10 کلان روند دیجیتالی بانکداری جهان در سال 2020

در سال 2019 رشد بانکداری نسبت به سایر بازارها کمتر بوده و حتی در برخی کشورها از نرخ رشد GDP نیز پایین‌تر بوده است. در سال 2020 تنها راه رشد بانک‌ها تمرکز بر برتری در یک حوزه خاص است. در این خصوص دو تصمیم باید گرفته شود:

  • انتخاب حوزه‌ای که بر آن تمرکز شود که عواملی از جمله مشتری، میزان دارایی، ساختار، قدرت عملیاتی و … بر آن موثر است.
  • انتخاب میان گسترش مدل کسب‌وکار موجود و ایجاد یک مدل جدید.

در صورتی که بانک تصمیم به ادامه استفاده از مدل کسب‌وکار موجود داشته باشد می‌تواند در یکی از زمینه‌های زیر تبدیل به راهبر شود:

  • مقیاس‌پذیری: با استفاده از منابع ارگانیک[1] و غیرارگانیک
  • ارزش آفرینی: با تمرکز بر خودکارسازی و بهبود کارایی
  • تجریه مشتری: با ایجاد تجربیات متنوع و متناسب با هر مشتری
  • محصولات و خدمات: با ارائه بهترین محصولات و خدمات در یک حوزه خاص

در صورتی که بانک تصمیم به ایجاد یک مدل کسب‌وکار جدید داشته باشد، می‌تواند به یکی از موارد زیر تبدیل شود:

  • بانک تولیدکننده: ایجاد بهترین محصولات و در دسترس قراردادن آن به کارآمدترین شیوه
  • تجمیع کننده ارزش: ایجاد بهترین اکوسیستم و آمادگی پاسخگویی به نیازی‌های فراتر از بانکداری مشتری
  • متمرکز بر توزیع: بهترین بودن در خدمت رسانی به مشتری بدون درگیری با فرایندهای واسطه و BACK OFFICE
  • نقش آفرین در یک بخش: تمرکز بر یک بخش از مشتریان مانند کمپانی ها یا فروشندگان از طریق تجارت الکترونیک
  • بانکداری به عنوان یک تامین کننده خدمات: یک بانک تولیدکننده که بطور مستقیم مشتریان خود را جذب کرده و به آنها خدمت رسانی می‌کند.

هرکدام از شیوه‌های  فوق که توسط بانک‌ها برگزیده شوند، نیاز به انتقال از وضعیت فعلی به سمت وضعیت هدف و در نتیجه درگیر شدن با ترکیبی از مدل‌ها دارند.

سال 2020:   تجربه  سرعت و قدرت  بانک‌ها مبتنی بر چابکی

گسترش سریع انتظارات مشتری بانک‌ها را بیشتر از همیشه در وضعیت رقابتی قرار داده است. بانک‌های راهبر مشتری محور شده‌اند و در نتیجه دیجیتالی شدن و استفاده از داده‌ها بجای تکنیک‌های قدیمی بخش‌بندی و شخصی‌سازی تجربیات، به شیوه “یک بخش واحد” عمل می‌کنند. و به‌جای اینکه تنها ویژگی‌های دموگرافیک یک بخش از مشتریان را معیار ارائه راهکارها و ایجاد تجربیات برای آنها قرار دهد، به عواملی همچون سبک زندگی، آرزوها، ذهنیت‌ها، سرگرمی‌ها و نیازهای هر مشتری توجه کنند. هرچه بانک‌های بیشتری به استفاده از این شیوه‌ها روی بیاورند، رقابت شدیدتر خواهد شد در نتیجه استفاده از شیوه‌های  تجاری چابک در سازمان‌ها موجب افزایش رادیکالی نرخ موفقیت می‌شود. استفاده بیشتر از ابر، یکپارچگی و توسعه مداوم (CICD) و DevOps، با هدف شناسایی انتظارات متغیر بازار و تبدیل سریع آنها به اقدامات، چابکی را تسریع می‌کند. چابکی در بانکداری فراتر از روش سنتی طراحی-ساخت-آزمایش-استقرار که محدود به توسعه محصول است تعریف می‌شود. بانک‌های پیشرو در حال ایجاد ساختارهای سازمانی انعطاف پذیر و مسطح هستند که موجب افزایش همکاری و تطبیق پذیری شده و کارمندان را در همه سطوح برای تصمیم‌گیری توانمند می‌کند.

