آیا شبکه بانکی و هوش مصنوعی به زبان مشترک رسیده‌اند؟
EN
EN
مهدیه نوروزیان

زمین جدیدی برای کاشت بذرهای فراگیری مالی

در سری یادداشت‌های قبلی، از موضوع «فراگیری مالی» صحبت کردیم. از نقش کلیدی فناوری در «دسترس‌پذیری»، «هوشمندسازی» و «سفارشی‌سازی» خدمات مالی گفتیم. ضرورت تغییر مدل‌های درآمدی در صنعت بانکی را بررسی کردیم و اینکه فراگیری مالی یک زمین مستعد برای نوآوری در مدل‌های کسب‌وکار چه در بانک‌ها و چه در فین‌تک‌ها فراهم می‌کند و در نهایت از «داده‌ها» به عنوان دریچه‌ای سخن گفتیم که می‌تواند راه دیگری برای حل مسئله بنیادین «شناخت» مشتری پیش روی ما قرار دهد.

در آخرین یادداشت از این سری، به زمین جدیدی اشاره می‌کنیم که در پشت این دریچه قرار دارد و استعداد بسیار زیادی برای کاشت بذرهای فراگیری مالی دارد: «داده‌های غیرمالی».

عبارت صنعت ۴.۰ را زیاد شنیده‌ایم که حرف از قدرت «داده‌ها» و پتانسیل موجود در آن برای تحول فرایندهای تولید می‌زند. به گونه‌ای که فرایند تولید محصولات و خدمات در هر صنعت، می‌تواند متکی بر پردازش حجم عظیمی از داده‌های انباشته‌شده در سامانه‌ها بازطراحی شود و خروجی شخصی‌سازی‌شده‌تر و هوشمندتری ایجاد کند. داده‌هایی که در طول سال‌ها استفاده افراد از محصولات مختلف ایجاد و در ابزارهای پراکنده‌ای ثبت شده است؛ داده‌هایی که در الگوی جدید سبک زندگی عموم مردم (به ویژه نسل Z و Y) تولید می‌شود که از آن به عنوان «اتصال» (Connectedness) نام برده می‌شود.

تعداد روزافزونی از مردم در بیشتر ساعات روز آنلاین هستند و به صورت دائمی از انواع دستگاه‌های متصل به اینترنت (گوشی هوشمند، ساعت هوشمند، لوازم منزل و اتومبیل متصل به اینترنت) استفاده می‌کنند که هر لحظه در حال ثبت داده‌های جغرافیایی، سلامتی، ارتباطات اجتماعی، گفت‌وگوها، تصاویر، تراکنش‌ها و… افراد است. این حجم عظیم داده‌ها که در هر لحظه تولید و ثبت می‌شود تصویر تقریبا کاملی از فعالیت‌ها و ترجیحات یک فرد را در تلفن همراه او و سرورهای نادیدنی ثبت می‌کند و می‌تواند یکی از منابع بسیار ارزشمند شناخت و پیش‌بینی رفتارهای افراد باشد.

وقت آن رسیده که موج صنعت ۴.۰ به صنعت بانکداری نیز برسد. بانک که فلسفه وجودی آن وساطت میان سپرده‌گذاران و متقاضیان دریافت تسهیلات و سرمایه است، برای شناخت مشتریان خود و کسب اعتماد، به پرونده‌های اعتباری آنها متکی است و این دریچه شناخت تاکنون همگام با پیشرفت‌های فناوری تغییر چندانی نکرده است. بانک‌های پیش‌روتر متوجه این پتانسیل شده‌اند و در صدد استفاده از فناوری تحلیل داده برای شناخت رفتارهای مالی مشتریان برآمده‌اند.

اما آنچه در این یادداشت قصد داریم به آن توجه کنیم این است که رفتارهای مالی مشتریان تنها نوک کوه یخ است که از آب بیرون است و حجم بزرگی از این کوه، شامل رفتارهای غیر مالی مشتریان است که همبستگی زیادی با رفتارهای مالی ایشان دارد ولی از افق دید و کاوش ما برای شناخت رفتار مالی مشتریان بیرون است. البته در سال‌های اخیر برخی فین‌تک‌ها به سراغ این زمین بارور جدید رفته‌اند و با تحلیل داده‌های غیرمالی مشتریان، به آنها خدمات مالی ارائه می‌کنند؛ از تحلیل تماس‌ها و شبکه ارتباطات افراد در تلفن همراه آنها، تحلیل موقعیت مکانی و رفت‌وآمد آنها در طول شبانه‌روز و سایر اطلاعاتی که رفتار شخص را در خارج از سیستم بانکی نشان می‌دهد به الگوهای جالبی دست پیدا می‌کنند که می‌تواند افراد خوش‌حساب را از بدحساب متمایز کند، تفاوت رشد درآمد افراد مختلف را در طول مسیر شغلی آنها پیش‌بینی کند و حتی نیازهای مالی آتی فرد را پیش از رخ‌دادن آنها حدس بزند.

