نئوبانکها؛ رقبای سرسخت بانکها در دادهمحوری
روزانه حجم گستردۀ داده توسط کسبوکارها برداشت میشود اما فقط برخی شرکتها بر کسبوکارهای دادهمحور و تامین نظرات مشتری تمرکز کردهاند. امروز بخش بانکی یکی از دادهپردازترین بخشهای اقتصاد جهانی است. بسیاری از بانکها در فناوریهای جمعآوری و پردازش داده سرمایهگذاری کردهاند اما تعداد کمی از آنها از تکنیکهای کلانداده برای بینش بهتر استفاده میکنند؛ کاری که تجارب مشتری پویا را فراهم میکند و وفاداری، حفظ مشتری و درآمد بیشتری در پی دارد. رقبای سرسخت بانکها در دادهمحوری در درجه اول نئوبانکها هستند و در درجه بعدی سایر صنایعی که عادتهای امروزی مشتریان و تجارب آنها را میسازند.
مشتریان بانکی انتظارات بالایی دارند و به تجارب مشتریمدارانۀ چندکانالۀ با کیفیت، یکپارچه و شبانهروزی نیاز دارند. بانکهای برای اینکه بتوانند این نیازها را برطرف کنند، باید به بینش مشتری توجه کنند. این بینش تنها از طریق استفاده از استخراج داده و تجزیهوتحلیلهای سازوارپذیر و پیشگویانه (به پشتوانه هوش مصنوعی) امکانپذیر است و به بینشهای معقول میانجامد.
دلیل اقبال عمومی به بینش مشتری بهتر چیست؟
پس از همهگیری کووید در سال 2020 مشتریان علاقۀ بیشتری به استفاده از کانالهای دیجیتال برای ارتباط با بانکشان پیدا کردند. گرچه در این شکل ارتباط شخصی کاهش پیدا میکند اما بانکها فرصت پیدا کردند که نسبتبه زمان مراجعه به شعبه، دادۀ بیشتری از مشتریانشان به دست بیاورند.
یکی از اولویتهای بانکی ایجاد چهارچوب کسبوکار دادهمحوری است که بتواند از دادهها، بینش استخراج کند. این کار برای فهم رفتار مشتری مفید است و به بانکها امکان ارتقاء نحوۀ بخشبندی، هدفگیری، جذب و حفظ مشتریان را میدهد. همچنین امکانات دیگری مثل پیشبینی نیاز مشتری و ایجاد خدمات تازه هم از نتایج این کار است.
کسبوکار دادهمحور نیاز به تعهد مدیریت دارد
بانکها برای استفاده از کلانداده، تجزیهوتحلیل و فناوری هوش مصنوعی نیاز به تعهدی جدی از سمت مدیرانشان دارند تا فرایندها را خودکار کنند و امکان تبدیل شدن به کسبوکاری دادهمحور و چابک را به وجود آورند.
داده ارزشی فوقالعاده دارد و استفاده از آن نباید محدود به اهداف نظارتی شود. از خلال تغییرات دادهمحور، بانکها میتوانند در هزینهها صرفهجویی کنند، خودشان را از رقبا متمایز کنند و سریعتر به نوسانات بازار پاسخ دهند و خدمات و محصولات تازه توسعه دهند.
بانکهای چالشگر فناوری مالی (فینتک) در استفاده از چهارچوب کسبوکاری دادهمحور برای اهرم کردن ارزش و ایجاد خدمات مشتریمدارانه از میانگین جلوتر هستند و چندان دور از ذهن نیست که رقبای سرسخت بانکها در دادهمحوری گوی سبقت را از آنها بربایند.
بانکهای خرد اگر میخواهند تجربۀ بهتری در تمام مراحل سفر مشتری رقم بزنند، باید تجربۀ مشتری یکپارچهتری فراهم آورند و این کار را با ادغام دادههای سیستمهای مجزا و استفاده از اتوماسیون، تجزیهوتحلیل و ابزارهای یادگیری ماشین انجام میدهند. اهداف این کار شامل موارد زیرند:
- رسیدن به سطح تجربۀ مشتری در دیگر صنایع
- رسیدن به راهکارهای مالی در لحظه و به درخواستی مشتری
- پیشی گرفتن از رقبا
پیشگامان اکنون به پاداش رسیدهاند
بانکهای هوشمندی که در کسبوکار دادهمحور سرمایهگذاری میکنند دستاوردهای زیر را دارند:
- محصولات و خدمات تازه
- تعیین اینکه مشتریان بیشتر از کدام کانالها استفاده میکنند
- اصلاح قیمت
- تعیین شیوههای صحیح بازاریابی
- تعیین اینکه چقدر ممکن است مشتریان فراهمکنندهشان را تغییر دهند یا اینکه چند فراهمکننده داشته باشند
نگاه به مثالی از یکی از بانکهای تجاری نشان میدهد که راهکار سیستم هوش مشتری ابداعی یکی از بانکهای تجاری، پرتفوی مشتری، سلامت حساب، پیشنهاد سرمایهگذاری و کانال ارتباطی فرصت فروش را پوشش میدهد. اخیراً آنها سیستم تصمیمگیری هوشمند ارزشگذاری هم توسعه دادهاند که به تیم فروش برای کنترل تنزیل و مدیریت حاشیه کمک میکند.
