بانکداری باز

مهندسی صنایع-بانکداری باز

یکی از شاخه‌های مهندسی صنایع ، حوزه‌ی مالی و بانکداری است. بانکداری در حال تجربه تغییرات چشم‎گیری است و تمام مدل‌های کسب‌وکاری حاضر تحت بررسی‌های دقیق قرار دارند. از بین روندهای جهانی، “دیجیتالی شدن” مهم‌ترین آن‌هاست و تازه‌واردها ممکن است محیط رقابتی را به شکل بنیادی تغییر دهند. با سازگار شدن هر چه بیشتر مشتریان با تغییرات دیجیتال و با انواع بیشتر رقیبان و راه حل‌ها در این فضا، “دیجیتال” به شکل رسمی در بخش بانکداری روی تمام عملکردهای اصلی بانکداری اثرگذار است. اما در چند سال آینده تغییر بزرگ احتمالا از طرف ظهور API )APIَ چیست) باز خواهد بود که همه بانک‌ها تا حدی مجبور خواهند شد تا سیستم‌های بسته‌شان را باز کنند و فرصت‌هایی برای بازیگران جدید فراهم کنند.

روندهای کلیدی تاثیرگذار بر بانکداری

نفوذ اینترنت

 امروزه نیمی از جمعیت دنیا از خدمات الکترونیکی استفاده می‌کنند و این امر بانک‌ها را ملزم به ارائه گزینه‌های پرداخت آسان و خدمات بانکداری الکترونیکی بسیار مناسب نموده است. با ظهور تجارت الکترونیکی، تقاضا برای توسعه گزینه‌های پرداخت آسان وجود دارد. این امر فرصت‌هایی را برای ارائه دهندگان خدمات مالی از طریق ارائه راهکارهای نوآورانه و یکپارچه برای حصول سهم بازار در پرداخت‌ها فراهم می‌کند.

رقبای جدید

اختلال‌گرهای دیجیتالی از تکنولوژی دیجیتال برای ورود به بازار خدمات بانکی استفاده می‌کنند و تجربه مشتری یکپارچه‌تری را ارائه می‌کنند.
نمونه‌هایی از اینکه چگونه رقبای جدید راه خود را به بانکداری باز می‌کنند: نوآوری کیف پول دیجیتال

  • گوگل در آستانه راه اندازی سیستم پرداخت API برای استفاده در دستگاه‌های اندروید است که امکان پرداخت اندرویدی را هموار می‌کند.
  •  لبخند برای پرداخت در تجارت الکترونیک: سیستم تجارت الکترونیک غول پیکر چینی Alibaba است که در حال توسعه فناوری تشخیص چهره است که مشتریان تلفن همراه را قادر می‌سازد رمزهای عبور خود را با استفاده از سلفی‌های خود تغییر دهند.
  •  بنگاه‌های تکنولوژیکی مدل بانکداری جهانی را تقلید نمی‌کنند؛ بلکه نوآوری‌های مرتبط با آن‌ها انجام می‌دهند و مدل ‌کسب‌وکار سنتی یکپارچه بانکی را تضعیف می‌کنند.

الزامات استراتژیک جدید

در مقابل این پیش‌زمینه تغییر مقررات و تغییر تکنولوژی، بانک‌ها باید قابلیت دوام مدل ‌کسب‌وکار فعلی خود را ارزیابی کنند. در واقع، ما معتقدیم که تمام بانک‌ها مجبور خواهند شد یک ویژگی از چهار مدل ‌کسب‌وکار زیر را بپذیرند.

مطالب مرتبط:
هوش تجاری در صنعت مالی

هیچ کاری انجام ندهید

 اولین گزینه، “هیچ کاری انجام ندهید” است. در حالی که این ممکن است وسوسه انگیز باشد، مشابه با بسیاری از صنایع در حال تغییر، این گزینه خطرناک‌ترین است. اکثر بانک‌ها امروزه مدل کامل خدمات را اجرا می‌کنند. به عبارت دیگر، مشتریان خرده فروشی یا شرکت‌های بزرگ را با یک حساب جاری و طیف وسیعی از محصولات و خدمات با نامگذاری خاص خودشان از قبیل وام‌های بانکی و کارت‌های اعتباری ارائه می‌دهند.

