فعالیت‌های مدیریت داده‌ها و کاربرد فناوری تحلیل داده‌ها برای سازمان‌های بخش بانکی چیز جدیدی نیست.

به گفته آقای نگوین تان سون، مدیر مرکز آموزش انجمن بانکداری ویتنام (VNBA)، از سال ۲۰۱۷، VNBA سمینارها و برنامه‌های آموزشی زیادی را برای واحدهای عضو برگزار کرده است. اگر در آن زمان، اکثر آنها فقط علاقه‌مند بودند و فقط تعداد کمی در حال تحقیق و یافتن راه‌هایی برای به‌کارگیری فناوری در فعالیت‌های تجاری، تصمیم‌گیری و مدیریت ریسک بودند، اکنون، پس از ۵-۶ سال، همه چیز تغییر کرده است.

آقای نگوین تان سان، در کارگاه «بهره‌گیری از داده‌ها برای موفقیت» که در ۱۹ سپتامبر در هانوی برگزار شد، گفت که بسیاری از بانک‌ها از فناوری‌های جدید در فعالیت‌های پیشگیری از کلاهبرداری و پرداخت در اکوسیستم دیجیتال، از جمله برنامه‌های مدیریت داده، استفاده کرده‌اند.

با مزیت بزرگ داشتن یک انبار داده عظیم، اگر بانک‌ها بدانند چگونه از آن بهره ببرند، مزیت رقابتی خود را افزایش می‌دهند، برند خود را ارتقا می‌دهند و ریسک‌ها را به حداقل می‌رسانند.

W-Nguyen Thanh Son.jpg
آقای نگوین تان سون، مدیر مرکز آموزش انجمن بانک‌های ویتنام (VNBA)، سخنرانی افتتاحیه کارگاه «بهره‌گیری از داده‌ها برای موفقیت» را در 19 سپتامبر در هانوی ایراد کرد. عکس: تای خانگ

با این حال، برای بهره‌برداری از این دارایی، داده‌ها ابتدا باید کنترل و پردازش شوند، یا به عبارت دیگر، به طور مؤثر اداره شوند.

به گفته نماینده VNBA، بانک‌های بزرگ استراتژی‌های داده‌ای را با چارچوب‌های حاکمیتی، هیئت مدیره، کارکنان و واحدهای تخصصی، همراه با سیاست‌هایی که نقش ذینفعان را تنظیم می‌کنند، استراتژی‌هایی را برای هر مرحله تعیین می‌کنند و آنها را به صورت سیستماتیک اجرا می‌کنند، منتشر کرده‌اند. در همین حال، بانک‌های کوچک‌تر استراتژی‌های داده را در سطح پایین‌تری اجرا می‌کنند.

خانم دین هونگ هان، معاون مدیر کل، مدیر خدمات مشاوره مالی، PwC ویتنام، اظهار داشت که مزایای حاصل از داده‌ها، همگی از مدیریت داده‌ها حاصل می‌شوند. تنها ابزارهای مدیریتی خوب، پایدار و ایمن می‌توانند به طور مؤثر از داده‌ها بهره‌برداری کنند.

یکی دیگر از مزایای مدیریت مؤثر داده‌ها برای بانک‌ها این است که به آنها کمک می‌کند تا خود را با مقررات و الزامات قانونی که دائماً در حال تغییر هستند، در سطح جهانی وفق دهند و از آنها پیروی کنند.

در جنوب شرقی آسیا، مؤسسات مالی به دلیل فشار ناشی از الزامات نظارتی و همچنین محرک‌های تحول دیجیتال و نیاز به مدیریت داده‌های فرامرزی، به طور فزاینده‌ای در حال بلوغ مدیریت داده‌های خود هستند.

استفاده از فناوری به بانک‌ها کمک می‌کند تا به موفقیت دست یابند

در بخش بانکداری، کاربرد فناوری‌های جدید مانند GenAI و یادگیری ماشینی به ارائه راه‌حل‌های نوآورانه از طریق درک ترجیحات و رفتارهای مشتری کمک می‌کند. در همین حال، تجزیه و تحلیل کلان‌داده، خدمات شخصی‌سازی‌شده ارائه می‌دهد، محصولات مناسب را توصیه می‌کند، اهداف مالی فردی را برآورده می‌کند و در نتیجه رضایت مشتری و تعامل با بانک را بهبود می‌بخشد.

علاوه بر این، توانایی یادگیری GenAI به خودکارسازی فرآیندهای پیچیده، به حداقل رساندن خطاها، صرفه‌جویی در زمان عملیات و ارائه مدیریت ریسک قوی کمک می‌کند. GenAI و فناوری‌های جدید با درک الگوهای رفتاری غیرعادی، به مدیریت بهتر ریسک‌ها کمک می‌کنند و در نتیجه از رفتارهای متقلبانه جلوگیری می‌کنند.

GenAI از طریق تحلیل داده‌های تاریخی، روندهای بازار را پیش‌بینی می‌کند، تصمیمات هوشمندانه‌تر و دقیق‌تری می‌گیرد، فرصت‌هایی را برای توسعه محصولات و خدمات جدید ایجاد می‌کند و به تغییرات سریع بازار پاسخ می‌دهد.

طبق تحقیقات موسسه مک‌کینزی، هوش مصنوعی به طور کلی و GenAI به طور خاص می‌توانند از طریق افزایش بهره‌وری تا ۳۴۰ میلیارد دلار آمریکا کمک کنند. طبق آمار Statista، انتظار می‌رود سرمایه‌گذاری صنعت بانکداری در GenAI تا سال ۲۰۳۰ به ۸۵ میلیارد دلار آمریکا برسد.

بانک‌ها از GenAI برای فعالیت‌هایی مانند خلاصه‌سازی، بازیابی عمیق اطلاعات، تبدیل/ترجمه، گسترش/بهبود محتوای موجود، پرسش و پاسخ، ایجاد محتوای جدید استفاده می‌کنند.

با این حال، با افزایش کاربرد هوش مصنوعی در عملیات، میزان داده‌ها و مدل‌های ایجاد شده افزایش می‌یابد و باعث ایجاد خطراتی برای امنیت سایبری، حریم خصوصی، عملیات، قانون و انطباق می‌شود. بنابراین، برای به حداقل رساندن خطرات احتمالی، به کاربرد مسئولانه هوش مصنوعی نیاز است.