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 گذاریهای 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 گزارشهای 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 سرویسها 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 پایگاههای 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 دیگرهوش 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 بانکها، استفاده صحیح از داده ها جهت اخذ تصمیمات بهتر، سریعتر و بدون نقص میباشد. بانکها 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 تصمیمگیری 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 شاخصهای سلامت مالی بانک برای بیان عملکرد مالی بانکها تعریف می شوند:

سرمایه بازده (ROE)

نسبت بازده سرمایه که به آن بازده حقوق صاحبان سهام نیز گفته میشود، یکی از معیارهای سودآوری بانکها میباشد که بیانگر درآمد خالص به ازای هر واحد سهمی میباشد و به مفهوم عوایدی است که برای جبران هزینه و ریسکی که سرمایه گذاران با فراهم آوردن سرمایه بانک متقبل شده اند، به آنان پرداخت میشود. این نسبت از تقسیم سود خالص بر حقوق صاحبان سهام به دست می آید و میتواند بیانگر ارزش افزوده سیستم بانکی و توانایی بالقوه بانک برای تشکیل سرمایه داخلی باشد. نسبت استاندارد برای بازده حقوق صاحبان سهام برابر 15 درصد است.

بازده دارایی (ROA)

بازده دارایی ها از مهمترین معیارهای سودآوری است که از تقسیم سود خالص بر کل داراییها حاصل میشود و میزان سود کسب شده در یک دوره مالی از ارزش هر واحد دارایی است. از سوی دیگر این شاخص، یکی از شاخص های مهم در ارزیابی توانایی مدیریت در استفاده بهینه از منابع واقعی سرمایه ای و مالی بانک در خلق سود میباشد. کارشناسان بانکی این نسبت را شاخص نهایی برای تشخیص کفایت و کارایی مدیریت در اداره امور بانکها نیز میدانند. نسبت استاندارد برای بازده داراییها برابر یک درصد است.

نسبت تسهیلات اعطایی به دارایی ها (LA)

نسبت مانده تسهیلات اعطایی بر کل دارایی ها، سهم پرتفوی تسهیلات بانک در دارایی های آن را نشان میدهد. هر چقدر این نسبت بیشتر باشد نقدینگی بانک کمتر خواهد بود و ریسک ناشی از کاهش نقدینگی بانکها بیشتر خواهد بود.

نسبت هزینه به درآمد (CI)

نسبت هزینه به درآمد یکی از معیارهای مهم برای تشخیص کارایی یک بانک و یکی از شاخصهای متداول جهت بررسی سلامت مدیریت است. این نسبت نشان میدهد که هزینه های اداری شامل هزینه های پرسنلی، ملزومات، اجاره محل، استهلاک، بیمه اموال و… چند درصد از درآمد عملیاتی بانک است.برای کمی نمودن هوش تجاری چهار شاخص ذیل در نظر گرفته می شود.

فناوری اطلاعات

بیشترین تلاش سازمانها برای ایجاد بستر مناسب هوش تجاری در راستای بهبود وضیعت زیرساخت های تکنیکی آن بوده است. تمرکز نیازها در این مرحله بر روی افزایش دادن قابلیت های گزارشات و آنالیزهای پایه میباشد در صورتیکه گزارشات و تحلیلهای مورد نیاز مدیران، براساس غیرمکانیزه داده ها را از منابع موجود جمع آوری میکنند از ظرفیت و قابلیت بسیار اندکی برای آشکارسازی اطلاعات برخوردار است. این در حالی است که استفاده از فناوری هوش تجاری میتواند شفافیت و قابلیت گزارشات مالی، بازاریابی و میزان فروش را افزایش دهد. به عنوان نمونه با استفاده از فناوری اطلاعات میتوان گزارشات مالی نهادهای دولتی، میزان فروش مربوط به یک ناحیه و منطقه را محاسبه نمود. میتوان برای کمی کردن شاخص فناوری اطالعات، از تعدادی دستگاههای POS در هر بانک استفاده کرد.

منابع انسانی (کارکنان)

یک سیستم هوش تجاری در نهایت با نیروی انسانی شاغل در سازمان تعامل خواهد داشت و کارایی این سیستم وقتی میتواند به بهترین حالت برسد که این تعامل به بهترین نحو انجام شود. طراحی مناسب نرم افزار به گونه ای که کاربران در کار با آن راحت باشند، عامل مهم در این حوزه است ولی تواناییهای خاص مهارتی کارکنان شرایط الزم این فاکتور میباشند. نیروی کار متخصص که دارای تحصیلات بالا و مربوطه باشد میتواند پروکسی مناسبی برای این شاخص در نظر گرفته شود.

رقبا

یکی از کاربردهای هوش تجاری شناسایی مشتریان و سودآوری آنها است؛ بنابراین بانک با به کارگیری این رویکرد همواره در تلاش است تا مشتریان خود را راضی نگه دارد؛ بنابراین همواره در رقابت با سایر بانکها خواهد بود. به عبارتی هوش تجاری میتواند به بانکها در تعیین استراتژیهایی که رقبا برای در اختیار داشتن مشتریان به کار میگیرد، کمک کند. به عبارتی رقابت یکی از شاخصهای اندازه گیری هوش تجاری میباشد که میتوان از نسبت دارایی هر بانک به دارایی کل بانکها و مؤسسات مالی غیردولتی استفاده کرد.

مشتریان

همانگونه که ذکر شد یکی از اهداف به کارگیری هوش تجاری شناسایی مشتریان و سودآوری آنها و همچنین اعتبارسنجی آنها بوده است. کارتهای صادر شده به عنوان شاخصی برای تعداد مشتریان در راستای ارزیابی رفتار مالی آنها، میتواند به عنوان یکی از شاخصهای هوش تجاری مورد استفاده قرار گیرد.

برای محاسبه شاخص هوش تجاری (BI)از یک شاخص کلی استفاده میشود که از ترکیب این 4 مؤلفه به دست میآید، برای به دست آوردن بهترین ترکیب از این 4 مؤلفه از روش تحلیل عامل با مؤلفه های اصلی استفاده میشود. تحلیل عاملی به عنوان یک تکنیک کاهش دهنده داده هاست. براساس این روش میتوان تعداد زیادی از متغیرهای اندازه گیری شده همپوش را به مجموعه کوچکتری از عوامل کاهش داد.

بانکها، ازجمله نهادها و سازمانهایی هستند که با اساتفاده از این فناوری، میتوانند با جمع آوری و پالایش داده های حاصل از تراکنش های مالی روزانه، تحلیل و بازیابی اطلاعات، فرآیند تصمیم گیری برای مدیران را آسان و کارآمد سازند. به طوریکه حتی با استفاده از هوش تجاری می توانند با ایجاد درکی صحیحی از وضعیت فعلی بانک، چشم انداز آتی را ترسیم نموده و در ارائه دیدگاه بلندمدت و استراتژیک به مدیران بانک ها یاری رساند؛ زیرا هدف اولیه و اساسی بانک همانند سایر سازمانهای انتفاعی، حداکثر کردن ثروت صاحبان آن میباشد. در راستای افزایش ثروت صاحبان سهام، بانک میتواند تصمیماتی در خصوص نحوه تخصیص داراییها، سرمایه گذاریها و توزیع تسهیلات با سررسیدهای متفاوت داشته باشد. لذا این نهاد مالی میبایست همواره عملکرد مالی خود را بررسی و زمینه بهبود و ارتقا شاخص های آن را فراهم آورد. اتخاذ این تصمیمات نیاز به ارزیابی عملکرد مالی را با اهمیت تر ساخته تا از این طریق بانکها عملکرد خود را از لحاظ سودآوری، کفایت سرمایه، ساختار دارایی و نقدینگی نسبت به بانکهای رقیب مورد بررسی قرار داده تا بتوانند موقعیت خود را سنجیده و نسبت به بهبود و ارتقاء عملکرد خود اقدام نمایند.

هوش تجاری با ارائه اطلاعات میتواند بسیاری از جمله چالش های موجود در حوزه های مختلف بانک مانند اعتبارسنجی، عملکرد شعبات، بانکداری الکترونیکی، بخش بندی و حفظ مشتریان و … را پوشاش داده و این بخشها میتوانند حوزه های کاربردی بسیار خوبی برای طیف گسترده ای از تکنیک ها و مفاهیم هوش تجاری شامل داده کاوی، انباره های داده ای و نظامهای پشتیبانی تصمیمگیر باشند.

مهمترین این کاربردها عبارتند از مدیریت ارتباط با مشتری (CRM) مدیریت عملکرد (PM) مدیریت ریسک (RM) مدیریت دارایی و بدهی Asset Liability Management (ALM) ،تشخیص تقلب (FD)  و همخوانی با استانداردها ،مدیریت پورتفولیو و مبادلات اوراق بهادار، سیستم ضد پولشویی، انبار داده و پردازش تحلیلی آنالین (OLAP) از پایگاه های اطلاعاتی. بانکها با استفاده از فناوری هوش تجاری میتوانند با ارزیابی مدیریت ریسک، بررسی وضعیت اعتباری مشتری و همچنین سودآوری مشتری، میزان مطالبات معوق خود را کاهش دهند و با داشتن اطلاعات کامل و داده کاوی در خصوص مشتریان، توانایی کاهش ریسکهای اعتباری را خواهند داشت.

ارائه هوش تجاری کاربردی و موثر (Operational BI) در بانک‌ها باید بر پایه چهار اصل کلی استوار شود:

الزام هوش تجاری در بانک‌ها

عملیاتی کردن BI و بهره‌گیری از کاربردهای آن مزایای رقابتی زیادی در بانک‎‌ها ایجاد کرد و بسترهای مناسبی را جهت سرمایه‌گذاری افزایشی در زمینه فناوری اطلاعات به وجود آورد به طوری که، BI توانست یک سیستم پشتیبانی از تصمیم‌های مدیران بانکی در سطح کلان اقتصادی در ایران باشد.

بنگاهی بزرگ‌تر و گسترده‌تر از بانک‌ها، با رویکرد مالی در سطح کره خاکی وجود ندارد. پس در نتیجه کلیه اطلاعاتی که در بانک‌ها و موسسات مالی تولید شده و در حال گردش هستند اهمیت به‌سزایی برای هریک از ذینفعان خود دارند. با پیشرفت هوش مصنوعی در فناوری و تکنولوژی طی سالیان اخیر، بانک‌ها جز سرآمدان استفاده از این تکنولوژی‌ها هستند چون ماهیت کسب‌وکارهایی همچون بانک مبتنی بر ارتباطات سیستمی، تعاملات انسانی، گردش‌های مالی در سطح وسیع و عواملی از این قبیل است که استفاده از ابزارهای به‌روز و کارآمد تکنولوژی و فناوری را به‌عنوان یک الزام برای زنده ماندن می‌دانند.

بر کسی پوشیده نیست که اطلاعات موجود در هریک از سامانه‌ها و سیستم‌های بانکی بسیار عظیم بوده و کنترل کردن و در نهایت خروجی مطلوب گرفتن از آن‌ها کاری بسیار با اهمیت است. حال مسئله پراکندگی اطلاعات، دانش موجود در این سیستم‌ها و استفاده از آن‌ها در راستای تدوین برنامه‌ها و استراتژی‌های خرد و کلان بوجود می‌آید.

راه‌حل این مسائل، ابزاریست که در سالیان اخیر توسط شرکت‌ها در سطح جهان تحت عنوان هوش تجاری معرفی می‌شود، این ابزارها می‌توانند فرآیندهای محاسبه، دسته‌بندی، انتخاب و کار با داده و انجام آنالیزهای لازم بر روی داده‌های کلان بانکی را برای هر کاربرد خاص به انجام رسانند. استقرار این سامانه‌ها در مجموعه بانک‌ها به بهبود شفافیت عملکرد بانکی، روانتر شدن کسب‌وکار، تحلیل مشتریان، برتری نسبت به رقبا و در نهایت مطابقت با استانداردهای بین‌المللی و رفع مشکلاتی که پیش از این اشاره شد، منجر خواهد شد.

کلمه هوش تجاری (BI) اولین بار در سال ۱۹۵۱ در مقاله‌ای توسط یک محقق شرکت IBM استفاده شد. او وسیله ارتباطی برای هدایت یک کسب‌وکار را داشتن یک سیستم هوشمند دانست و هوش را قابلیت درک رابطه متقابل واقعیت‌های ارائه شده به صورتی که منجر به هدایت عمل در جهت هدف مطلوب شود، تعریف کرد. برخی معتقدند هوش تجاری نه یک محصول و نه یک سیستم، بلکه یک معماری و مجموعه‌ای از سیستم‌های عملیاتی یکپارچه به‌ همراه سیستم‌های پشتیبان تصمیم و پایگاه‌های داده می‌دانند.

