داده‌محوری نقطه آغاز تحول دیجیتال است

گفت‌وگو با سیدمحمدمهدی ساداتیان، درباره مسیر شکل‌گیری اداره هوش تجاری و نقشی که داده در بازطراحی آینده بانک تجارت ایفا می‌کند

عصر تراکنش ۱۰۱ / در دنیایی که داده به مهم‌ترین دارایی استراتژیک سازمان‌ها تبدیل شده، بانک‌ها دیگر تنها نهادهای مالی کلاسیک نیستند؛ بلکه به بازیگران داده‌محوری بدل شده‌اند که تصمیم‌گیری، طراحی خدمات و حتی مدل کسب‌وکارشان بر پایه تحلیل، پیش‌بینی و هوشمندسازی شکل می‌گیرد. بانک تجارت یکی از نمونه‌های بارز این تغییر است؛ نهادی که چندین سال است مسیر خود را در حوزه داده آغاز کرده و امروز اداره هوش تجاری آن به یکی از محورهای کلیدی تحول دیجیتال این بانک تبدیل شده است.

از تغییر رویکرد گزارش‌دهی و حرکت از گزارش‌های توصیفی به گزارش‌های تصمیم‌محور گرفته تا توسعه ابزارهای هوش مصنوعی، استانداردسازی حکمرانی داده و همکاری نظام‌مند با استارتاپ‌ها، همه نشان می‌دهد داده دیگر یک ابزار کمکی نیست؛ بلکه زیرساخت اصلی ارزش‌آفرینی در بانکداری نوین است. با‌این‌حال، این مسیر تنها به تحلیل داده محدود نمی‌شود. امنیت، یکپارچگی، کمبود نیروی متخصص، چالش‌های زیرساختی و ضرورت هم‌افزایی میان بانک و شرکت‌های فناور، همگی بخش مهمی از این اکوسیستم پیچیده را شکل می‌دهند. در گفت‌وگویی با سیدمحمدمهدی ساداتیان، رئیس اداره هوش تجاری و تحلیل کسب‌وکار بانک تجارت، به تجربه این بانک در گذار به داده‌محوری پرداختیم. در این گفت‌وگو درباره تحول گزارش‌های داده‌محور، حکمرانی داده، وضعیت و آینده استفاده از هوش مصنوعی، نقش شرکت داتا در پیشبرد پروژه‌های داده‌ای بانک تجارت، همکاری با استارتاپ‌ها، امنیت داده و چشم‌انداز بانکداری داده‌محور در ایران صحبت کردیم.


گزارش‌های داده‌محور و تصمیمات مؤثرتر


بانک تجارت بیش از دو دهه است که در حوزه داده فعالیت می‌کند و در این مسیر، دوره‌های پرفرازونشیبی را پشت سر گذاشته است؛ مسیری که به تعبیر سیدمحمدمهدی ساداتیان، رئیس اداره هوش تجاری و تحلیل کسب‌وکار مقصد غایی آن تشکیل اداره هوش تجاری و تحلیل کسب‌وکار این بانک بود. ساداتیان درباره پیشینه این اداره می‌گوید: «در ابتدا فعالیت‌ها با جمع‌آوری اطلاعات از حوزه‌های مختلف و پاسخ‌گویی به درخواست‌های تجاری آغاز شد. داده‌ها در آن زمان نه به‌صورت متمرکز، بلکه غیرمتمرکز و صرفاً با هدف تأمین گزارش‌های داخلی بانک گردآوری می‌شد. اما با رشد فناوری و افزایش تقاضای واحدهای مختلف بانک، این گزارش‌ها به‌تدریج بالغ‌تر شد و از گزارش‌های صرفاً توصیفی به گزارش‌های تصمیم‌محور ارتقا پیدا کرد.

پس از مدتی، واحدی که در داخل بانک شکل گرفته بود، به «اداره» تبدیل شد و مسئولیت‌هایی همچون گردآوری و یکپارچگی داده، مدیریت کیفیت داده و حاکمیت داده در کل سازمان را برعهده گرفت. در ادامه، تحلیل و هوشمندسازی سازمان نیز به‌عنوان بخشی از مأموریت‌های امروز اداره هوش تجاری و تحلیل کسب‌وکار بانک تعریف شد.»

