کاربرد داده کاوی و هوش تجاری در بانکداری

در این مقاله در مورد موضوع مهم کاربرد داده کاوی و هوش تجاری در بانکداری صحبت کنیم. امروزه بانک ها به علت تعاملات زیاد با اشخاص حقیقی و حقوقی دارای انبوهی از داده های خام بوده و این امری بدیهی است که بانک ها همواره به دنبال جذب سرمایه ها و سرمایه گذاری های سودآور و ارائه خدمات نوین باشند. این داده های به ظاهر ساده از ابعاد مختلفی دارای ارزش مالی و گزارشات بانکی بوده اما آنچه بهره گیری از این داده ها را مشکل می سازد، زمان بر بودن و صرف نیروی انسانی زیاد در جهت فرآیند جمع آوری، طبقه بندی، تلخیص اطلاعات و تهیه گزارش های مالی و بانکی بوده و از آنجایی که مدیران بانکی با حجم گسترده و پراکندهای از اطلاعات و گزارش های ارائه شده در فرآیند عملیاتی در شعبات خود مواجه هستند، نیاز به سیستمی که بتواند گزارش های تحلیلی و چند بعدی را در زمان کوتاهی تهیه و اطلاعات لازم را برای اتخاذ تصمیمهای استراتژیک به آنها ارائه کند ضروری به نظر می رسد. با پیشرفت تکنولوژی، فناوری های نوین توانستند با ارائه سیستم نرم افزاری عملیاتی، داده ها را در ابعاد مختلف نگهداری و این امکان را فراهم آورند تا بانک ها علاوه بر انجام کارهای روزانه و پیگیری عملیات جاری بتوانند پردازش این اطلاعات و توانایی ارائه گزاراشات در سطوح مختلف مدیریتی را نیز داشته باشند و در نهایت رفع این نیازمندیهای مدیریتی تحت عنوان فناوری جدیدی به نام هوش تجاری به صنعت بانکداری معرفی شده است.

هوش تجاری (BI) ابزاری است که به شناسایی هوشمندانه داده های اطلاعاتی، تجمیع آنها و تحلیل چند بعدی داده ها که از منابع مختلف به دست آمده می پردازد و نیازهای اطلاعاتی سازمانها را به شکل مناسب پاسخ داده و مدیران را در امر تصمیم گیری یاری و پشتیبانی مینماید. در واقع هوش تجاری در بانکها سیستمی است که اطلاعات مورد نیاز مدیران را در حداقل زمان ممکن و به صورتی اثربخش، سازماندهی کرده و ضمن یکپارچه سازی داده، امکان کنترل و ردگیری فرآیندهای کلیدی را برای مدیران فراهم می آورد، به عبارت دیگر هوش تجاری باعث می شود تا بانک ها هوشمندانه تر عمل نمایند.

سیستم های هوش تجاری به دلیل افزایش مداوم نیاز سازمانهای تجاری در زمینه تجزیه و تحلیل، تفسیر و پردازش داده ها، به بخشی جدایی ناپذیر از یک سازمان در قرن بیست و یکم تبدیل شده اند. تعریف هوش تجاری به یک مفهوم گسترده ای از هوشمندی کسب وکار که برای حمایت و بهبود تصمیم گیری، که به نوبه خود، منجر به افزایش بهره وری در یک سازمان میشود، اشاره دارد. استفاده از تکنولوژی های جدید، به ویژه هوش تجاری، به بانکها این فرصت را می دهد تا با استفاده کامل از پتانسیل عظیم به وجود آمده در سیستم اطلاعات اولیه روزانه، علاوه بر تحلیل روند داده‌های گذشته، بتوانند عملکرد مالی آتی سیستم و بسیاری از شاخص‌های تجاری خود را پیش‌بینی کنند و بهبود بخشند. بانک‌ها با استفاده از این تکنولوژی قادر به مدل‌سازی رفتار مشتری نه تنها از نظر استفاده از سرویس ها و خدمات جدید، بلکه از دیدگاه مدیریت ریسک های بالقوه نیز هستند.

تحلیل صحیح و سریع داده‌ها، تاثیر انکارناپذیری در عرصه رقابت سازمان ها در سطح داخلی و چه در عرصه بین‌المللی دارد. راهکارهای هوش تجاری و داشبورد مدیریتی پاسخی کارآمد و آزموده شده به این نیاز جدی هستند. این راهکارها انبوه اطلاعات سیستم‌های عملیاتی سازمان را در ساختاری تجمیعی، خلاصه شده، تحلیلی و مناسب برای نیازهای اطلاعاتی مدیران و تحلیل‌گران کسب و کار آماده می‌کنند تا گزارش‌گیری، ساخت نمایه های گرافیکی و امکانات تجزیه و تحلیل اطلاعات را در محیط کاربری ساده و کاربردی امکان‌پذیر کنند.