مشکل این مدل این است که تعداد زیاد و رو به توسعه‌ای از ارائه دهندگان در هر نقطه از زنجیره ارزش به ارائه محصولات منحصر به فرد با قیمت پایین‌تر با اصطکاک کمتر و خدمات بهتر به مشتریان می‌پردازند تلاش برای رقابت با این ارائه دهندگان غیر ممکن است نه تنها به دلیل نرم افزار قدیمی، بلکه به این دلیل که یک شبکه سراسری از محصولات سودآور آن دسته از محصولات زیان‌ده را سرپا نگه خواهند داشت. بانک‌ها به جای اینکه منتظر فروریختن این ساختمان ناپایدار باشند باید ارائه محصولات خود را منطقی ساخته و بر حوزه‌هایی که مزیتی رقابتی دارند را مدیریت می‌کنند و یا مناطق بسیار استراتژیک تمرکز کنند.

تبدیل به یک ارائه دهنده زیرساخت

یکی دیگر از گزینه‌‌ها، تبدیل شدن به یک ارائه دهنده خدمات به دیگر بانک‌ها یا شرکت‌های فناوری مالی است همانند بانک‌هایی  مانند Solaris  وBancorp که تصمیم به انجام آن گرفته اند. گزاره ارزش این مدل این است که نیاز دیگران برای شرکت در فعالیت‌های شدیدا تنظیم شده و پذیرش هزینه‌های مسئولیت مربوطه، یا – برای یک تازه وارد – حتی نیاز به مجوز بانکی  هزینه ، را مرتفع می‌سازد. مقررات، هزینه‌های انجام کارهای تحت نظارت و انطباق را به طور کلی افزایش می‌دهد.

چنین مدل می‌تواند سودآور باشد، اگر ارائه دهنده قادر به دستیابی به مقادیر قابل توجهی از اقتصاد، گسترش هزینه‌های ثابت انطباق در حجم بسیار بیشتری از ‌کسب‌وکار باشد و چنین ‌کسب‌وکارهایی در ابر اجرا خواهند شد تا بتوانند از مزیت مقیاس اقتصادی زیرساخت‌های مشترک استفاده کنند. با این حال، از آنجا که خدمات ارائه شده کالاها هستند و هیچ قابلیتی برای اثرات شبکه وجود ندارد (که در آن کاربران بیشتر، خدمات را بهتر می‌کنند) این یک تجارت با سود حاشیه ای زیاد نخواهد بود. به علاوه، از آنجایی که مقررات، فعالیت‌های مرزی را گرانتر می‌کند، این تامین کنندگان زیرساخت‌ها احتمالا رقبای داخلی هستند. تعداد تامین کنندگانی که می‌تواند این حالت را انجام دهند به پایینترین سطح بازدهی مقیاس و یا وجود محدودیت‌هایی در مزیت مقیاس بستگی دارد.۷

جمع کننده

یک مدل سودآور، راه اندازی یکی از انواع گردآوری خدمات مالی است.در این مدل، یک بانک خود را به یک توزیع کننده محصولات و خدمات مالی تبدیل می‌کند. به‌این معنی که یک بانک محصولات و خدمات مالی را تولید نخواهد کرد بلکه، به جای آن از اکوسیستم شرکای خود استفاده می‌کند. به این ترتیب، بانک‌ها مجبور نیستند هزینۀ تولید محصولات یا انطباق را متحمل شوند. همچنین می‌توانند برای مشتریان دسترسی به طیف گسترده‌تری از محصولات را فراهم کنند نسبت به حالتی که خود بانک به تنهایی تلاش کند همه چیز را خودش تولید کند.

برای ایجاد این موفقیت، بانک نیازمند به تبدیل شدن به یک مشاور مجازی، با استفاده از داده‌های مشتریان بوده تا به آن‌ها در تصمیم‌گیری‌های مالی کمک کند. بانک از طریق این خدمات، از طریق دریافت هزینه ای جزیی بر روی تمام محصولات و خدمات مورد استفاده مشتری، از این خدمات بهره مند می‌شود.

پلتفرم باز و محدود

حرکت استراتژیک بهتر، دنبال کردن مدلی است که بانک‌ها را قادر ساخته تا از اثرات شبکه بهره برده و در عین حال بر روی مزایای رقابتی موجود خود سرمایه‌گذاری کنند.

مزایای رقابتی بانک‌ها هنوز هم زیاد است: اعتماد، پایگاه‌های بزرگ مشتریان، تعداد زیادی داده، قابلیت اجرای قوی در طول زنجیره ارزش، دسترسی به سپرده ارزان و مقدار زیادی سرمایه.حرکت به یک مدل صرفا جمع کننده به این معنی است که بسیاری از این مزایا را باید پشت‌سر گذاشت. بنابراین، مدل بهتر، یک پلتفرم عمودی یکپارچه اما باز خواهد بود. این مدل می‌تواند به صورت عمودی یکپارچه شود تا از قابلیت‌های اجرایی بانک‌ها و همچنین توانایی خود برای ارائه سطح بالایی از رضایت مشتری استفاده ببرد.

این پلتفرم می‌تواند بصورت عمودی یکپارچه بوده اما محدود باشد از انجاییکه بانک‌ها  محصولات محدودی ارائه می‌دهندکه از لحاظ استراتژیک مهم هستند مانند حساب‌های جاری (برای داده‌ها، سپرده‌های ارزان) و پرداخت‌ها (داده‌ها) یا جایی که بانک‌ها دارای مزیت رقابتی هستند (مثل وام‌های مطمئن) .این پلتفرم باز خواهد بود تا بانک‌ها بتوانند از طریق تامین کنندگان شخص ثالث، محصولات و خدمات را ارائه دهند، مشابه مدل جمع کننده، اما به عنوان یک بانک تحت نظارت و به صورت عمودی یکپارچه، این خدمات و محصولات می‌تواند سریعتر و با اصطکاک کمتر تحویل گردد.

نتیجه‌گیری

دیجیتالی شدن بانکداری، با توجه به سرمایه گذاری‌های قابل توجهی که صورت می‌گیرد، با سرعت تمام در حال اجراست. این مسئله تنها مربوط‌به انتقال تراکنش‌های از کانال فیزیکی ‌ به دیجیتالی نیست. دیجیتالی شدنِ فرآیندهای انتها به انتها نیز برای دستیابی‌ به بهره‌وری بالاتر و تا حدی برای ارائه تجربه بهتر شدن سریع به مشتریان، حیاتی است. در مسیر دیجیتالی‌شدن سریع یک بانک بزرگ و جاافتاده دشواری‌هایی وجود دارد از این رو به بانک‌های دیجیتالی مستقل، که با روش فعالیت کاملا متفاوتی شروع به کار می‌کنند توجه بیشتری مبذول می‌شود این بانک‌های دیجیتالی، همچنین فرصت استفاده از نوآوری‌های جدید را فراهم می‌کنند.

فناوری مالی- نشریه سامانه نو- مهندسی صنایع

گردآورنده: محمد یدی
برگرفته از نشریه مهندسی صنایع سامانه‌نو شماره فناوری مالی

هوش تجاری در صنعت مالی

اطلاعات و دانش در هزاره سوم به ثروت اصلي سازمان‌ها تبديل شده و بنگاه‌های تجاري و واحدهای توليدی برای كسب مزيت رقابتی به دنبال استفاده هر چه بيشتر از اين ثروت در تصميمات خطير خود در محيط پويا امروز مي باشند. با به‌كارگيری فناوری اطلاعات و ارتباطات در تمامی اركان كسب‌ كار نيز، سيستم‌ها و نرم‌افزارهای سازمانی، بستر فعالیت‌های کسب‌وکار را شکل داده و تبديل به مخزن نوينی برای داده‌های سازمانی شده اند. لذا با توجه به اهميت تصميم‌گيری در سازمان و نياز تصميم‌گيری به پشتيبانی شدن از طريق هوش تجار، اهميت يکپارچگی پشتيبانی تصميم‌گيری با سيستم‌های سازمانی( بستر فرايندی و داده‌ای سازمان) بيش از پيش مشخص مي گردد.

هوش تجاری به نوعی مدیریت کسب‌وکار اطلاق می‌شود که به منظور تشریح برنامه‌های کاربردی و فناوری در زمینه گردآوری، ارائه، دسترسی، تحلیل داده‌ها و اطلاعات در راستای یاری رساندن به موسسات، به منظور اتخاذ بهینه تصمیمات تجاری، کار برد دارد. هوش تجاری به سازمان‌ها این کمک را می‌کند که وظایف تحلیل، تهیه استراتژی و پیش‌بینی آن‌ها را مکانیزه و اتوماتیک نماید تا تصمیمات بهتر اتخاذ شود.

هوش تجاری

پیش از هوش تجاری، سازمان‌ها زمان زیادی را صرف استخراج اطلاعات از سیستم‌های مختلف، تجمیع آن‌ها و تهیه گزارش می‌کردند. همراه با رشد سازمان و افزایش دیتاهای ذخیره شده، عملیات استخراج و تهیه گزارش از آن نیز طولانی‌تر، پرهزینه‌تر و ناکارآمدتر می‌شد. راه‌حل‌های هوش تجاری امکان جمع آوری اطلاعات را از سیستم‌های مختلف و حتی گسسسته از نظر پراکندگی جغرافیایی و سازماندهی آن‌ها در یک مجموعه انباره داده ، فراهم می‌کند. با وجود چنین سیستمی، دسترسی به مجموعه داده‌های سازمان، در کسری از ثانیه امکان پذیر است. چنین زیر ساختی خطاهای ناشی از پراکندگی و تکرار داده و به طور کلی‌تر نواقص داده را مدیریت کرده، گزارشات دقیق و به روز را در اختیار مدیران قرار می‌دهد. به کمک هوش تجاری مدیران به جای آن که تا آخر ماه صبر کنند و گزارشات ماه گذشته را ببیند، در هر لحظه به گزارشات به روز سازمان دسترسی دارند، در نتیجه می‌توانند بسیار سریع تر به اتفاقات پیش بینی نشده پاسخ دهند. به کمک قابلیت ریز شدن در داده و گزارشات سفارشی، مدیران بینش بهتر و عمیق تری نسبت به وضعیت سازمان خود کسب می‌کنند و آن چه که در سازمانشان اتفاق می‌افتد را به صورت شفاف می‌بینند. مدیران با تجهیز شدن به چنین امکانی می‌توانند گلوگاه سازمان را به سادگی ببینند و تقلب‌های احتمالی را شناسایی کنند. هوش تجاری دسته وسیعی از برنامه‌ها و تکنولوژی‌ها را در بر می‌گیردکه برای جمع آوری،ذخیره سازی، تجزیه و تحلیل و فراهم کردن دسترسی آسان به داده‌ها به وجود آمده است تا کاربران بنگاه را در اتخاذ تصمیمات درست تجاری کمک نماید همچنین هوش تجاری شامل مفاهیم و روش‌هایی می‌شود که تصمیم‌گیری‌های تجاری را با استفاده از سیستم‌های کاربردی مبتنی بر حقایق، بهبود می‌بخشد.

هوش تجاری در صنعت مالی

          در بانکداری، تمام موضوعات خدمات مالی به عنوان یک صنعت، درباره پول است. در این کسب‌وکارها، استفاده از هوش تجاری به جای عملیات تجاری، بر امور مالی متمرکز شده است. عموماً استفاده از هوش تجاری در خدمات مالی، ارزش ایجاد کرده است. بررسی اخیر شرکت گارتنر، پاسخ‌هایی را از بانک‌ها، بیمه گران و واحدهای تجاری غیر مالی ارزیابی کرده است. بررسی نشان‌ داده است که بیش از %۹۵ پرسش شوندگان سیستم بانکی، موافقندکه هوش تجاری، یک پیش برنده استراتژیک ابتکاری، با مدیریت برتر است و بیش از ۹۰% موافقندکه آن‌ها، ارزش مورد انتظارشان را از سرمایه‌گذاری در هوش تجاری دریافت کرده اند.همچنین می‌تواند نقش مؤثری در پیگیری سوء‌استفاده از دارایی‌های مالی که شامل کشف و ردیابی کلاهبرداری و تقلب است ایفا کند. در ادامه به این که هوش تجاری چگونه صنایع مالی و بانکی را به سودآوری، کاهش ریسک و مزیت‌های رقابتی می‌رساند اشاره می‌شود.

بهبود بهره‌وری عملیاتی

در بازار شدید رقابتی این صنایع، کارآمدی مؤسسات تا جایی که امکان پذیر است لازم می‌باشد. هوش تجاری فرایندهای عملیاتی را برای کمک به کاهش هزینه‌ها و حداکثر ساختن منابع موجود، تجزیه و تحلیل می‌کند. برای مثال تحلیل عملکرد کارمندانی که برخورد مستقیم با ارباب رجوع دارند مانند حسابداران بانک‌های صنایع مالی می‌توانند راهکارهایی را برای افزایش و بهبود هر مشتری تشخیص دهند.

بهبود بازاریابی

با هوش تجاری، پروفایل کاربری که بیش ترین سود را برای مؤسسه به بار آورده است را می‌توان با استفاده از انبار داده‌های مدیریت ارتباط با مشتری، کشف کرد. همچنین خود پایگاه مشتری می‌تواند مورد تحلیل قرار گیرد تا فرصت‌های پیش‌فروش و فروش ساخته و شناسایی شود و کمپین‌های هدفمند بازاریابی آنلاین، بهبود یابند.

بهبود خدمات و محصولات

نرم افزارهای هوش تجاری به مؤسسات مالی اجازه می‌دهند که مسیر درآمد فردی هر نفر را دنبال کنند تا تعیین نمایند که کدام محصول و خدمات برای مشتری سودآور است و کدام نیست. علاوه بر این، تحلیل مقدار عظیمی ‌از داده‌های مشتریان، برای به دست آوردن اطلاعات درباره نیاز و نگرش مشتریان در رابطه با بانک‌ها، برای بهبود این خدمات استفاده می‌شود.

حفظ مشتریان

ابزارهای تحلیلی هوش تجاری می‌تواند بانک‌ها و مؤسسات مالی را برای کشف علت این که چرا مشتریان به رقیبان می‌پیوندند، کمک نماید. این علت‌های به دست آمده، برای مؤسسات، اطلاعاتی را فراهم می‌کند که جهت پیاده‌سازی و بهبود روش‌های جلوگیری از ،از دست دادن مشتریان لازم است. پیگیری ترجیحات مشتری، عادات و رفتار او نیز می‌تواند این امکان را به مؤسسات بدهد که محصولات و خدمات را در راه‌های مختلفی برای بر طرف کردن نیازها، حل مشکلات و ارتقاء وفاداری و رضایت مشتریان، شخصی سازی کنند.

در آینده بانک‌ها و مؤسسات مالی که از هوش تجاری برای مدیریت و کاهش ریسک، بهبود بهره وری عملیاتی، ارائه خدمات و محصولاتی که مردم واقعاً می‌خواهند و نیاز دارند استفاده می‌کنند، به رشد و سودآوری و یک مزیت رقابتی دست خواهند یافت. هوش تجاری یقیناً به یک الزام برای موفقیت بانک‌ها و مؤسسات مالی تبدیل خواهد شد.