ساداتیان با اشاره به ساختار بانک تجارت تأکید می‌کند که ارائه مجموعه‌ای از گزارش‌های در همه حوزه‌های بانکی یکی از وظایف اصلی این اداره است و توضیح می‌دهد که گزارش‌هایی از این دست، با تمرکز بر داده، به مدیران کمک می‌کنند تصمیم‌های بهتری بگیرند. او می‌گوید: «این گزارش‌ها طیف وسیعی از عملیات‌های بانکی را در بر می‌گیرد؛ از حوزه‌های مالی و نظارتی گرفته تا حوزه‌های کسب‌وکار. علاوه بر آن، از آن‌جا که حوزه تحلیل کسب‌وکار نیز در کنار حوزه داده در این اداره فعال است، بخشی از گزارش‌های تحلیلی (به‌ویژه در حوزه مالی و کسب‌وکار) نیز توسط این اداره تولید می‌شود.

همچنین پاسخ‌گویی به گزارش‌های بالادستی نهادهایی مانند بانک مرکزی و سایر ارکان نظارتی نیز بر عهده ماست. رویکرد ما این است که فعالیت‌ها را بیش از پیش به سمت گزارش‌های تصمیم‌محور سوق دهیم و به مدیران کمک کنیم تصمیمات دقیق‌تر و مؤثرتری بگیرند. از سوی دیگر، با توجه به حرکت حوزه‌های تحلیلی به سمت هوش مصنوعی، تلاش می‌کنیم ابزارهای مناسبی برای تحلیل‌ها و مدل‌سازی‌های جدید توسعه دهیم؛ هم برای مشتریان و هم برای همکاران بانک، تا بتوانند نیازهای خود را با سرعت متناسب با بازار برطرف کنند.»


حکمرانی داده در سازمان‌های بزرگ اهمیت مضاعفی دارد


به ‌نظر می‌رسد استفاده از هوش مصنوعی در سطح منابع انسانی صنایع بانکی کشور هنوز در مراحل ابتدایی قرار دارد و شمایل تخصصی به خود نگرفته است. ساداتیان با طرح این مسئله تصریح می‌کند: «به نظر من، استفاده از هوش مصنوعی هنوز در مراحل ابتدایی است. در‌حال حاضر، کاربرد عمومی آن بیشتر در سطح مفهومی و برای کارکردهایی همچون خلاصه‌سازی متن، تبدیل صوت و جست‌وجوهای سریع‌تر انجام می‌شود و کاربران داخلی بانک از آن بهره می‌برند. اما از نظر استفاده حرفه‌ای و ورود جدی به فرایندهای عملیاتی، باید گفت این مسیر هنوز در حال طی شدن است. دلیل آن نیز چالش‌های زیرساختی، الزامات امنیتی و نبود دسترسی مستقیم به APIهای موجود در بازار است؛ مسائلی که ما را ناچار کرده بسیاری از این زیرساخت‌ها را خودمان توسعه دهیم. با این حال، رفع این چالش‌ها در دستور کار قرار دارد.»

به‌گفته او، با بهبود این روند، در آینده شاهد استفاده گسترده‌تری از هوش مصنوعی در ساختار بانک خواهیم بود:

«رویکرد ما در بانک تجارت این است که در حوزه‌هایی که اشاره کردم (به‌ویژه حوزه‌های نظارتی، کسب‌وکار و بخش‌های مرتبط با مارکتینگ) از ابزارهای هوش مصنوعی استفاده کنیم؛ برای نمونه در تشخیص لید، شناخت ارتباطات مشتریان، ارائه خدمات شخصی‌سازی‌شده، طراحی چت‌بات برای مشتریان جهت دسترسی آسان‌تر به خدمات و همچنین ایجاد چت‌بات داخلی برای همکاران تا بتوانند سریع‌تر در میان بخشنامه‌ها و دستورالعمل‌ها جست‌وجو کنند. در حوزه نظارت نیز مباحثی مانند گراف‌های ارتباطی و کشف تخلف و تقلب از جمله موضوعاتی است که امروز در دستور کار ما قرار دارد. انتظار داریم در یک تا دو سال آینده محصولات عملیاتی مبتنی بر هوش مصنوعی را در بانک و حتی در سطح بازار ارائه کنیم. در مجموع، دورنمای اداره بر سه محور اصلی متمرکز است: تحلیل پیشرفته داده، جریان‌سازی داده و حکمرانی آن، و تبیین یک مدل هوش مصنوعی کاربردی در عملیات‌های بانکی.»

ساداتیان درباره ضرورت و مزایای حکمرانی داده در ساختارهای اداری بانک‌های بزرگی مانند بانک تجارت نیز صحبت می‌کند. او می‌گوید که در مسئله حکمرانی، ما از استانداردهای مختلفی استفاده می‌کنیم که حوزه‌هایی مانند مدیریت داده، دسترسی، کیفیت، نمایش داده و موارد مشابه را پوشش می‌دهند. براساس این استانداردها، مجموعه‌ای از فرایندهای رسمی در سازمان پیاده‌سازی می‌شود تا مشخص شود چه واحدی داده تولید می‌کند، کیفیت آن چگونه است، چه کسی آن را تعریف می‌کند، چگونه ذخیره می‌شود، چگونه تغییر می‌کند و چه مسیر بهینه‌ای برای جریان داده باید طراحی شود.

افزون بر این، مباحث امنیت داده (از جمله سطح محرمانگی و تعیین سطح دسترسی) نیز در همین چهارچوب تعریف می‌شود: «با توجه به این‌که بانک تجارت سازمانی بزرگ با معاونت‌ها، مدیریت‌ها و ادارات و همچنین شرکت‌های وابسته متعدد است که هر یک داده‌های خود را تولید می‌کنند، حکمرانی داده اهمیت مضاعفی پیدا می‌کند. به‌عنوان نمونه، تصور کنید چند اپلیکیشن مختلف درباره یک مشتری داده تولید کنند؛ این‌که آخرین و معتبرترین داده شغلی یا اطلاعات هویتی مشتری کدام است، بر تحلیل‌ها، تصمیم‌گیری‌ها و بسته خدماتی قابل ارائه به او تأثیر مستقیم دارد. بدون حکمرانی داده، کیفیت و یکپارچگی اطلاعات کاهش پیدا می‌کند و طبیعتاً توسعه هوش مصنوعی نیز ممکن نخواهد بود، زیرا هوش مصنوعی در اصل بر داده سالم، دقیق و بموقع متکی است.»


داتا؛ پل واصل میان اکوسیستم استارتاپی و بانک تجارت


به همان اندازه که در شرایط کنونی ایران، دسترسی به سرمایه انسانی متخصص به مسئله‌ای دشوار تبدیل شده است، اکوسیستم استارتاپی بخشی از رسالت رفع این کمبودها را بر عهده گرفته و همین موضوع توجه بسیاری از سازمان‌ها و بانک‌های بزرگ را به این حوزه جلب کرده است. رئیس اداره هوش تجاری و تحلیل کسب‌وکار بانک تجارت درباره چرایی جایگاه ویژه اکوسیستم استارتاپی در اداره هوش تجاری بانک تجارت می‌گوید: «بانک تجارت سابقه طولانی در همکاری با استارتاپ‌ها دارد. از آغاز فعالیت‌هایی که با رویکرد حمایت از کسب‌وکارهای نوپا شروع شد تا سال‌های اخیر که داده به یکی از داغ‌ترین موضوعات تبدیل شده، این همکاری‌ها همواره مورد توجه بوده است.

حتی اگر بانک یک شرکت صددرصدی در حوزه داده داشته باشد و متخصصان باکیفیت نیز جذب کند، باز هم نمی‌تواند تمام ایده‌ها و نوآوری‌هایی را که بازار امروز نیاز دارد خودش تولید کند. به‌ویژه در حوزه فین‌تک و استارتاپ‌های داده‌محور، تیم‌های کوچک انعطاف‌پذیرند، سریع واکنش نشان می‌دهند و زودتر به یک محصول قابل عرضه می‌رسند. همکاری با آن‌ها کمک می‌کند بانک نیز خود را سریع‌تر به بازار برساند. این مدل همکاری برای هر دو طرف یک بازی برد-برد است؛ استارتاپ هم به اعتبار و حمایت مالی نیاز دارد و هم به فرصت دیده‌شدن، و بانک نیز برای پاسخ‌گویی به طیف گسترده‌ای از نیازهای تخصصی نمی‌تواند همه تیم‌ها را درون سازمان جمع کند.»