همچنین آنها در حال تغییر اکوسیستم‌های مرتبط با خود بوده و می‌کوشند تا از یکپارچه‌سازی بیشتر با توسعه‌دهندگان، فین‌تک‌ها، شرکا و رگولاتورها، نوآوری در اکوسیستم را تسریع کنند. یک سازمان چابک باید از بخش‌های خود یادگیرنده، خود شفادهنده (SELF-HEALING) و خودگسترش‌دهنده (SELF EVOLVING) که همراه با هم فعالیت می‌کنند تشکیل شده باشد.

سال 2020: خودکارسازی  قابل دسترس در همه جا

خودکارسازی به عنوان یکی از اهرم‌های کلیدی استراتژیک در بانکداری است. با چهارمین انقلاب صنعتی، خودکارسازی فراتر از از بین بردن ناکارآمدی در بخش‌های مختلف، موجب کاهش هزینه‌ها، بهبود تجربیات، کاهش ریسک و بهبود عملیات از طریق راه‌های بی شمار دیگر می‌شود. یادگیری ماشین نیز با شناسایی و جلوگیری از تقلب به طور موثرتری نسبت به یک سیستم سنتی، به بانک‌ها در کاهش ریسک کمک می‌کند. فناوری‌های هوش مصنوعی و خودکارسازی در حال تقویت یک نیروی کار دیجیتالی هستند که به طور چشمگیری ساختار هزینه‌ها و پویایی سازمانی بانک‌ها را تغییر می‌دهند. خودکارسازی از فناوری‌های نسل‌های مختلف از خودکارسازی rule-based و BPM-led گرفته تا پردازش‌های مبتنی بر API و خودکارسازی فرایند رباتیک بهره برده است. فناوری بعدی خودکارسازی شناختی همراه با یادگیری ماشین خواهد بود. خودکارسازی علاوه بر نقش داشتن در فرایندهای درون بانکی می‌تواند تعاملات بین بانکی و تعاملات بانک با قانون‌گذار را نیز شامل شود.

قابلیت‌های شناختی مانند یادگیری ماشین و پردازش زبان طبیعی این امکان را بیش از پیش فراهم می‌آورد. بلاکچین نیز می‌تواند تغییرات ساختاری زیادی در این زمینه ایجاد نماید. انتظار می‌رود بانک‌های زیادی با هدف کاهش هزینه‌های عملیات، در ارائه امکانات در قالب مدل‌های “نرم‌افزار به عنوان یک خدمت” و یا “پلتفرم به عنوان یک خدمت” با یکدیگر همکاری کنند.

سال 2020: بانک‌ها و  نیروی کار نسل هزاره [2]

موفق‌ترین سازمان‌ها فرهنگی را ایجاد می‌کنند – یا آن را ادامه می‌دهند – که افراد آن سازمان را در یک هدف مشترک متحد کند. این هدف مشترک می تواند به حداکثر رساندن فرصت های عصر دیجیتال برای تحقق اهداف کسب وکار و مشتری و یا پاسخگویی به چالش ها باشد

ایجاد چند  قابلیت در نیروی کار برای بانک‌های پیشرفته اهمیت زیادی دارد:

  • تفکر انتقادی: از آنجا که اتوماسیون و هوش مصنوعی تعداد بیشتری از کارهای دستی را به عهده می‌گیرند، مهمترین مسئولیت نیروی کار انسانی افزودن ارزش از طریق تفکر انتقادی است. به منظور استفاده از این قابلیت، تمرکز سازمان باید به جای سازمان محور بودن بر کارمند محور بودن باشد. پیش از این تمرکز بانک‌ها از محصول محور بودن به مشتری مداری و توجه به ویژگی‌های خاص هر مشتری تغییر نموده است.
  • همکاری و مشارکت : با کوچک شدن خانواده ها، انسان ها توانایی همکاری خود را از دست می‌دهند. این امر به ویژه در مورد نسل جوان بیشتر صدق می‌کند. اما سازمان‌ها با همکاری دوام آورده و رشد می‌کنند. از این رو امروزه یکی از بزرگترین اولویت‌ها آموزش نحوه همکاری و مشارکت به نیروی کار است.
  • برقراری ارتباط موثر: با وجود امکان برقراری ارتباط به صورت آنلاین و بلادرنگ، با حذف تبادلات رو در رو میان کارمندان با یکدیگر و با مشتری، فاصله‌ای ایجاد می‌شود. سازمان‌ها باید همزمان با استفاده از قابلیت‌های فناوری‌های دیجیتال هنر برقراری ارتباط را به عنوان بخشی از برنامه آموزشی خود داشته باشند.

