حرکت به سمت بانکداری هوشمند

به گزارش پایگاه خبری بانکداری الکترونیکبه نقل از دنیای اقتصاد:همایش فوق یکی از مهم‌ترین گردهمایی‌های مدیران عالی و ارشد فناوری اطلاعات در سطح جهان است که یکی از اهداف مهم آن، ارائه یک دید استراتژیک نسبت به روند تحولات فناوری اطلاعات و تاثیرگذاری آنها روی فضای کسب و کار و حوزه فناوری اطلاعات است. محتویات این لیست براساس یک رویکرد کاملا استراتژیک ایجاد می‌شود و شامل فناوری‌هایی است که دارای بالاترین ظرفیت تاثیرگذاری بر عملکرد یک سازمان می‌باشند. محدوده و نوع اثرگذاری این فناوری‌ها بسیار گسترده و متنوع است و می‌توان آنها را در سه گروه مختلف مش‌دیجیتال، ماشین‌های هوشمند و واقعیت جدید فناوری اطلاعات طبقه‌بندی کرد. در این مقاله به دو فناوری مهم از گروه مش دیجیتال پرداخته می‌شود و جایگاه آنها در نظام بانکی آینده و تحولی که به سمت بانکداری هوشمند ایجاد می‌کنند مورد بررسی قرار می‌گیرد.

اولین مفهوم Information of Everything است. اطلاعات همواره همه جا وجود داشته است ولی اغلب این اطلاعات ایزوله شده، ناقص، غیرقابل دسترس یا نامفهوم می‌باشند. بر اساس پیش‌بینی گارتنر تا سال 2020، بیش از 25 میلیارد دستگاه در رابطه با هر چیزی که می‌توان تصور کرد اقدام به تولید داده می‌کنند. این وضعیت همانند سایر فناوری‌ها می‌تواند فرصت‌ها و چالش‌های زیادی را برای سازمان‌ها به دنبال داشته باشد. ما با حجم بسیار بالایی از داده مواجه هستیم که استفاده صحیح از آنها چالش‌های مختص به خود را دارد. آن دسته از سازمان‌هایی که بتوانند از قدرت این موج سیلاب گونه اطلاعات استفاده کنند، قادر به خلق ارزش‌های متعددی برای کسب و کار خود نسبت به سایر رقبا هستند.

این اطلاعات از اطلاعات متنی، صوتی و تصویری فراتر رفته و شامل اطلاعات حسی و محیطی خواهند شد. مدیریت صحیح این سیلاب داده که از سرشاخه‌های متعددی سرچشمه می‌گیرد، مستلزم تدوین و به‌کارگیری صحیح استراتژی‌ها و فناوری‌های مرتبط با توجه به ماهیت داده است. دومین مفهوم Advanced Machine Learning است. در بسیاری از موارد، فناوری نه‌تنها قادر به جمع آوری اطلاعات است، بلکه می‌تواند یادگیری را براساس داده جمع آوری شده نیز انجام دهد. در این فرآیند، تجزیه و تحلیل‌های اولیه را که معمولا نیازمند تعامل نیروی انسانی است می‌توان توسط ماشین انجام داد. انفجار منابع داده از یک طرف و از سوی دیگر پیچیدگی اطلاعات، امکان طبقه‌بندی دستی و تجزیه و تحلیل را غیرعملی و غیراقتصادی کرده است‌. تکنیک‌های پیشرفته یادگیری ماشین ضمن خودکارسازی تمامی این فعالیت‌ها، این امکان را فراهم می‌کند تا بتوانیم به چالش‌های اصلی مرتبط با اطلاعات پاسخ دهیم.

آنچه در حوزه مدیریت فناوری اطلاعات برای بانک‌ها مهم است مفهوم بانکداری نوین و بانکداری مبتنی بر تحلیل داده‌ها است. به عبارت دیگر در عصر حاضر بانکی نسبت به رقبای خود پیشرو‌تر است که با گذر از عصر توسعه زیرساخت‌های ارتباطی وارد عصر توسعه سامانه‌های تحلیل اطلاعاتی شود و از بانکداری سنتی به بانکداری هوشمند مهاجرت کند. به همین دلیل بانک‌ها می‌توانند از دو مفهوم Information of Everything و Advanced Machine Learning به‌صورت ترکیبی استفاده کنند و بستر ایجاد تحولی بزرگ در نظام بانکی را پی‌ریزی کرده و مفهوم بانکداری هوشمند را معرفی کنند. بانک‌ها یکی از سازمان‌هایی هستند که با سیلاب اطلاعاتی مواجه است. اولین اصل مهم در بهره‌گیری از این اطلاعات ایجاد زیرساخت لازم برای جمع‌آوری و نگهداشت درست اطلاعات است. به همین دلیل بانک‌ها در تلاش برای ساخت انبار داده‌هایی برای جمع‌آوری و نگهداشت اطلاعات تاریخی خود هستند. انبار داده یک پایگاه اطلاعاتی بزرگ است که از طریق آن کلیه داده‌های حال و گذشته یک بانک برای انجام عملیات گزارش‌گیری و آنالیز در دسترس مدیران قرار می‌گیرد. معماری عمومی یک انبار داده در بانک‌ها از 3 لایه زیر تشکیل شده است:

• لایه منابع داده‌ای: در این بخش نرم‌افزار‌های کاربردی موجود در بانک به‌عنوان منابع داده‌ای قرار دارند. ابتدا داده‌ها از منابع عملیاتی استخراج می‌شوند. سپس پاک و یکپارچه می‌شوند و به پایگاه پردازش تحلیلی بارگذاری می‌شوند. این عملیات باعث می‌شود که داده‌های دقیق و سازگار از این منبع داده فراهم شوند.

• لایه یکپارچه‌سازی داده: در این بخش روال‌ها و روتین‌های مرتبط با استخراج، پردازش و بارگذاری داده انجام می‌شود. عملیات یکپارچه‌سازی و نگاشت داده‌های منبع داده‌ای به انبار داده در این لایه انجام می‌شود.

• لایه انبار داده: در این بخش داده‌های یکپارچه شده در مدل‌های چندبعدی ذخیره می‌شود. در این لایه از تکنولوژی‌های ROLAP، MOLAP و HOLAP استفاده می‌شود. در ضمن این لایه ممکن است زیرلایه‌هایی با نام Data Mart داشته باشد که در واقع نسخه‌های کوچک‌تری از انبار داده اصلی هستند.

پس از آنکه داده‌های مورد نیاز توسط انبار داده‌ها جمع‌آوری و سازمان‌دهی شدند، با کمک تکنیک‌های یادگیری ماشین و داده‌کاوی می‌توان تحلیل‌های مورد نظر را روی آنها انجام داد و نیازهای اطلاعاتی مدیریت کلان را تامین کرد. این کار در قالب طراحی سامانه‌های مختلفی که هر یک به بخشی از اطلاعات انبار داده دسترسی دارند صورت می‌گیرد. هسته اجرایی این سامانه‌ها از الگوریتم‌های یادگیری ماشین قوی تشکیل شده است که به‌صورت هوشمند اقدام به تجزیه و تحلیل داده‌ها کرده و اطلاعات مد نظر مدیران را تولید می‌کنند.

بانکداری هوشمند مفهوم جدیدی است که بر گذر از عصر ارتباطات به عصر مدیریت و تحلیل داده‌ها اشاره می‌کند. در این مفهوم اساس تصمیم‌گیری مدیران سطح بالای بانک و ارائه خدمات به مشتریان بر مبنای تحلیل داده‌هایی است که به‌صورت گسترده در سیستم بانکداری جمع‌آوری شده‌اند (توسط مفهوم Information of Everything) و با انجام تحلیل صحیح (توسط مفهوم Advanced Machine Learning)، رویکردها و جهت‌گیری‌های آینده یک بانک را متحول می‌کنند. در این مفهوم بانک به دنبال توسعه زیرساخت‌های ارتباطی و شبکه‌سازی خدمات و محصولات خود نیست. بلکه با گذر از این دوران به دنبال ارائه محصولات و خدماتی است که با تحلیل صحیح بر مبنای داده‌های موجود و براساس شرایط فعلی سیاست‌های پولی، مالی و بازار به‌دست آمده‌اند. منابع داده‌ای مورد استفاده در بانکداری هوشمند طیف بسیار گسترده‌ای را از منابع انسانی بانک، مشتریان، بازار، فرهنگ، سیاست و به‌طور کلی هر آنچه نقشی در وضعیت گذشته حال و آینده دنیای پیرامون دارد در بر می‌گیرد.

البته هوشمندی بانکداری در این عبارت به معنای حذف شعب و افزایش کانال‌های الکترونیکی نیست، بلکه این مسائل تنها بخشی از بانکداری هوشمند است. هوشمندی یک بانک در آینده تعیین‌کننده کنترل‌کننده‌های الکترونیکی نظیر داشبوردها، خدمات بانکداری الکترونیکی و مجازی، بازاریابی الکترونیکی، هوشمندی در تخصیص مصارف و تجهیز منابع و… است. حال اینکه اساس جمع‌آوری این داده‌ها چه شاخص‌هایی هست؟ زیرساخت‌های لازم برای جمع‌آوری داده‌ها در این مفهوم چه چیزهایی هستند؟ عناصر بانکداری هوشمند چه هستند؟ هدف نهایی بانکداری هوشمند چیست؟ و سوالاتی از این دست در سلسله مقالات بعدی مورد بررسی و تبیین قرار خواهد گرفت.