یکی از چالش‌های اصلی حوزه تحلیل داده این است که تعداد متخصصان کشور با وجود نیاز بالای موجود، بسیار اندک است. ساداتیان تعامل با شرکت داتا در ساختار اداری بانک تجارت را پاسخی به این نیاز می‌داند و می‌گوید:

«همان‌طور که اشاره شد، همکاری نزدیک میان بانک و مجموعه‌های داده‌محور مدل مطلوب ماست. کمبود متخصصان حوزه داده امروز یک چالش جدی است و همکاری با چنین مجموعه‌هایی می‌تواند در کاهش ریسک، افزایش کیفیت خروجی و سرعت‌بخشی به فرایندها نقش قابل‌توجهی داشته باشد. توسعه این همکاری‌ها نیز در دستور کار ما قرار دارد. مدیریت همین تعداد محدود نیرو خود چالشی بزرگ است. ما در بانک تجارت، بخش حکمرانی داده و بخش مدیریت پروژه‌های داده‌محور را از یکدیگر تفکیک کرده‌ایم. بخش مدیریتی وظایفی مانند شناسایی پروژه‌ها، زمان‌بندی، مدیریت و ارائه پروژه‌ها در داخل بانک را بر عهده دارد؛ اما اجرای تخصصی این پروژه‌ها و جذب نیروهای متخصص بر عهده شرکت داتا است که بازوی اجرایی و عملیاتی بانک تجارت در حوزه داده و هوش مصنوعی محسوب می‌شود.»

او با ابراز رضایت از بهبود وضعیت داده‌ها پس از همکاری با داتا توضیح می‌دهد: «پس از آن‌که توانستیم ساختار داده را در بانک شکل دهیم و شرکت داتا نیز به بلوغ اولیه مورد نیاز رسید، کیفیت خروجی‌ها به شکل قابل‌توجهی افزایش یافت. امروز تعداد پروژه‌هایی که می‌توانیم انجام دهیم بسیار بیشتر شده و زیرساخت‌ها مطلوبیت بالاتری پیدا کرده است. اکنون می‌توانیم با اطمینان بگوییم ظرفیت فنی مناسبی برای آغاز پروژه‌های بزرگ‌تر فراهم شده است.»

وقتی از ساداتیان درباره سازوکاری که اداره آن‌ها از طریق آن، استارتاپ‌های کوچک‌تر و مستعد بازار را شناسایی می‌کنند پرسیده می‌شود، این‌طور توضیح می‌دهد: «یکی از دلایل شکل‌گیری داتا همین بود که به ما بگوید در دل بازار چه می‌گذرد. چون بانک تجارت به دلیل مشغله‌های عملیاتی فرصت رصد روزانه اکوسیستم استارتاپی را ندارد، این مسئولیت را به داتا سپرده‌ایم. ما با تأسیس داتا عملاً مسیر همکاری را تسهیل کرده‌ایم. ارتباط مستقیم استارتاپ‌ها با بانک معمولاً دشوار است، زیرا بانک پروژه‌های بزرگ و پشتیبانی گسترده می‌خواهد.

داتا این پروژه‌ها را به بخش‌های کوچک‌تر تقسیم می‌کند و امکان مشارکت تدریجی تیم‌ها را فراهم می‌کند. استارتاپ‌هایی که به بلوغ بیشتری برسند، به‌تدریج به بانک معرفی می‌شوند تا همکاری‌های عملیاتی‌تر شکل بگیرد. اکنون این تیم منسجم‌تر فعالیت می‌کند و از طریق رویدادها، ارتباطات رسانه‌ای و درخواست‌های مستقیم تیم‌ها، آن‌ها را شناسایی، بررسی و نتایج را به بانک منتقل می‌کند. همکاری لزوماً به معنی سرمایه‌گذاری یا سهام‌داری نیست؛ گاهی خرید خدمات است و گاهی مشارکت در پروژه‌ها.»


می‌خواهیم شریک و حامی استارتاپ‌ها باشیم، نه مالک آنها


رئیس اداره هوش تجاری و تحلیل کسب‌وکار بانک تجارت نقش تیم‌های شتاب‌دهنده را نیز مهم ارزیابی می‌کند و معتقد است تیم‌های شتاب‌دهنده کشور باید حوزه داده را به‌عنوان یکی از عرصه‌های مهم مورد توجه قرار دهند. حوزه‌هایی مانند پرداخت یا ابزارهای ساده بانکی شاید دسترس‌پذیرتر باشند، اما ارزش‌آفرینی‌های بزرگ آینده به کمک داده ایجاد خواهد شد: «اگر تیم‌هایی در حوزه داده، محصول یا ایده جدیدی دارند، ما کاملاً از آن استقبال و دعوت می‌کنیم که به کارگروه‌های ما مراجعه کنند تا بررسی شوند. ما تا جایی که امکان داشته باشد از آن‌ها حمایت می‌کنیم.»

او رویکردی را که منجر به تصاحب و هضم استارتاپ‌های کوچک‌تر توسط یک سرمایه‌گذار کلان شود نقد می‌کند و درباره استراتژی بانک تجارت در این خصوص می‌گوید:

«رویکرد بانک تجارت این نیست که استارتاپ‌ها را تصاحب کند. اگر تیمی به استقلال تمایل دارد، ما نه‌تنها مشکلی نداریم بلکه آن را مزیت می‌دانیم. تصاحب کامل می‌تواند مانع رشد، نوآوری و چابکی تیم شود. ترجیح ما این است که استارتاپ‌ها در فضای مستقل خود رشد کنند و ما فقط شریک کاری و حامی آن‌ها باشیم؛ نه مالک آن‌ها. بانک تجارت در صورت نیاز استارتاپ‌ها و پس از طی مراحل بررسی، امکان سرمایه‌گذاری در آن‌ها را دارد؛ اما همان‌طور که اشاره کردم، رویکرد ما تملک نیست. در این میان، بیشترین تمرکز ما روی دو حوزه کسب‌وکار و نظارت است؛ زیرا این دو بخش بزرگ‌ترین مصرف‌کنندگان داده هستند. در حوزه کسب‌وکار، داده می‌تواند در شخصی‌سازی محصولات، شناخت مشتری، سیستم‌های پیشنهاددهنده و طراحی خدمات جدید تحول ایجاد کند. در حوزه نظارت نیز داده ابزار اصلی کشف تخلفات، مقابله با پول‌شویی، شناسایی رفتارهای غیرعادی و تحلیل تراکنش‌هاست.»


دسترسی به داده؛ کی، کجا و چگونه؟


با وجود تمام چالش‌ها، به ‌نظر می‌رسد اقتصاد دیجیتال کشور ناگزیر است اهمیت داده‌محوری را بپذیرد و در تمامی ابعاد به آن پایبند باشد. ساداتیان بر این باور است که داده‌محوری نقطه آغاز تحول دیجیتال است و بدون داده دقیق، گردآوری‌شده و ساختارمند، امکان تحقق تحول دیجیتال واقعی وجود ندارد. او می‌گوید: «بسیاری از گلوگاه‌های کسب‌وکار بانک‌ها زمانی شناسایی می‌شود که داده‌ها به‌طور کامل جمع‌آوری و تحلیل شوند. اگر این مرحله به‌درستی انجام نشود، تلاش برای دیجیتالی‌سازی به خطا می‌رود. بنابراین مهم‌ترین اقدام امروز ما این است که داده‌های موجود را به‌درستی گردآوری کنیم، کیفیت آن‌ها را افزایش دهیم و از آن‌ها برای تحول آینده بانک تجارت استفاده کنیم.»

