عصر تراکنش ۹۳؛ مهدی طالب، معاون فناوری اطلاعات مؤسسه اعتباری ملل / در دوران تحول دیجیتال، بسیاری از بانک‌ها و نهادهای مالی به دنبال ارائه خدماتی هوشمند، سریع و شخصی‌سازی‌شده هستند؛ بنابراین اهمیت یکپارچه‌سازی و تحلیل داده‌ها در سازمان‌ها و به‌ویژه در بانک‌ها رو به افزایش است. بانک‌ها سال‌هاست که با سامانه‌های گوناگونی از جمله کربنکینگ، سوئیچ، CRM، کانال‌های دیجیتال، سامانه‌های اداری و… کار می‌کنند. معمولاً هر کدام از سامانه‌ها داده‌هایی به‌صورت مستقل تولید کرده که همین موضوع موجب ناهماهنگی داده‌ها، عدم شناخت دقیق از مشتری، کاهش بهره‌وری در تصمیم‌گیری‌های اعتباری و مبارزه با تقلب و ایجاد تجربه کاربری پراکنده و ناهماهنگ می‌شود. این داده‌ها شامل اطلاعات شخصی، تراکنش‌های مالی، رفتارهای بانکی و سرمایه‌گذاری می‌شوند. با وجود این، کلید موفقیت در استفاده از این داده‌ها، تبدیل آنها به ابزاری عملی و کاربردی برای بهبود خدمات، افزایش وفاداری مشتریان و تصمیم‌گیری هوشمندانه است.
در دنیای امروز، داده‌ها به‌عنوان مهم‌ترین دارایی‌های استراتژیک شناخته می‌شوند و توانایی تجمیع، تحلیل و استفاده بهینه از این داده‌ها، می‌تواند مرز بین موفقیت و شکست در ارائه خدمات مالی هوشمند را رقم بزند. به همین جهت، از نظر من یکپارچه‌سازی و تحلیل دادههای بانکی به‌منظور هوشمندسازی خدمات مالی از مباحث حیاتی و استراتژیک در صنعت بانکی محسوب می‌شود. داده‌ها تنها زمانی مفید هستند که به‌درستی تحلیل و به کار گرفته شوند. تبدیل داده‌ها به دارایی استراتژیک لزوم تحول دیجیتال در بانک‌هاست.
با تحلیل داده‌ها از روش‌های هوش مصنوعی و یادگیری ماشین می‌توان به شناخت رفتار دقیق مشتریان پرداخت و با داشتن تصویر ۳۶۰ درجه از مشتری و نیازهای او، خدمات هدفمند و شخصی‌سازی‌شده ارائه کرد. به‌عنوان‌مثال می‌توان باتوجه‌به رفتار مشتری، تراکنش‌های فراموش‌شده را یادآوری کرد، تقلب‌های احتمالی را به‌صورت لحظه‌ای شناسایی کرد، تسهیلات مناسب باتوجه‌به نیازهای مشتری پیشنهاد کرد، چیدمان خدمات در سامانه‌ها را باتوجه‌به درک عمیق و پیش‌بینی نیازهای مشتری انجام داد.
ارائه خدمات یکپارچه، تجربه کاربری بی‌نظیری را برای مشتریان به ارمغان می‌آورد؛ به‌گونه‌ای که دارنده حساب از هر کانالی برای انجام عملیات بانکی، درخواست تسهیلات و… اقدام کند، می‌تواند مابقی فرایند را از طریق کانال‌های دیگر نیز پیش ببرد و در همه سامانه‌های بانک خدمات یکسان و شخصی‌سازی‌شده خود را به‌صورت یکپارچه دریافت کند.
ارائه مشاوره سرمایه‌گذاری بر اساس رفتارهای مالی و ریسک‌پذیری مشتری نیز یکی دیگر از خدماتی است که برای مشتریان ارزش‌آفرین خواهد بود. در این فرایند می‌توان به مشتری باتوجه‌به خدمات موجود، اعم از صندوق‌های سرمایه‌گذاری و سامانه‌های سرمایه‌گذاری مرتبط با بانک، پیشنهاد مناسب جهت سرمایه‌گذاری برای هر مشتری ارائه داد.
امنیت حساب، مزیت دیگری است که درک عمیق از رفتار مشتری ایجاد خواهد کرد. به‌عنوان‌مثال، درصورتی‌که مشتری در معرض فیشینگ یا کپی کارت بانکی قرار بگیرد، باتوجه‌به الگوهای رفتاری مشتری می‌توان از اتفاقات و کلاهبرداری‌های مالی تا حد زیادی به‌صورت آنی جلوگیری کرد. درواقع در صورت تغییر یکباره رفتار مالی مشتری می‌توان از راهکارهایی مانند الزام به احراز هویت مجدد استفاده شود.
اما اگر از نگاه سازمان به این موضوع بنگریم، با استفاده از هوش مصنوعی و تحلیل دادههای یکپارچه، تصمیم‌گیری‌ها در بانک کاملاً داده‌محور خواهند شد. به‌عنوان‌مثال زمانی که بانک قصد دارد یک طرح تسهیلاتی یا سپرده‌ای تعریف کند، تصویر مشخصی از نیازها و علائق مشتریان وجود دارد که بانک می‌تواند باتوجه‌به خوشه‌بندی مشتریان و شناخت کامل نیازهای هر خوشه، طرحی هدفمند را ایجاد کند. در واقع با دسترسی مدیران به داشبوردهای تحلیلی، فرهنگ تصمیم‌گیری داده‌محور در سازمان رشد می‌کند و موجب می‌شود تصمیمات گرفته‌شده بهره‌وری و قابلیت اطمینان بیشتری داشته باشند.
در نهایت یکپارچه‌سازی داده‌ها صرفاً یک پروژه فناوری اطلاعات نیست، بلکه پایه تحول در مدل کسب‌وکار بانک‌هاست. بانک‌هایی که بتوانند دادههای خود را به دارایی استراتژیک تبدیل کنند، در آینده‌ای نزدیک، توانایی خلق تجربه‌های مالی هوشمند و رقابت‌پذیر را خواهند داشت. در نهایت، اگر قرار است بانک‌ها وارد عصر خدمات مالی مبتنی بر تحلیل و تجربه مشتری شوند، نقطه شروع آن، داده یکپارچه و باکیفیت است. استفاده نوآورانه از دادههای مشتریان بانک نه‌تنها کیفیت خدمات و رضایت آنها را افزایش می‌دهد، بلکه تصمیم‌گیری‌های استراتژیک بانک‌ها را بهبود می‌بخشد. بااین‌حال، رعایت اصول اخلاقی و قانونی در جمع‌آوری و استفاده از داده‌ها ضروری است. با ترکیب فناوری‌های پیشرفته و تحلیل هوشمند داده‌ها، بانک‌ها می‌توانند به سمت آینده‌ای داده‌محور و مشتری‌محور حرکت کنند.
