بانکداری داده محور
ما در عصر دیجیتال زندگی می کنیم و بدون شک، داده و کیفیت آن یکی از الزامات حیاتی موفقیت یک برنامه تحول دیجیتال می باشد. در بانکداری دیجیتال بانکداری مبتنی بر دارایی جای خود را به بانکداری داده محور داده است. بانکداری داده محور یعنی داده مهترین دارایی یک بانک دیجیتال است و اساس تصمیم گیری و برنامه ریزی ها بر مبنای داده های با کیفیت است و استفاده از داده در هر سطح و بخشی از بانک دیده می شود. اساساً برای تحقق مفهوم بانکداری دیجیتال به داده های با کیفیت بالا نیاز است اینکه آیا داده ها معتبر و قابل اعتماد هستند؟ آیا می توان با استناد به آنها تصمیم گیری کرد؟ آیا می توان به اعداد و ارقام نشان داده شده در گزارشات اعتماد کرد ؟ قطعا کیفیت داده یکی از الزامات حیاتی برای موفقیت در بانکداری دیجیتال است.
کیفیت داده ها در صنعت بانکداری نشان می دهد که آیا داده ها، انتظارات و نیازمندی های استفاده کنندگان از آن داده را برطرف می سازند یا خیر؟ مانیتورینگ داده ها و همچنین گزارش آن به مراجع نظارتی (رگولاتوری) مثل بانک مرکزی از اولویت های اصلی هر بانکی است. با توجه به اینکه امروزه بانک های بزرگ، حجم عظیمی از داده ها را مدیریت می کنند، برای به حداقل رساندن ریسک ها، همیشه به داده های دقیق و معتبر نیاز دارند.
چرا کیفیت داده در صنعت بانکداری مهم است؟
مدیریت ریسک و انطباق با مقررات و الزامات نظام بانکی هر دو به شدت تحت تاثیر کیفیت داده ها هستند. اگر داده های مشتریان ناقص باشد یا به روز رسانی نشده باشد، این مسئله به شدت بر اعتبار بانک و نارضایتی مشتری تاثیر می گذارد. به عنوان مثال اگر داده موجود در پایگاه داده صحیح نباشد و این داده نادرست در سیستم های پایین دستی استفاده شود باعث می شود این مشکل و خطای داده ای به سرعت در فرآیندهای بانک پخش شود.
بهتر است نگاهی به برخی علل ریشه ای مشکلات مربوط به کیفیت داده ها در صنعت بانکداری بیندازیم:
- چرا داده های مشتریان کامل نیست؟ چون فقط فیلدهای اجباری توسط کاربر شعبه تکمیل شده و تعدادی از فیلدها که تیک اجباری نداشته اند پر نشده است.
- چرا کاربر شعبه، داده را درست ثبت نکرده است؟ چون کاربر برای زودتر تحویل دادن کار تحت فشار بوده و کیفیت را فدای سرعت کرده است.
- چرا کاربر فرصت کافی برای ثبت اطلاعات را نداشته است؟ به دلیل اینکه کارهای مربوط به پیگیری نیز به کاربر محول شده است.
همانطور که در این مثال ساده نشان داده شد، ممکن است ریشه اصلی مشکل در جای دیگری باشد و لازم است شناسایی دقیق صورت پذیرد.
کیفیت پایین داده ها، اغلب منجر به افزایش ریسک ها در خدمات بانکداری می شود. از دست دادن مشتریان، افزایش تماس ها با مرکز ارتباط با مشتریان و کاهش توان پاسخگویی به این تماس ها، لطمه به برند و خوشنامی بانک، مشکلات ناشی از سازمان های نظارتی (رگولانوری) که به داده های با کیفیت بالا نیاز دارند و هزینه های ناشی از تصمیمات غلط ناشی از اطلاعات نادرست، نمونه هایی از این مشکلات به شمار می آیند.
داده های مشتریان ممکن است در طول زمان تغییر کند مثل تغییر آدرس، شماره تلفن یا تعییر وضعیت تاهل و غیره و در صورت عدم بهروزرسانی به موقع، این مسائل مربوط به کیفیت پایین داده مستقیماً بر تجربه مشتری، تعاملات و تراکنشهای مشتریان با بانک تأثیر میگذارد.
بانک ها همچنین از داده ها در گزارش گیری، تجزیه و تحلیل و پیشبینی استفاده می کنند و مسائل مربوط به کیفیت داده ها منجر به تصمیمات بد و برنامه ریزی استراتژیک ضعیف می شود.
بعلاوه اینکه دقت قابلیت های تحلیلی فناوری هایی مانند یادگیری ماشینی و هوش مصنوعی به شدت به کیفیت داده ها بستگی دارد. موسسه گارتنر کیفیت داده ها را به عنوان یکی از موانع اصلی پذیرش هوش مصنوعی در خدمات مالی و بانکداری می شناسد.
و در نهایت، عدم انطباق گزارشها به دلیل کیفیت داده ضعیف منجر به جریمه های نظارتی می شود که در نهایت به ارزش برند بانک آسیب می زند.
به عنوان مثال، برای تحقق اهداف مبارزه با پولشویی، شما باید بتوانید صحت داده ها را تأیید کنید، تراکنش ها را ردیابی کنید و مواردی از این قبیل نیاز به اطلاعات دقیق و کامل دارد. همچنین دقت محاسبات مربوط به ریسک، همانطور که توسط کمیته نظارت بر بانکداری بازل یا کمیته بال در استاندارد شماره BCBS 239 تنظیم شده است نیز باید قابل تأیید باشد.