داشتن سه نوع دانش و سواد برای نیروی کار اهمیت زیادی دارد: دانش اطلاعاتی، دانش رسانه ای و دانش فناوری.

با رشد داده‌ها، پرسنل بانک‌ها باید دارای قدرت تصمیم‌گیری در مورد اینکه چه اطلاعاتی را باید جمع‌آوری و ذخیره‌سازی کنند و کدام‌ها را باید نادیده بگیرند باشند. نیروی کار همچنین باید درک کند که چگونه بینش تجزیه و تحلیل را به خرد و مزیت رقابتی تبدیل کند.

کارمندان جوان بانک استفاده زیادی از شبکه‌های اجتماعی می‌کنند. این مسئله می‌تواند مزایای بسیاری از جمله خدمت‌رسانی بهتر به مشتری و پشتیبانی از مشتری را برای بانک به همراه داشته باشد. اما از طرفی اشتباه یک کارمند می‌تواند صدمات فوری و جبران‌ناپذیری به برند و شهرت وارد کند. دانش رسانه‌ای می‌تواند به‏ تجربه‌های برتر  (best practices) و آداب معاشرت در شبکه‌های اجتماعی را به کارمندان آموزش دهد.

به منظور افزایش دانش فناوری در کارمندان بانک، لازم است برنامه‌های آموزشی به گونه‌ای باشد که در راستای منافع سازمان آنها را قادر به استفاده از فناوری‌های جدید دیجیتال مانند رایانش ابری، اینترنت اشیا، بلاکچین و هوش مصنوعی نماید.

سال  2020:دوگانگی و تعارضات  امنیتی

در سال 2020، روند امنیت سایبری به طور قابل توجهی با رایانش ابری، هویت دیجیتال، 5G، اینترنت اشیا، خودکارسازی، هوش مصنوعی و یادگیری ماشین مرتبط خواهد بود. تنظیم مقررات همچنان مهمترین و احتمالاً پیچیده‌ترین مسئله خواهد بود. برخی از روندها در تقابل با برخی دیگر عمل می‌کنند درنتیجه بانک‌ها باید قادر به برقراری تعادل باشند.

پذیرش سریع رایانش ابری، به ویژه استفاده از ابر عمومی، پیامدهای زیادی برای امنیت بانکداری خواهد داشت. ارائه‌دهندگان ابر عمومی امنیت را فراتر از آنچه هر بانکی می‌تواند بدست بیاورد، توسعه داده‌اند، اما این مسئله تنها در سطح زیرساخت‌ها است و تامین امنیت اپلیکیشن‌ها از طریق آموزش کارکنان و استفاده از ابزارهای جدید برای مدیریت امنیت ابرها بر عهده بانک‌هاست.

با افزایش تراکنش‌های مشتریان در انواع کانال‌های بانکداری دیجیتال، تقویت شناسایی و احراز هویت آنلاین همچنان یک اولویت اصلی در این صنعت خواهد بود. مدیریت هویت دیجیتال باید از ترکیبی از بیومتریک ها استفاده کند. یک روند در حال ظهور استفاده از تجزیه و تحلیل رفتاری به عنوان مثال نحوه کار کردن هر کاربر با صفحه کلید یا ماوس  به منظور تایید هویت است. همچنین با افزایش دستگاه‌هایی که در تمام دنیا به 5G و اینترنت اشیاء متصل می‌شوند چالش‌های امنیتی جدید پدید می‌آید. استفاده از هوش مصنوعی، یادگیری ماشین و خودکارسازی نیز می‌تواند به درک، تشخیص و جلوگیری از حملات سایبری کمک کند.

نیاز به تدوین قوانین در حوزه‌های مربوط به حفظ محرمانگی داده‌ها بیش از پیش اهمیت می‌یابد. چرا که بانکداری باز و قابلیت به اشتراک‌گذاری داده‌ها توسط بانک‌ها با تامین‌کنندگان می‌تواند تبدیل به یک چالش بزرگ شود. با توجه به تمامی موارد فوق حفظ محرمانگی باید به عنوان زیربنای تمامی سیستم ها دیده شود که این مسئله منجر به تغییرات ساختاری در بحث امنیت می‌شود.

سال 2020:  چالش  اطلاعات و  اپلیکیشن‌ها

فراهم کردن تجربه بهتر برای مشتری با افزایش سود و ارزش سهام سازمان ارتباط مستقیم دارد. از طرفی تحول دیجیتال بر تجربه مشتری تاثیر مثبت دارد. داده‌ها، تحلیل‌های پیشرفته و هوش مصنوعی نقش کلیدی در مشارکت مصرف‌کننده و در نتیجه موفقیت در بازار طی چند سال آینده خواهد داشت. رهبران تحول دیجیتال در بانکداری، در حال اتخاذ فرایندهای تکامل دیجیتال به منظور تبدیل معماری فناوری خود به یک توانمندساز قدرتمند در رابطه با محصولات، فرایندها و سازمان خود می‌باشند تا بتوانند پاسخگوی تقاضاهای بازار که به سرعت نیز در حال تغییر هستند باشند.

فناوری‌های سنتی یکی از بزرگترین موانع تحول هستند. بنابراین تمامی بانک‌ها باید معماری اپلیکیشن‌ها و فناوری‌ها خود را ارزیابی و نسبت به مدرن کردن آنها اقدام نمایند. به منظور مدرن کردن معماری سیستم بانک‌ها باید از سرویس cloud docker container در مقیاسی استفاده کنند که لایه‌های معماری شامل سیستم عامل، پایگاه داده، اپلیکیش و نمایش  و ویژگی‌های آنها مانع بکارگیری روش‌های دیجیتال و چابک در آینده نشوند.

در راستای آمادگی به منظور بهره وری از مزایای فناوری های دیجیتال، بحث امنیت سایبری نیاز به توجه خاص دارد چرا که یکی از بزرگترین مخاطرات سرویس های مالی ریسک های امنیتی است. طراحی و پیاده سازی یک معماری امنیتی انطباقی که قادر به پیش بینی و کاهش تهدیدات سایبری، بدون تاثیرگذاری بر راحتی کاربر نهایی یا مشتری باشد می تواند در این زمینه موثر باشد.

داشتن تجربیات مدرن نیاز به یک معماری اطلاعاتی انطباقی دارد که قادر به انطباق با به روزرسانی‌های یکپارچه در کانال‌های دیجیتال موجود، در حال پیدایش و آینده باشد. در این راستا وجود اتصال دقیق میان جریان کار با معماری امنیتی، اپلیکیشن‌ها و سیستم اهمیت دارد.

یک بخش بسیار مهم از فرایند مدرن‌سازی فناوری، قابلیت استفاده از تلفن همراه در در تمامی فعالیت‌های مرتبط با بانک، داشتن تفکر ابری در راستای افزایش کارایی عملیاتی و کاهش مدت زمان ارایه  به بازار و همکاری‌های اکوسیستمی موثر با سایر بانک‌ها و حتی با فعالین سایر صنایع می‌باشد.

سال 2020 :  هوش مصنوعی در بانکداری

هوش مصنوعی دارای بیشترین پتانسیل تاثیرگذاری بر بانکداری است. انتظار می‌رود سرمایه‌گذاری بانک‌ها بر روی این فناوری رشد فزاینده‌ای داشته باشد. استفاده از هوش مصنوعی در فرایندهای تجاری در راستای افزایش بهره‌وری عملکردی، مدیریت بهتر ریسک و تعامل بیشتر مشتری رواج خواهد داشت. همچنین منجر به کاهش هزینه‌ها خواهد شد.

یکی از مواردی که در سال‎های اخیر با استفاده از هوش مصنوعی در صنعت بانکداری رواج پیدا کرده است استفاده از چت بات‌ها  در خدمت‌رسانی به مشتریان می‌باشد و انتظار می‌رود در آینده استفاده بیشتری از آنها بشود.

علاوه بر افزایش کارایی، بانک‌ها از هوش مصنوعی در بهبود تجربیات مشتری استفاده خواهند کرد. به عنوان مثال، پیشنهاداتی درخصوص خدمات و محصولات شخصی‌سازی شده بر مبنای داده‌های بلادرنگ دریافت شده از منابع مختلف به مشتری ارائه دهد. همچنین می‌تواند به جای استفاده از قوانین ثابت و مشخص از هوش مصنوعی در یافتن مناسب‌ترین نماینده در ارائه یک سرویس استفاده نماید.

یکی دیگر از موارد جالب استفاده از هوش مصنوعی، توانایی بهبود تجربیات مشتری از طریق نگاشت تمامی رفتارهای آنلاین مشتری و شخصی‌سازی منحصر به فرد ارتباطات، پیشنهاد محصولات و خدمات و سایر تعاملات می‌باشد.

روند دیگری در جریان اصلی فناوری در حوزه قانون‌گذاری که رگ‌تک (RegTech) نامیده می‌شود می‌باشد. تقویت احرازهویت توسط رگولاتورها  در تمام دنیا  با استفاده از هوش مصنوعی حوزه‌ای است که رگ‌تک به آن وارد می‌شود. قوانین مربوط به بانکداری باز نیاز به احراز هویت مشتری را در سطح جهانی برطرف می‌کند. استفاده از هوش مصنوعی به منظور جلوگیری از تقلب در هویت از این طریق بهبود خواهد یافت. قوانین ضد پولشویی یکی دیگر از حوزه‌هاست که تحت تاثیر پرداخت‌های بین‌المللی آنی  قرار می‌گیرد. پلتفرم‌های مبتنی بر هوش مصنوعی منجر به بلوغ بیشتر این فضا نیز می‌شود.

بانک‌ها سرمایه‌گذاری بیشتری در استفاده از هوش مصنوعی در مدیریت ریسک و تقلب خواهند نمود. همچنین به منظور تشخیص، پیش‌بینی و جلوگیری از تقلب بر یادگیری ماشین ویا مدل‌های مبتنی بر یادگیری سرمایه‌گذاری خواهند نمود.

بانک‌ها،  بیگ‌تک‌ها  و فین‌تک‌ها در راستای پیش‌بینی و پیشگیری از حملات سایبری، سرمایه‌گذاری بیشتری بر پلتفرم‌های مبتنی بر یادگیری ماشین ویا یادگیری عمیق   خواهند نمود. یکی از روندهای آینده می‌تواند استفاده از هوش مصنوعی و رایانش کوانتومی برای بهبود امنیت سایبری- به عنوان مثال تشخیص نوع رمزنگاری مورد نیاز در جلوگیری از هک شدن- باشد.

یکی از مهمترین چالش‌ها در آموزش یک مدل یادگیری ماشین در اختیار داشتن حجم عظیمی از داده‌های با کیفیت می‌باشد که معمولا موجود نیستند. یک راهکار استفاده از مجموعه داده‌های مصنوعی است که با استفاده از برنامه‌ها تولید می‌شوند.

 سال 2020:  رایانش ابری عمومی و  مرزهای جدید انعطاف‌پذیری

کاهش نگرانی‌ها در خصوص ابر عمومی، رشد سریع بازار راه کارهای SaaS و پذیرش گسترده ابر به عنوان محیط ترجیحی برای اجرا و عملیات بانکی، نشانه‌های واضحی از تقویت موقعیت ابر به عنوان زیرساخت  برای ایجاد تغییرات در خدمات مالی است. علاوه بر این، افزایش فین‌تک‌ها و الزامات قابلیت همکاری در بانکداری باز، ابر را به یک عنصر مهم در یکپارچگی و نوآوری تبدیل کرده‌است.

افزایش استفاده از سرویس‌های ابری SaaS، به خصوص پایگاه داده‌های رابطه‌ای، انباره داده و کانتینر به‌عنوان سرویس  همراه با ویژگی‌های ابر خصوصی ارائه شده توسط تامین‌کنندگان ابر عمومی موجب شده بود که بانک‌ها تمایلی به استفاده از ابر عمومی نداشته باشند. با گسترش عملیات‌ها در نواحی مختلف، توسط تامین‌کنندگان ابر چندگانه، بانک‌ها به تدریج بارکاری بیشتری را به ابرهای عمومی منتقل می‌کنند. انتظار می‌رود در آینده درصد زیادی از تامین‌کنندگان خدمات مالی، محیط‌های IT چند ابری (Multi-cloud) که به منظور ایجاد قابلیت جابه‌جایی بارکاری و اجرای فرایندها بطور یکپارچه در پلتفرم‌های مختلف طراحی شده است در اختیار داشته باشند. بانک‌ها به محیط چند ابری به عنوان راهکاری در برابر چالش‌های عملکردی، انطباق‌پذیری و بهینه‌سازی هزینه‌ها می‌نگرند. انعطاف‌پذیری محیط‌های چند ابری به بانک‌ها این امکان را می‌دهد تا از قابلیت جابجایی اپلیکیشن‌های مبتنی بر کانتینر  برای اجرای بارهای کاری به صورت بهینه‌تر و سریع‌تر از گذشته استفاده نمایند.