واحد اعتبار مصرفکنندۀ بانک یکی دیگر از پیشگامان است که با استفاده از الگوریتم یادگیری ژرف، فرایند اعتباری را برای پرسنل فروش در شعب خودکار کند. اکنون اکثر نرمافزارهای اعتباریشان با این رویکرد اداره میشود و کاراییها اساسی بانکی و سرعت را وارد فرایند اعتبار مصرفکننده میکند.
همچنین، آنها شماری از فرایندهای دفاعی در محدودۀ ریسک و انطباق را خودکار کردهاند و برای جلوگیری از کلاهبرداری مجموعهای از الگوریتمهای جلوگیری از کلاهبرداری در کلاستر هادوپ تحت وب و مجموعهای از الگوریتمهای یادگیری ژرف برای شناسایی الگوهای کلاهبرداری را طراحی کردهاند.
چطور بانک را به یک کسبوکار دادهمحور تبدیل کنید؟
قدم اول برای داشتن کسبوکاری دادهمحور تعهد به غنی کردن سامانههای کلیدیای است که پروژههای هوش مصنوعی و تجزیهوتحلیلهای موفق را ممکن میکنند. باید اطمینان حاصل شود که فرهنگ سازمانی مشخص است و تمام نقاط تمرکز موارد کاربری شفافی دارند که به نتایج ملموس میانجامد و اقتباس ابری هم باید به درستی انجام شود.
- فضای فناوری تازه و مجزایی برای تجزیهوتحلیل و پروژههای هوش مصنوعی بسازید؛
- بر سودآوری موارد کاربری تمرکز کنید؛
- با شرایط استارتآپها وارد بازار شوید؛
- بر بازگشت سریع سرمایه و الگوهای کسبوکاری جدید دیجیتال تمرکز کنید؛
- استراتژی جدیدی داشته باشید که دیجیتال، ساده و کارآمد است و در آن استخر دادهمحور مرکزی است؛
- تمرکزتان فناوریمحور باشد و فرهنگ مدرنی مثل سیلیکونولی ایجاد کنید تا ساختارهای بانکی قدیمی تغییر کنند.
تغییر دادهمحور صرفاً استفاده از فناوری هوش مصنوعی نیست. تغییر دادهمحور یعنی استفاده از بینش برای رسیدن به تصمیمات دادهمحور، ساخت ارزش کاری و گرایش به توسعههای کاری تازه:
- بهینه کردن سفر مشتری، از جستوجو تا پیشپردازش
- هدایت محرکهای تغییر در بازار و رفتار مشتری
- تعیین قیمت لحظهای و وابسته به روندهای بازار
- کاهش مدتزمان خدمات پاسخ به مشتریان و ارتقاء محصولات و خدمات
کسبوکار دادهمحور با استفاده از ابزارهای درست – کلانداده، تجزیهوتحلیل و هوش مصنوعی- میتواند پیشبینی کند، الگوهای مختلف را شبیهسازی کند و با مشتریان ارتباط خودکار داشته باشد. کسبوکار دادهمحور باید کارمندانش، فرایندها و الگوهای کسبوکار را بشناسد و همچنین بیشتر در فناوری سرمایهگذاری کند. بنابراین بهتر است با فرایند تغییر شروع کنید، به فرصتهای دیجیتال فکر کنید و بدانید دادههایتان چه امکاناتی دارند.
بینشی که به دست میآورید به شما قدرت ساخت تجارب رودررو درون بانک و تجارب دیجیتال و آنلاین میدهد تا نیازهای مشتریانی که دنبال اطمینان مالی در زندگیشان هستند برطرف کنید. با اضافه کردن قدرت فناوریهای جدید مثل هوش مصنوعی، ما به شما کمک میکنیم به دستآوردهای درونی برسید و کارمندانتان تجارب مشتری بهتری رقم بزنند که خود کلید تعامل شخصیسازیشده با مشتری است. به یاد داشته باشید که این مسیر برای بانکها ناگزیر است و نئوبانکها، رقبای سرسخت بانکها در دادهمحوری قدمهای محکمی در این راه برداشتهاند.
منبع: fujitsu.com
ترجمه و ویرایش اختصاصی برای وبلاگ تکنوتجارت
نظرات کاربران