این داده‌ها در دست یک نهاد متمرکز نیست و سامانه‌های مختلف بسته به میزانی که موفق شوند توجه افراد را حفظ کرده و عادت استفاده از خدمات خود را در ایشان ایجاد کنند، مالک داده‌های تولیدشده از دستگاه‌ها و نرم‌افزارها خواهند بود. کسب‌وکارهای مختلف به دنبال دراختیارداشتن داده‌های بیشتری از مشتریان هستند. از جمله کسب‌وکارهایی که مالک داده‌های زیادی از افراد هستند می‌توان به بیگ‌تک‌ها یا بزرگ‌فناوران، اپراتورها، پلتفرم‌های خدمات آنلاین، بانک‌ها، موسسات مالی و سرمایه‌گذاری، پلتفرم‌های پرداخت و… اشاره کرد که شروع به نفوذ در بازار خدمات مالی کرده و با ایجاد امکانات متنوع پرداخت و مدیریت مخارج، حجم زیادی از تراکنش‌های روزمره افراد را به خود جذب کرده‌اند.

در این میان، شرکت‌های بزرگ‌فناور از این مزیت رقابتی عظیم در دسترسی به داده‌های وسیع از زندگی روزمره کاربران خود نیز استفاده می‌کنند تا کم‌کم وارد زمین اصلی کسب‌وکار بانکداری شوند. ارائه خدمات تسهیلات در قالب خریدهای اقساطی، کیف پول‌هایی با کارمزدهای ناچیز، اعتبارسنجی با اتکا بر انبوه داده‌های رفتاری و تراکنش‌های کاربران و… نمونه‌هایی از این تلاش‌ها هستند که می‌توانند مزیت عمده بانک‌های سنتی را در دسترسی به منابع مالی گسترده، کمرنگ و در عوض مزیت شرکت‌های فناوری و پلتفرم‌های آنلاین را برجسته کنند که می‌دانند به چه کسی باید وام بدهند، حتی اگر منابع مالی مورد نیاز را در اختیار نداشته باشند.

در اینجاست که نقش شرکت‌های فناوری در فراگیری مالی حتی از سطح فراهم‌کردن دسترسی و نفوذپذیری نیز فراتر می‌رود و وارد زمین جدیدی برای شناسایی و پیش‌بینی نیازهای مالی افراد با اتکا به داده‌های غیرمالی زندگی آنها می‌شود. کسب‌وکارهایی که بتوانند دسترسی به داده‌های وسیع‌تری پیدا کنند، در درجه دوم، توانمندی تبدیل آنها به اطلاعات و سپس به «شناخت» را در جهت پیش‌بینی رفتار مشتریان داشته باشند، و در نهایت چابکی لازم برای اصلاح فرایندهای تولید خود و عرضه محصولات و خدمات شخصی‌سازی‌شده منطبق با نیاز هر مشتری را در خود به وجود بیاورند، نه تنها در تحقق رویای فراگیری مالی در کشور سهیم خواهند بود بلکه با دست‌یابی به منطق درست مدل کسب‌وکار خواهند توانست جریان درآمدی پایدار و روبه‌رشدی در این زمین جدید مستعد، بسیار وسیع و نادیده گرفته شده برای خود و سهامداران خود خلق کنند.

دیدگاهتان را بنویسید

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

مطالب مرتبط

داتین با هدف توسعه‌گرایی و سرعت‌بخشی به توسعه محصولاتش و با تایید هیئت‌مدیره بلوط، هومن مسگری، معاون مشارکت‌ها و سرمایه‌گذاری‌های داتین را با حفظ سمت به‌عنوان مدیرعامل شرکت «مدیریت ثروت هوشمند بلوط» منصوب کرد.
شناسایی نیاز، طراحی راهکار مناسب، پاسخ‌گویی سریع به نیاز شناسایی‌شده و پایداربودن سیستم از دغدغه‌های قابل تامل در حوزه طراحی و توسعه محصول در فضای دیجیتال هستند. در ویپاد، برای مدیریت این موارد، از تمرکز بر تیم‌سازی و چیدمان ساختار تیمی استفاده شده است.
سواد مالی مولفه‌هایی مانند بودجه‌بندی، پس‌انداز و سرمایه‌گذاری، مدیریت بدهی، مدیریت ریسک و بیمه دارد. کسب این مهارت‌ها توسط مردم، به رفتار مالی بهینه و درنتیجه به زندگی مطلوب‌تر با توجه به منابع دراختیار و محدودیت‌های پیرامونی منجر می‌شود.
معاون بانکداری نوین داتین:
محمد آجدانی، معاون بانکداری نوین داتین، در برنامه اتاق آبی از وضعیت نئوبانک‌ها در ایران صحبت کرد. او در این برنامه به شرط نگهداشت کاربران در نئوبانک‌های ایرانی پرداخت و به این سوال پاسخ داد که آیا حیات این پلتفرم‌ها در گرو پرداخت تسهیلات است؟