ساختار  [3] single-tenant همچنان مکان امنی برای بانک‌ها در راستای ایزوله کردن اجزای بار کاری شامل رکوردهای محرمانه مانند اطلاعات حساب مشتری، دارایی های معنوی شرکت و سایر داده‌های مهم در راستای الزامات امنیتی سازمان می‌باشد و حتی در صورتی که بانک‌ها اپلیکیشن‌های کوربانکینگ خود را به ابر عمومی منتقل کنند باید مسائل مربوط به پیشگیری از از بین رفتن داده‌ها و ملاحظات مربوط به یکپارچگی را در نظر داشته باشند.

سال 2020 :  بلوغ کاربرد  بلاکچین

بلاکچین اکنون به نقطه‌ای رسیده که کسب‌وکارها پتانسیل آن در ارائه راهکارهای واقعی برای مشکلات واقعی را درک کرده‌اند. در این راستا بلاکچین دو فاز سنجش را پشت سر نهاده است: اثبات مفهوم  و اثبات ارزش. درفاصله این دو فاز فناوری به بلوغ رسیده و شرکت‌های زیادی اقدام به راه‌اندازی پلتفرم‌های توزیع شده خود نموده‌اند و لازم است بلاکچین در راستای ایجاد تغییرات سیستمیک و ارائه مزایای آن به شیوه ای پایدار، ساختاردهی شود. یک مثال خوب در این زمینه شبکه مالی تجارت مبتنی بر بلاکچین از Infosys Finacle است که در حال توسعه یک مکانیسم حاکمیتی در مورد نحوه رسیدگی به مشکلات از دیدگاه قانونی ، عملیاتی و فنی می‌باشد. بنابراین شاهد سرمایه‌گذاری‌های بیشتری در سیستم عامل‌های ملی مبتنی بر بلاکچین برای تأمین مالی معاملات، پرداخت‌ها و احراز هویت خواهیم بود.

ظهور سناریوهای جدید،  سازمان‌ها را به سمت تحولات عظیم و جایگزینی سیستم‌ها با پلتفرم‌های مبتنی بر بلاکچین سوق می‌دهد. با اینکه بلاکچین با هدف کاهش هزینه‌ها راه‌اندازی شده است اما بانک‌ها دریافته‌اند که می‌تواند موجب کاهش ریسک، برقراری اتصال با اکوسیستم و حتی درآمدزایی شود.

سال 2020: بانکداری بر روی تمام دستگاه‌ها با کمک اینترنت اشیا (IoT)

روز به روز به تعداد دستگاه‌هایی که به اینترنت متصلند افزایش پیدا می‌کند. انتظار میرود بعد از صنایعی مانند تولید، هوا فضا، کشاورزی، بهداشت و درمان و الکترونیک، اینترنت اشیاء بر صنعت بانکداری و خدمات مالی نیز تاثیرگذار باشد. این تاثیر از داده‌های بلادرنگ مربوط به مشتری و تراکنش‌ها ناشی می‌شود. داده‌ها از دستگاه‌های دیجیتال مانند تلفن‌های هوشمند، ساعت‌های هوشمند، اتومبیل‌های متصل به اینترنت و تلویزیون‌های هوشمند که هر کدام به نحوی می‌توانند به عنوان کانال‌های بانکداری عمل کنند دریافت می‌شود. اینترنت اشیا شیوه‌های  بانکداری را به روش‌های زیر تغییر می‌دهد:

  • ارائه راهنمایی و خدمات مشاوره‌ای هنگام اجرای تراکنش‌ها: استفاده‌کنندگان از فضای دیجیتال هنگام خرید به راهنمایی کاربران بیشتر از شرکت اعتماد می‌کنند. بسته به حجم و موضوع خرید میزان نیاز به راهنمایی تغییر خواهد کرد.این پیشنهاد باید با در نظر گرفتن عواملی از جمله موقعیت مکانی مشتری، زمان روز، نوع تراکنش و … ارائه شود. با وجود اینترنت اشیاء مشتری از بانک انتظار دارد تا پیشینه نیاز را با استفاده از اطلاعات موجود در دستگاه مورد استفاده‌اش دانسته و پاسخ صحیح ارائه دهد. به عنوان مثال درخواست مشاوره مشتری در مورد یک سهم اگر از یک تلفن هوشمند در فرودگاه ارسال شود، پاسخ بانک باید به صورت “بخر/حفظ کن/بفروش” باشد و اگر همین درخواست از کامپیوتر در دفتر کار مشتری ارسال شود می‌تواند اطلاعاتی در مورد جزئیات شرکت و تحلیل سهام را نیز ارائه دهد.
  • بهبود شیوه‌های کشف تقلب: دستگاه‌های مجهز به اینترنت اشیاء اطلاعات مهمی از جمله الگوی فعالیت‌های صاحب آن، موقعیت مکانی فعلی و … فراهم می‌کنند که می‌تواند در تشخیص فعالیت‌های مشکوک موثر باشد. به عنوان مثال در صورتی که یک تراکنش با استفاده از کارت اعتباری در مکانی متفاوت با مکان گوشی هوشمند یا ساعت هوشمند مشتری انجام شود، برای مشتری پیغام هشدار ارسال شود.
  • ایجاد پورتفولیوی پویا برای محصول: دستگاه‌های اینترنت اشیا منبعی غنی از داده‌های بلادرنگ بازار هستند. بانک‌ها و سایر تامین‌کنندگان خدمات مالی می‌توانند با بررسی، کاوش و تحلیل این داده‌ها، به بینشی فوری در خصوص رخدادهای بازار دست پیدا کرده و از آن در جهت طراحی محصولات جدید یا منطقی کردن (Rationalize) پورتفولیوی موجود استفاده کنند. برخلاف مطالعات بازار که به هفته ها زمان برای رسیدن به نتایج نیاز دارد، اینترنت اشیا بینشی بلادرنگ در اختیار قرار می‌دهد. و این بدان معناست که بانک‌ها می توانند به جای نگهداری پورتفولیوی استاتیک، محصولات خود را به طور مستمر متحول و شخصی سازی کنند. با اتصال اکوسیستم های مالی با یکدیگر و با سایر اکوسیستم‌ها از طریق اینترنت اشیا تجربیات مشتریان و همچنین مشارکت آنها تسهیل خواهد شد.
  • نگارندگان : اسمهان حکاک، تحلیلگر و مشاور توسعه سیستم‌های بانکی و دانشجوی دکتری مهارتی بانکداری دیجیتال
  • هما زاهدپاشا، تحلیلگر سیستم‌های بانکی

اعضای جامعه آزاد کسب‌وکار هوشمند خاورمیانه و شمال آفریقا ( منا ) – MSBCGROUP

References

  1. Mckinsey Global Banking Annual Review 2019 https://www.mckinsey.com/~/media/McKinsey/Industries/Financial%20Services/Our%20 Insights/Global%20Banking%20Annual%20Review%202019%20The%20last%20pit%20 stop%20Time%20for%20bold%20late%20cycle%20moves/McKinsey-Global-BankingAnnual-Review-2019.ashx
  2. Marketsmedia: Banks to invest 300 billion in AI by 2030 https://www.marketsmedia.com/banks-to-invest-300-billion-in-ai-by-2030/
  3. Gartner public cloud forecast 2020 https://www.gartner.com/en/newsroom/press-releases/2019-11-13-gartner-forecastsworldwide-public-cloud-revenue-to-grow-17-percent-in-2020
  4. BankingTech: Multi-cloud fundamental to financial services transformation https://www.bankingtech.com/files/2019/03/Multi-cloud-fundamental-to-financialservices-transformation.pdf

5- Infosys Finacle ,  2019  , “ TRENDS RESHAPING BANKING IN 2020” ,

[1] – رشد ارگانیک به فرایندی از گسترش کسب‌وکار گفته می‌شود که به‌واسطه افزایش ورودی‌ها، فروش بیشتر یا توسعه محصول اتفاق می‌افتد نه از طریق گسترش بستر اجرایی، جذب منابع بیشتر یا ادغام کسب‌وکارها.

[2] – نسل هزاره برخلاف نسل‌های پیشین شدیداً به فناوری دیجیتال وابسته‌اند.

[3]  – نوعی معماری در فضاهای ابری است  که هر کاربر نمونه نرم‌افزاری خودش را دارد و می‌تواند به کدها دسترسی یابد.

ارسال یک پاسخ

آدرس ایمیل شما منتشر نخواهد شد.