به طور خلاصه، مهمترین کاربردهای هوش تجاری در حیطه صنعت بانکداری عبارتند از مدیریت ارتباط با مشتری (CRM)، مدیریت عملکرد (PM)، مدیریت ریسک (RM)، مدیریت دارایی و بدهی (ALM)  و همخوانی با استانداردها از جمله قوانین بازل، تشخیص تقلب، مدیریت پورتفولیو و مبادلات اوراق بهادار، سیستم ضدپولشویی، انبار داده و پردازش تحلیلی آنلاین (OLAP) از پایگاه های اطلاعاتی.

متاسفانه به دلیل جدا بودن بسیاری از سیستم ها و ناسازگاری آنها این داده ها نمی توانند بطور موثری در تصمیم گیری ها مورد استفاده قرار گیرند زیرا در حال حاضر، مخازن داده الکترونیکی بسیار بزرگی به وسیله بانک‌ها و دیگر مؤسسات مالی در دنیا نگه‌داری می‌شوند. این داده‌ها که در واقع داده‌های خام و رکوردهای ادواری هستند به خودی خود و بدون تحلیل، اطلاعات خاصی را منعکس نمی‌کنند. در این حال برای بدست آوردن اطلاعات مفید و کاربردی (که جهت کشف دانش از انواع گوناگون مخازن داده داخلی و خارجی طراحی شده‌اند) و برای پشتیبانی از تصمیم‌گیری‌های بهتر تمرکز دارند استفاده از سیستم‌های هوش تجاری توصیه می‌شود. همچنین تکیه برتکنیک‌های داده‌کاوی برای کشف دانش از پایگاه داده بسیار پر اهمیت است.

وضعیت کنونی بانک‌ها نشان می‌دهد به دلیل رویارویی با حجم زیاد داده ناشی از عملیات روزانه سیستم‌های عملیاتی، با مشکلاتی از جمله نحوه جمع آوری، نگه‌داری، تحلیل و استفاده مؤثر از آن مواجه شده‌اند، که جهت برطرف‌سازی این مشکل استفاده از انبار داده واحد ضروری به نظر می‌رسد، از سوی دیگر هوش تجاری، یک سرمایه گذاری دراز مدت و موثر در زمینه فناوری اطلاعات به شمار می‌آید و در زمان انجام، پروژه هوش تجاری به دلیل عدم گسیختگی در فعالیت‌های روزانه و عدم تأثیر در سیستم‌های فعلی و عملیاتی، با ریسک پائین در پیاده‌سازی مواجه خواهد بود.

هوش تجاری باعث اتصال فعالیت‌ها به استراتژی سازمان (Scorecards ,BPM) شده و نتیجه آن ایجاد زبان سازمانی است. به همین دلیل خلق یک نسخه واحد از داده‌های واقعی کمک شایانی به انجام بهتر و هوشمندانه‌تر فرآیند‌ها می‌کند. با به‌کارگیری سامانه انباره داده و سیستم هوش تجاری، بانک‌ها از وضعیت تمرکز صرف در ارائه خدمات بانکی به تمرکز روی خواسته‌های مشتری روی آورده و تحول چشمگیری در صنعت بانکداری خلق می‌کنند. در اینجا چگونگی یکپارچه کردن این اطلاعات و تبدیل آنها به اطلاعات قابل استفاده برای تصمیم گیران سازمان در مورد ترجیحات و وفاداری مشتریان، الگوهای خرید، عملکرد سازمان های ذینفع، کلاهبرداری های بالقوه، پیوستگی محصول، و پیش بینی های مالی و موجودی منابع با استفاده از سیستم های هوش تجاری در صنعت بانکداری مورد بررسی قرار گرفته و مزیت ها و فواید آن به منظور کسب مزیت رقابتی بیان می شود.

کلید موفقیت تجاری برای بسیاری از بانک ها، استفاده صحیح از داده ها جهت اخذ تصمیمات بهتر، سریعتر و بدون نقص میباشد. بانک ها برای رسیدن به این هدف نیازمند استفاده از ابزارهای قوی و کارآمد مانند هوش تجاری به عنوان کاتالیزور مثبت هستند که میتواند این مؤسسات را در مکانیزه نمودن وظایف تحلیل، تصمیم سازی، تدوین استراتژی و پیش بینی یاری رساند. به عبارتی، هدف استفاده از هوش تجاری در این نهادها، گردآوری، پردازش و تحلیل حجم وسیعی از داده ها و تبدیل آنها به ارزش تجاری مؤثر در تصمیم گیری از طریق ایجاد بستر گزارشات هوشمند تحلیلی است.

در چه مواردی عملیاتی کردن هوش تجاری و بهره گیری از کاربردهای آن میتواند زمینه افزایش عملکرد مالی بانک صادرات ایران را فراهم کند؟ به عبارتی، عملیاتی کردن هوش تجاری و بهره گیری از کاربردهای آن میتواند باعث ارتقا شاخص های سلامت مالی بانک باشد؟

بطور کلی؛ بازده دارایی، بازده سرمایه، نسبت وام به دارایی و نسبت هزینه به درآمد به عنوان نماینده ای از شاخص های سلامت مالی بانک برای بیان عملکرد مالی بانک ها تعریف می شوند: