Datahanteringsaktiviteter och tillämpning av dataanalysteknik är inte nytt för organisationer inom banksektorn.

Enligt Nguyen Thanh Son, chef för utbildningscentret vid Vietnam Banking Association (VNBA), har VNBA sedan 2017 organiserat många seminarier och utbildningsprogram för sina medlemmar. Om de flesta vid den tiden bara var intresserade och endast ett fåtal forskade och hittade sätt att tillämpa teknik i affärsverksamhet, beslutsfattande och riskhantering, har allt förändrats nu, efter 5–6 år.

Vid workshopen "Leveraging data for success" den 19 september i Hanoi sa Nguyen Thanh Son att många banker har tillämpat ny teknik för att förebygga bedrägerier och hantera betalningar i det digitala ekosystemet, inklusive datahanteringsapplikationer.

Med den stora fördelen att ha ett enormt datalager, om banker vet hur man utnyttjar det, kommer de att öka sina konkurrensfördelar, stärka sitt varumärke och minimera risker.

W-Nguyen Thanh Son.jpg
Herr Nguyen Thanh Son, chef för utbildningscentret vid Vietnam Banks Association (VNBA), höll öppningstalet vid workshopen "Leveraging data for success" den 19 september i Hanoi. Foto: Thai Khang

För att utnyttja denna tillgång måste dock data först kontrolleras och bearbetas, eller med andra ord, styras, effektivt.

Enligt VNBA-representanten har stora banker utfärdat datastrategier, med styrningsramverk, styrelser, personal och specialiserade enheter, tillsammans med policyer som reglerar intressenternas roller, fastställer strategier för varje steg och implementerar dem systematiskt. Samtidigt implementerar mindre banker datastrategier på lägre nivå.

Fru Dinh Hong Hanh, biträdande generaldirektör för Financial Advisory Services på PwC Vietnam, kommenterade att fördelarna med data alla kommer från datahantering. Endast bra, hållbara och säkra hanteringsverktyg kan effektivt utnyttja data.

En annan fördel med effektiv datastyrning för banker är att det hjälper dem att anpassa sig och följa ständigt föränderliga regler och lagkrav globalt.

I Sydostasien mognar finansinstitut i allt högre grad sin datastyrning på grund av tryck från myndighetskrav, såväl som drivkrafter för digital transformation och behovet av att hantera gränsöverskridande data.

Att tillämpa teknik hjälper banker att göra genombrott

Inom banksektorn bidrar tillämpningen av ny teknik som GenAI och maskininlärning till banbrytande lösningar genom att förstå kundernas preferenser och beteenden. Samtidigt tillhandahåller stordataanalys personliga tjänster, rekommenderar lämpliga produkter, uppfyller individuella finansiella mål, vilket förbättrar kundnöjdheten och engagemanget med banken.

Dessutom hjälper GenAIs inlärningsförmåga till att automatisera komplexa processer, minimera fel, spara tid i verksamheten och ge stark riskhantering. GenAI och ny teknik hjälper till att hantera risker bättre genom att förstå onormala beteendemönster och därigenom förhindra bedrägligt beteende.

GenAI, genom historisk dataanalys, förutspår marknadstrender, fattar smartare och mer exakta beslut, öppnar upp möjligheter att utveckla nya produkter och tjänster samt reagerar på snabba marknadsförändringar.

Enligt forskning från McKinsey Institute kan AI i allmänhet och GenAI i synnerhet bidra med upp till 340 miljarder USD genom ökad produktivitet. Enligt Statista förväntas banksektorns investeringar i GenAI nå 85 miljarder USD år 2030.

Banker använder GenAI för aktiviteter som: sammanfattning, djupgående informationssökning, transformation/översättning, utökning/förbättring av befintligt innehåll, frågor och svar, skapande av nytt innehåll.

Men i takt med att AI i allt högre grad tillämpas i verksamheten kommer mängden data och modeller som skapas att öka, vilket orsakar risker för cybersäkerhet, integritet, verksamhet, laglighet och efterlevnad. Därför krävs det ansvarsfull AI-tillämpning för att minimera potentiella risker.