‌آیند. همچنین این داده‌ها از طریق دستگاه‌های به‌دست‌آمده است که به اینترنت متصل هستند و می‌توانند به‌عنوان منبعی برای این داده‌ها به شمار برود. یا به تعبیری مجموعه‌ای از داده‌های بزرگ و پیچیده که پردازش آن‌ها توسط نرم‌افزارهای سنتی پردازش اطلاعات امکان‌پذیر نیست یا به‌سختی انجام می‌شود.

در این راستا موضوعی که اهمیت بسیاری دارد این است که بانک‌ها چگونه می‌خواهند از این داده‌ها برای ارتقاء سطح اثربخشی، بازدهی و سودآوری استفاده کنند.

.

داده‌های بیشتر مشکلات بیشتری به همراه دارد و نه کمتر

بررسی رفتارهای کاربران در شبکه‌های اجتماعی و محیط‌های مجازی حجم بسیار زیادی از داده‌ها را به انبار داده‌ها اضافه می‌کند. در خصوص آنالیز و دریافت اطلاعات دسته‌بندی نشده این کاربران بحث‌های زیادی وجود دارد. پس از دریافت اطلاعات چه طبقه‌بندی‌شده و چه نشده نیاز به دسته‌بندی و طبقه‌بندی آن‌ها است. این بدان معنا است که باید تعریف درستی از آن ارائه بدهیم. فرض دیگری در این خصوص به این صورت که اگر شما داده‌های صحیح را به افراد غیرمتخصص بسپارید همیشه در این داده‌ها غرق خواهید شد.

.

داده‌ها به‌خودی‌خود آنالیز نمی‌شوند

بحث آنالیز اطلاعات بحثی است که برای انجام باکیفیت و قابل‌اتکا بودن خروجی‌های آن‌که منجر به تصمیم‌گیری‌های کلان می‌شود نیاز به داشتن متخصص و دکترای علم آمار دارد. مطمئناً وجود این دسته افراد که عموماً افراد بسیار باهوشی می‌باشند، در سازمان‌های فعلی بسیار کمرنگ است. ممکن است در هر سازمان چند کارشناس تجزیه‌وتحلیل حضورداشته باشد ولی نکته مهم این است که آن‌ها هنوز در حال یادگیری هستند که چگونه منابع اطلاعات جدید را به‌کارگیرند.

.

مشکلات فرهنگی مانع بسیار بزرگی هستند

در حال حاضر مؤسسات مالی و بانک‌ها چه تعداد کارشناس آمار استخدام کرده‌اند؟ در حال حاضر بودجهٔ لازم برای استخدام این کارکنان کارآزموده موجود نیست. چطور می‌شود این مشکل به‌طور معجزه‌آسایی و در کوتاه‌مدت حل شود؟ مشکل بودجه مشکل اصلی نیست. مشکل اصلی این است که مدیران اجرایی و مدیران مالی و افرادی که سازمان‌ها را اداره می‌کنند، سال‌هاست که درزمینهٔ ی فعالیت سازمان‌های خود تجربه‌دارند. آن‌ها مطمئن هستند که در تصمیماتشان راهکاری کارآمد است یا خیر. واگذاری قدرت تصمیم‌گیری به داده‌ها و تجزیه‌وتحلیل آن‌ها در مراحل تصمیم‌گیری این افراد و سازمان‌ها وجود ندارد.

موانع زیادی در تأثیرگذاری داده‌های بزرگ وجود دارند و مطمئناً شرکت‌ها و بانک‌های زیادی وجود ندارند که بتوانند ازاینجا به آنجا برسند. حداقل این کار در کوتاه‌مدت شدنی نیست. چون اعتقاد بر این است که کسب توانمندی در جذب و آنالیز داده‌های رفتاری و گفتاری در سیستم‌های بانکی و بازاریابی و … تغییر ایجاد خواهد کرد. مشکل دیگر این است که عملاً سوءتعبیر و عدم استفاده صحیحی از عبارت داده‌های بزرگ آن‌قدر فراگیر شده است که مفهوم اصلی آن را بی‌معنی کرده است.