با‌این‌حال تحلیل داده و امنیت دو مفهوم متمایز اما در هم‌ تنیده‌اند؛ مفاهیمی که گاهی مانند دو لبه یک تیغ عمل می‌کنند. همان‌قدر که دسترسی به داده برای توسعه تحول دیجیتال ضروری است، افزایش میزان و سطوح دسترسی می‌تواند چالش‌های امنیتی جدی ایجاد کند. او دراین‌باره می‌گوید:

«نخستین گام امنیت داده، تعیین شفاف این است که چه کسی، چه زمانی و برای چه هدفی به چه داده‌ای دسترسی دارد. ما آزمایشگاه‌های تحلیلی داده را برای همین منظور ایجاد کرده‌ایم تا بتوانیم داده‌های حساس را به‌صورت ماسک‌شده در اختیار تحلیلگران قرار دهیم؛ به‌گونه‌ای که تحلیل انجام شود اما اطلاعات هویتی افشا نشود. همچنین شرکت داتا در حال توسعه مجموعه‌ای از سرویس‌های داده است که امکان دسترسی کنترل‌شده و امن را برای تیم‌های بیرونی فراهم می‌کند. با وجود همه این ابزارها، امنیت هیچ‌گاه موضوعی نیست که بتوان آن را کنار گذاشت. هرچه نوآوری و دسترسی افزایش یابد، حساسیت امنیت نیز بالاتر می‌رود؛ بنابراین این چالشی است که همواره وجود خواهد داشت.»


آینده بانکداری؛ شراکت‌های داده‌محور با بازیگران بزرگ


وقتی صحبت از آینده می‌شود، ساداتیان تصویر روشنی ارائه می‌دهد: «به ‌نظر من آینده بانکداری داده‌محور در ایران به‌تدریج به سمت مدلی حرکت می‌کند که در آن بانک‌ها فقط ارائه‌کننده مستقیم خدمات نیستند، بلکه به پلتفرم‌هایی تبدیل می‌شوند که مجموعه‌ای از سرویس‌ها را برای انواع کسب‌وکارها فراهم می‌کنند. به‌مرور نقش بانک‌ها در لایه دوم پررنگ‌تر می‌شود؛ یعنی به‌جای تعامل مستقیم با مشتریان نهایی، زیرساخت و سرویس ارائه می‌کنند و بازیگران بزرگ B2C مانند اسنپ، دیجی‌کالا و سایر پلتفرم‌های دارای پایگاه کاربری گسترده، نقش اصلی را برعهده می‌گیرند. این روند هم‌اکنون نیز آغاز شده است. پیش‌تر اعطای تسهیلات فقط در شبکه بانکی انجام می‌شد، اما امروز بخشی از این فرایند در پلتفرم‌های لندتکی جریان دارد.»

ساداتیان درباره شراکت داده‌محور بانک تجارت با کسب‌وکارهای بزرگ و فرصت‌های ناشی از آن صحبت می‌کند و می‌گوید آینده بانکداری، به‌ویژه برای بانکی مانند تجارت که حجم بزرگی از داده را در اختیار دارد، در شکل‌گیری شراکت‌های استراتژیک با شرکت‌های بزرگی نهفته است که خود نیز داده‌های گسترده‌ای دارند: «از طریق هم‌افزایی داده‌ها می‌توان ارزش‌های جدید خلق کرد. از تحلیل رفتار مشتری گرفته تا شخصی‌سازی خدمات و کاهش ریسک، همه این موارد بر پایه تحلیل داده‌های اشتراکی میان بانک و کسب‌وکارهای بزرگ امکان‌پذیر است. وقتی داده‌های دو طرف کنار هم قرار می‌گیرد و سیستم‌ها به‌درستی یکپارچه می‌شوند، ظرفیت خلق ارزش برای مشتریان چند برابر می‌شود و طبیعتاً منافع مشترکی برای بانک، شرکا و ذی‌نفعان ایجاد خواهد شد.»

در پایان، رئیس اداره هوش تجاری و تحلیل کسب‌وکار بانک تجارت خطاب به اکوسیستم استارتاپی می‌گوید: «بانک به‌تنهایی نمی‌تواند نوآوری کند. ما مسائل واقعی بسیاری داریم و شما سرعت بالایی در حل این مسائل دارید. درهای همکاری در بانک تجارت کاملاً باز است و از هر تیمی که بتواند مسئله‌ای واقعی را حل کند، استقبال می‌کنیم. هدف ما ساختن آینده‌ای است که در آن بانک، استارتاپ‌ها و مشتریان، همگی برنده باشند.»

نمایش لینک کوتاه
کپی لینک کوتاه: https://asretarakonesh.ir/l6il کپی شد

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *