پایگاه خبری راه پرداخت دارای مجوز به شماره ۷۴۵۷۲ از وزارت فرهنگ و ارشاد اسلامی و بخشی از «شبکه عصر تراکنش» است. راه پرداخت فعالیت خود را از دوم اردیبهشت‌ماه ۱۳۹۰ شروع کرده و اکنون پرمخاطب‌ترین رسانه ایران در زمینه فناوری‌های مالی، بانکداری و پرداخت و استارت‌آپ‌های فین‌تک است.
تحلیل داده موجب بهبود تجربه مشتری می‌شود و راهی است که بانک‌های بزرگ را، با هدف حفظ سیستم مالی پایدار، در مسیر قوانین سازمانی هدایت می‌کند.
بانک‌ها در سراسر جهان با مقررات زیادی مواجه هستند و کسانی که کمترین تعهدات سازمانی را دارند، هزینه‌های زیادی برای خطاهایشان می‌پردازند. در مقابل، مؤسسات مالی بزرگ با کمک گرفتن از راهکارهای کلان داده‌ها (Big Data) در تلاش برای تطابق با مقررات محکم و کاهش نقض نظارتی هستند.
به گفته جیمز آرنت (James Arnett)، از شرکای کسب‌وکار و شرکت مشاوره فناوری Capco، با توجه به اینکه بسیاری از بانک‌ها به‌صورت سازمانی و اغلب از طریق ادغام و یا اکتساب رشد کرده‌اند، داده‌های آن‌ها همیشه سازگار و سازماندهی‌شده نیست.
آرنت معتقد است ابزارهای جدید از طریق علم تحلیل داده تولید می‌شود که برنامه انطباق بانک‌ها را از حالت دستی، غیرقابل توسعه به فرآیندی ارزان و اتوماتیک تبدیل می‌کند.
او می‌گوید: «این یک فرصت واقعی برای بانکداران است که بتوانند با تحلیل داده‌ها پاسخگوی تمهیدات مقدماتی به‌صورت استراتژیک باشند نه اینکه تنها بخواهند مقررات را تیک بزنند.»
کلان داده
پلتفرم‌های موفق کلان داده، انواع داده‌ها ازجمله تراکنش‌ها، سندهای داخلی و نظرات مشتری را تحلیل می‌کنند. فرانک پالرمو (Frank Palermo) معاون اجرایی راهکارهای جهانی دیجیتال در شرکت مشاوره آی‌تی VirtussaPolaris می‌گوید: «برای تشخیص سریع و بررسی ریسک، باید ظرفیت غنی مدل‌سازی فرآیند وجود داشته باشد که بتوان از آن برای تشخیص الگوهای مبتنی بر پیشگیرانه و برنامه‌ریزی نظارتی استفاده کرد.»
به‌طور خلاصه، برنامه‌های بیگ‌دیتا باید بانک‌ها را مطمئن کند که می‌توانند فعالانه ریسک‌های تطبیق را مدیریت کنند اگر بانک‌ها پتانسیل کامل داده‌های خود را به کار گیرند.
یکی از راه‌های بسیار نوآورانه برای بهره‌برداری بانک‌ها از بیگ‌دیتا ادغام بازخورد ساختاریافته مشتریان با نظرات ثبت‌شده در رسانه‌های اجتماعی و سایر داده‌های غیر ساختاری برای ایجاد پروفایل جامع مشتری است.
این داده‌ها ممکن است در جاهای جداگانه جمع‌آوری شده و در دسترس باشند اما با ترکیب تمام داده‌ها در یک پایگاه داده، دسترسی به داده‌ها برای بخش‌های مختلف ساده‌تر خواهد بود و بنابراین هر شکایت و یا مسئله قانونی به‌راحتی رفع می‌شود.
بانک‌ها از پروژه‌های بیگ‌دیتا برای فهم بهتر از رابطه بین تکه‌های جداگانه داده که پایگاه‌های داده سنتی در تجزیه‌وتحلیل آن دچار مشکل هستند استفاده می‌کنند.
فناوری‌های پیشرفته تجزیه‌وتحلیل داده، نه‌تنها روابط مهم را پیدا می‌کنند بلکه نقشه‌های شبکه‌ای حول رویدادها، مکان‌ها و افراد ترسیم می‌کنند تا به شرکت‌ها در درک گستردگی رویدادهای پیچیده کمک کنند.
دنیل گازمن (Daniel Gozman)، مدرس مدرسه کسب‌وکار هنلی و یکی از نویسندگان گزارش «نقش بیگ‌دیتا در حاکمیت» از مجله موسسه سوئیفت، معتقد است این فناوری در جاهایی که رفتار افراد توسط قانون‌گذار مورد سؤال قرار گرفته شده است قابل استفاده است.
او می‌گوید: «به‌عنوان‌مثال، در پژوهش‌های LLIBOR و FX rate-rigging، ابزارهای کاوش الکترونیک بیگ‌دیتا برای تحلیل، تشخیص و افشای اسناد برای قانون‌گذار به‌منظور تعیین نقش شرکت‌ها، استفاده شد. چنین فناوری‌هایی در دعاوی قضایی و مباحث به‌کارگیری، نیز کاربرد دارد.»
ابزارهای مشابه تحلیل داده می‌تواند به بانک‌ها کمک کند تا به قانون‌گذار نشان دهد که معاملاتی که از طرف مشتریان انجام می‌دهند به بهترین نحو انجام می‌شود و می‌توانند به حجم زیادی از داده‌های مربوط به تراکنش‌ها دسترسی داشته باشند که باعث می‌شود فرآیند گزارش دهی رگولاتوری سریع‌تر و شفاف‌تر انجام شود.
مزایا
پذیرش راهکارهای بیگ دیتا می‌تواند با سرمایه‌گذاری بر آخرین و پیشرفته‌ترین فناوری‌ها، که تأثیرات زیادی بر بسیاری از حوزه‌ها دارد؛ به بانک‌ها چیزی بیشتر از سازگاری با مقررات ارائه کند.
روان اسکرنج (Rowan Scranage) نائب رئیس بخش آفریقا و خاورمیانه در شرکت ارائه‌دهننده زیرساخت داده Couchbase می‌گوید: «در اقتصاد دیجیتال که تجربه مشتری نهایی همه چیز است، توانایی انجام تحلیل دقیق آنلاین، برای موفقیت در تطبیق و رقابت حیاتی است.»
رقابت و بازده بازار بانکداری باز که بانک‌ها را وادار به ارائه اپلیکشن‌های موبایلی با قابلیت بررسی ریز اطلاعات حساب در هر بانکی برای مشتریان کرده است، یک فرصت بسیار مناسب برای بهبود تجربه مشتری با استفاده از بیگ‌دیتا است.
آقای اسکرنج صحبت‌های خودش را این‌گونه جمع‌بندی می‌کند: «در چنین محیطی برنده بانک‌هایی هستند که سازگار باقی مانده و درعین‌حال به مشتریان این اطمینان را می‌دهند که می‌توانند کماکان نیازهای آن‌ها را برآورده کنند چرا که بهترین تجربه مشتری را ارائه می‌کنند، چون سیستم آن‌ها سریع و شخصی است و بالاترین بهره را برای سرمایه‌شان دریافت می‌کنند. قابلیت تحلیل و اقدام تقریباً آنی بر روی داده‌های مشتری فراهم آوری آن بسیار حیاتی است.»
هوش مصنوعی (AI) با مقررات هوشمند می‌شود
بنگاه‌های پیشرو در فناوری قانون‌گذاری یا تطبیق مقررات، در حال ابداع راه‌حل‌های هوش مصنوعی با قابلیت تبدیل هستند که می‌تواند به بانک‌ها برای مواجهه با مشکلات تطبیق مقررات کمک کند.
البته بسیاری از این نرم‌افزارها هنوز در مراحل ابتدایی هستند، بانک‌ها در حال شروع استفاده از نرم‌افزارهایی بر مبنای هوش مصنوعی هستند تا بتوانند خود را مؤثرتر تطبیق بدهند.
رائول سینگ (Rahul Singh) مدیر خدمات مالی و خدمات فناوری اطلاعات HCL Technologies می‌گوید:«هوش مصنوعی می‌تواند برای تفسیر مقررات، کدگذاری قوانین لازم و گزارش دهی اتوماتیک و سیستم‌های ریسک به بانک‌ها کمک کند تا مطمئن شوند منطبق شده و ریسک‌ها را راحت‌تر مدیریت کنند.»
«ما در حال تجربه موارد استفاده هوش مصنوعی و تحلیل‌های پیشرفته در کاربرد مبارزه با پول‌شویی هستیم، جایی که تکنولوژی قابلیت پایین آوردن ارزش‌های کاذب را داراست و به رویکردهای متمرکز اجازه تشخیص ریسک و جلوگیری از آن را می‌دهد.»
هوش مصنوعی همچنین می‌تواند به‌منظور نظارت بر کار کارمندان و محدود کردن فرصت‌های قانون‌شکنی به کار گرفته شود.
بر اساس گفته‌های آقای دانیل گازمن استاد مدرسه تجارت هنلی: «هوش مصنوعی می‌تواند در نظارت فعال کارکنان سهیم بوده و بر اساس رفتار آن‌ها در طول زمان می‌تواند تشخیص دهد افراد کی نیاز به آموزش مجدد و یا یادآوری تعهدات قانونی دارند.»
تطبیق چت‌بات به کارمندان بانک‌ها اجازه می‌دهد در مورد مقررات سؤال کنند و به شرکت‌ها در اتخاذ بهترین تصمیم مالی در چهارچوب قواعد موجود کمک کنند. گازمن می‌افزاید: «چنین ربات‌هایی با تحلیل قواعد موجود کار می‌کنند و با استفاده از فناوری‌های بیگ‌دیتا اقدامات اجرایی را انجام می‌دهند.»
یکی از امیدوارکننده‌ترین فناوری‌های مبتنی بر هوش مصنوعی پردازش زبان طبیعی است به‌طوری‌که قادر به شناخت کلمات کلیدی در اسناد مهم مالی باشد و سپس قوانین مربوطه را به کارمند موردنظر انتقال می‌دهد که بسیار سریع‌تر از جستجوی دستی است.
درحالی‌که اشخاص حقیقی برای احراز هویت باید امضای دیجیتالی خود را به هوش مصنوعی عرضه کند با این روش زمان انجام این فرآیند کاهش قابل‌توجهی خواهد داشت.
پردازش زبان طبیعی تنها با رشد حجم مقررات به بانک‌ها بیشتر مربوط می‌شود. آقای سینگ می‌گوید:
«امروزه، بانک‌ها تحلیل‌های اعتباری را با تحلیل‌های رفتاری و سایر فناوری‌های تحلیل اجتماعی انجام می‌دهند. این بدان معنی است که داده‌های بیشتری برای تحلیل وجود دارد و باید بلافاصله این کار انجام شود. بانک‌ها جز استفاده از ابزارهای هوشمند منطبق بر هوش مصنوعی و پلتفرم‌های یادگیری کامپیوتر، راه دیگری ندارند.»
منبع: raconteur