بانک‌ها و هوش تجاری

مدیران بانکی برای بقا و حتی ارتقای جایگاه در این محیط کسب‌وکار متلاطم امروز،‌ نیازمند تمرکز مستمر بر حل مسائل چالشی و کشف فرصت‌ها هستند. این وضعیت خود نیازمند پشتیبانی کامپیوتری از تصمیم‌گیری‌های مدیریتی و به معنی نیاز به سیستم‌های پشتیبان تصمیم‌گیری و هوش تجاری است.  بانک‌ها و موسسات مالی برای دو مقصود اصلی نیاز به استفاده ازهوش تجاری دارند.که ابتدا، برای انجام تجزیه وتحلیل، که می‌تواند به آن‌ها درتصمیم‌گیری بهترکمک کند. تجزیه و تحلیل به آن‌ها کمک می‌کند که روندهای فعالیت را بشناسند و مراقبت‌ها را برای مشتریان و شکایات مهم فراهم آورند.

دوم، کمک زیادی به پیش‌بینی آینده رفتار مشتری و تقاضای بازار و درنهایت جلب رضایت مشتری می‌کند.بانک‌ها همواره در تلاش هستند تا از لحاظ سودآوری، کفایت سرمایه، ساختار دارایی و نقدینگی نسبت به بانک‌های رقیب و کنترل ریسک‌های اختصاصی خود در بالاترین سطح قرار گیرند، تا در نهایت عملکرد مالی خود را در سطح کلان بررسی کرده و زمینه بهبود و ارتقا آن را فراهم آورد.در نتیجه، هوش تجاری با ابزارهای ذیل سعی می‌کند تا عملکرد بانک‌ها را به سطوح بالاتری برساند:

در نهایت قابل ذکر است که ایجاد و عملیاتی کردن هوش تجاری و بهره‌گیری از کاربردهای آن مزایای رقابتی زیادی در بانک‌ها ایجاد می‌کند و بسترهای مناسبی را علاوه بر پوشش چالش‌های بانکی، در تصمیم‌گیری‌های مناسب و تدوین اهداف بانک‌ها فراهم می‌آورد.

اجزای اصلی سیستم هوش تجاری

در یک راه حل هوش تجاری ارائه شده برای یک سازمان، افراد مختلفی در بخش‌های مختلف درگیر می‌شوند: این افراد باید از نرم‌افزارهای کاربردی و تکنولوژی‌های مختلف در مراحل متفاوت شامل جمع‌آوری، ذخیره‌سازی و تجزیه و تحلیل اطلاعات و ارائه نتایج به دست آمده، استفاده کنند.

اجزا و عناصر اصلی یک سیستم هوش تجاری شامل موارد زیراست:

ویژگی‌های سیستم هوش تجاری

یک سیستم هوش تجاری بر اساس استاندارد، ویژگی‌های خاصی دارد: استاندارد شامل ویژگی‌های وظیفه‌مندی، قابلیت استفاده، قابلیت اطمینان، کارایی و قابلیت پشتیبانی است، بر اساس موارد اعلام شده توسط موسسه گارتنر این ویژگی‌ها را می‌توان به صورت زیر درسیستم‌های هوش تجاری تعمیم داد:

یک سیستم هوش تجاری بر اساس این ویژگی باید بتواند موارد زیر را پاسخ دهد: بودجه‌بندی، برنامه‌ریزی، نظارت، پیشگویی، یکپارچه‌سازی، گزارشات مالی، کارت امتیاز، داشبورد، گزارشات عمقی، گزارشات عمقی تا سطح دانه‌بندی اطلاعات، تحلیل، تعریف پرس و جو توسط کاربر، گزارشگیری زمانی و دوره‌ای و تحلیل‌های «چه می‌شد، اگر»

برای پشتیبانی از این ویژگی باید امکانات زیر را داشته باشد:

سیستم هوش تجاری باید بتواند بدون در نظر گرفتن سخت‌افزار و تعداد کاربران یک دسترسی قابل اعتماد فراهم کند. با از دست رفتن قسمتی از داده‌ها سیستم باید بتواند تخمین درستی از مقادیر از دست رفته انجام دهد تا نرم‌افزار هوش تجاری بتواند به درستی به کار خود ادامه دهد.

برای اینکه یک سیستم هوش تجاری بتواند به درستی و به طور کارا عملیات مورد نظر خود را انجام دهد باید بتواند از یک سری ابزار‌ها استفاده کند. این ابزار‌ها شامل ETL ،OLAP ،OLTP ،MDDB ،MRDB، انبار داده، معماری دو لایه و سه لایه و ابر داده هستند.

سیستم ارایه شده توسط یک فروشنده باید به صورت کامل پشتیبانی شود. پشتیبانی خوب یک سیستم و ارایه نسخه‌های جدید توسط ارایه‌دهنده و نیز ارایه مطالب آموزشی مفید در ارتباط با نرم‌افزار یکی از ویژگی‌های یک سیستم هوش تجاری است.

کاربرد هوش تجاری در صنعت بانکداری

در حال حاضر، مخازن داده الکترونیکی بسیار بزرگی به وسیله بانک‌ها و دیگر مؤسسات مالی در دنیا نگه‌داری می‌شود. 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 دیگرهوش 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 استبه 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.

ارائه هوش تجاری کاربردی و موثر (Operational BI) در بانک‌ها باید بر پایه چهار اصل کلی استوار شود:

برخی از کاربردهای استفاده از BI در صنعت بانکداری ایران:

از جمله کاربردهای هوش تجاری و داده‌کاوی در صنعت بانکداری عبارتست از:

عملیاتی کردن هوش تجاری و بهره‌گیری از کاربردهای آن مزایای رقابتی زیادی دربانک‌ها ایجاد می‌کند و بسترهای مناسبی را جهت سرمایه‌گذاری افزایشی در زمینه فناوری اطلاعات به‌وجود می‌آورد. مزایا و عوامل کاربردی هوش تجاری و داده‌کاوی در صنعت بانکداری و نیز تاثیر تکنولوژی‌های نوین بر این مقوله جایگاه بررسی و تامل فراوان دارد.

 از جمله کاربردهای هوش تجاری و داده‌کاوی در صنعت بانکداری عبارتست از:

نقش هوشمندی تجاری در بازاریابی صنعت بانکداری:

هوش تجاری در بازاریابی صنعت بانکداری باعث ایجاد برتری رقابتی با استفاده از ابزارهای قدرتمند تحلیل رقبا و همچنین باعث ایجاد نظارت هوشمند بازار و شناسایی تغییرات آنی و فرآیند بالابردن سوددهی سازمان در بازار رقابتی می‌شود. هوش تجاری بر بازاریابی، کشف تقلب، تشخیص میزان ریسک در موارد مختلف، تعیین استراتژی های آینده بانک، سودآوری سازمان، خلاقیت نیروی انسانی، عملکرد کارکنان، داشبورد مدیریتی، رضایت‌مندی و وفاداری مشتریان، کشف تقلب بازاریابی، قابلیت پردازش داده‌ها را در کمترین زمان و با دقت بالا در بانک ها تأثیر دارد.

الزامات رگلاتوری برای بانک‌ها و مؤسسات مالی؛ همگام با تغییرات تکنولوژی، تغییرات دموگرافیک و تغییر انتظارات مشتریان، مسبب تعریف و تبیین قوانین جدید به ‌طور مستمر شده است.  تجربه ورشکستگی و برآورده نشدن انتظارات مشتریان توسط بانک‌ها و مؤسسات مالی در طول تاریخ صنعت بانکی در جهان منجر به کاهش اعتماد مشتریان و درنتیجه افزایش انتظارات در حوزه امنیت و مدیریت ریسک شده است؛ تا جایی که نبود تضمین امنیت داده، مالی، وعده‌های درآمدی و غیره منجر به ورشکستگی و سقوط بانک یا مؤسسات مالی می‌شود.

باوجوداینکه قانون‌گذار، بستری برای کاهش ریسک بانک‌ها و مؤسسات مالی و افزایش اعتماد مشتریان ایجاد کرده است، مدیریت ریسک و تضمین امنیت برای هر بانک و موسسه مالی نمی‌تواند فقط محدود به قوانین تعیین‌شده باشد. شناخت ریسک‌ها و خطرات منحصربه‌فرد هر موسسه و مقابله با آن جزء، از نیازهای اساسی و حیاتی مؤسسات و بانک‌هاست.

ابعاد مختلف آن ازجمله ریسک‌های نقدینگی، اعتباری، شهرت، بازار و … در صنعت بانکی، توسط متخصصان ریسک در حوزه مالی و بانکی قابل‌تشخیص است. تحلیل و مدیریت ریسک در هر سازمان مبتنی بر داده‌های صنعت است. داده‌های داخل و خارج از سازمان شامل اطلاعات سایر بازیگران صنعت، نرخ ارز، روندهای رفتاری مشتریان و … بر تحلیل ریسک تأثیر می‌گذارد.

باهدف حداقل کردن زمان و هزینه آماده‌سازی داده‌ها و تضمین کیفیت و صحت آن‌ها و تهیه شاخص‌های کلیدی تحلیل ریسک، استخراج دانش و تهیه گزارش‌های مبتنی بر استانداردها و چارچوب‌های مدیریت ریسک (BASELIII، CAMELS و …)، استفاده از ابزارهای هوش تجاری گریزناپذیر است.

در میان اقدامات واحد مدیریت ریسک در بانک‌ها و مؤسسات که شامل تهیه انباره ریسک، تعیین حدود برای هر ریسک، تدوین استراتژی مدیریت ریسک و پروسه‌های موردنیاز برای اجرایی کردن آن، ارزیابی داخلی ریسک، برنامه‌ریزی برای سرمایه و نقدینگی بانک، آزمون‌های بحران و گزارش دهی است، وظیفه هوش تجاری تنها به جمع‌آوری و یکپارچه‌سازی داده‌ها و به‌طور خاص در مدیریت ریسک، به تهیه انباره ریسک خلاصه نمی‌شود.

در یک پروژه مدیریت ریسک، متخصصان حوزه‌های داده، آمار، مالی و ریسک، نقش اصلی در تعیین شاخص‌ها، حدود ریسک و نحوه اندازه‌گیری آن‌ها دارند. متخصصان در قالب واحد مدیریت ریسک بانک با استفاده از قوانین داخلی و بین‌المللی حدود ریسک را برای بانک یا موسسه مالی خود بومی‌می‌کنند و استراتژی مدیریت ریسک را تدوین می‌کند.

ابزارهای هوش تجاری در کنار جمع‌آوری و افزایش سطح کیفی داده‌ها، ارزیابی انواع شاخص‌های ریسک در کوتاه‌ترین زمان و باکیفیت موردنیاز فراهم می‌کند. همچنین با استفاده از ابزارهای داده‌کاوی و هوش مصنوعی می‌توان به پیش‌بینی، تعریف سناریو و انجام آزمون‌های بحران پرداخت.

اقدامات فوق باید باهدف ایجاد بینش نسبت به وضعیت سازمان از منظر انواع ریسک در حوزه‌های مختلف سرمایه‌گذاری، نقدینگی، دارایی و بدهی، تسهیلات و … صورت گیرد. همچنین باعث بهبود و تسریع فرآیند تصمیم‌گیری در خصوص تخمین سرمایه موردنیاز و نقدینگی کافی برای مقابله با ریسک‌های موجود برای بانک یا موسسه مالی شود.

در راستای اجرایی کردن پروژه مدیریت ریسک مبتنی بر هوش تجاری در بانک، علاوه بر گزارش‌ها و داشبوردهای شاخص‌های کلیدی عملکرد، سامانه‌های متعددی با به‌کارگیری تکنیک‌های داده‌کاوی و هوش مصنوعی طراحی‌شده‌اند. ازجمله این سامانه‌ها می‌توان به سامانه مبارزه با پول‌شویی (AML: Anti Money Laundering)، سامانه ذی‌نفع واحد، سامانه کشف تقلب و سامانه مدیریت دارایی و بدهی (Asset Liability Management) اشاره کرد.

این سامانه‌ها علاوه بر توانمندسازی سازمان در مقابله، انتقال و کاهش ریسک، به بهبود عملکرد در حوزه سودآوری نیز کمک می‌کند. برای مثال سامانه «مدیریت دارایی و بدهی» درواقع مکانیزمی‌است برای رویارویی با ریسک‌های ناشی از ناهم‌خوانی دارایی و بدهی‌ها به علت تمرکز این سامانه بر سودآوری بادوام؛ و در کنار آن ارزیابی ریسک نرخ بهره و حاشیه سود خالص (Net Interest Margin) صورت می‌گیرد. امنیتی که از طریق این سامانه فراهم می‌شود فرصت‌های بهبود ارزش ویژه (Net Worth)  را پیش روی بانک قرار می‌دهد.

در حال حاضر بر اساس الزامات بانک مرکزی برخی از سامانه‌های مدیریت ریسک مانند سامانه مبارزه با پول‌شویی در بانک‌ها و مؤسسات مالی کشور پیاده‌سازی شده است؛ اما هنوز جای خالی داشبوردها و گزارش‌های شاخص‌های کلیدی مدیریت ریسک، سامانه‌های «کشف تقلب»، سامانه «مدیریت دارایی و بدهی» و سامانه‌های مبتنی بر هوش مصنوعی برای پیش‌بینی و اجرا کردن «آزمون‌های بحران» در بسیاری از بانک‌های داخلی احساس می‌شود.

تقلب عملی عمدی است که منجربه به افزایش ناعادلاتی و یا قانون شکنی میشود و تقلبهای مالی به سوء استفاده از قوانین، نقض قوانین و مقررات مالی، و سوء رفتار اخلاقی در تجارت اشاره دارد که شامل گزارشگری مالی متقلبانه، سوء استفاده از داراییها، تهیه درآمد غیر قانونی یا داراییهای غیرقانونی است. تشخیص تقلب در بانکها عبارت است تلاشهای مستمر و مداوم بانکها که خود را در مقابل هر اقدامی که چه بصورت عمدی یا حذف و از قلم انداختن که به منظور فریب و اغفال دیگران صورت میگیرد محافظت نماید و با انجام اصول پیشگیرانه شرایطی را فراهم سازند تا بانک بتواند به نحو موثر، خطر وقوع تقلب را مدیریت کند.

سیستمهای شناسایی تقلب به عنوان ابزار مقابله و پیشگیری در برابر افراد سودجو و متقلب مورد استفاده قرار میگیرد. با پیشرفت بیشتر در زمینه استفاده از فناوری اطلاعات و شکل گیری  بانکداری الکترونیکی بستر مناسبتری برای انجام تقلب، کلاهبرداری و اختلاس در موسسات مالی و بانکها فراهم شده است. سیستم کشف تقلب؛ بازرسان، حسابرسان و مدیران بانکی را در جهت نظارت و تحلیل تراکنشهای مالی همراهی مینماید. با پیشرفت فناوری اطلاعات و شکل گیری بانکداری الکترونیکی بستر مناسبتری برای انجام تقلب، کلاهبرداری، اختلاس نفوذ و دسترسی غیر مجاز به اطلاعات در موسسات مالی و بانکها فراهم شده است.

این سیستم بعنوان یکی از دغدغه های صنعت بانکداری، با استفاده از تکنولوژیهای جدید، امکان بررسی داده های حجیم را برای شناسایی افراد متقلب و مشکوک در اختیار بانکها و موسسات مالی قرار میدهد و یادگیری مهمترین خصیصه آن محسوب  میشود. ماژولهای تشخیص تقلب این سیستم عبارتند از : ماژول کارت، حسابداری، مشتری، بانکداری خرد، تسهیلات، مدرن به همراه بسیاری امکانات اضافه مانند انواع بازرسی ها و افزودن قوانین جدید به سیستم.

اصطلاح مدیریت پورتفولیو مالی به معنای مجموعه سرمایه گذاری است. به عبارت دیگر، سرمایه گذاری در بیش از یک دارایی یا ورقه بهادار مجموعه سرمایه گذاری (Portfolio) نام دارد.

نرم افزارهای کاربردی در هوش تجاری می باشد که جهت برقراری ارتباط و تعامل با مشتری در جهت ارائه خدمات بانکی و به منظور برآورده نمودن نیازهای خاصی طراحی و پیاده سازی گردیده است.

پولشویی عملی غیرقانونی است که درآمد حاصل از خلاف شرع و یا قانون طی فرآیندی ساده و یا پیچیده قانونی می شود، یا به عبارتی پول کثیف ناشی از خلاف، تبدیل به پولهای به اصطلاح تمیز می گردد و در بدنه اقتصاد به جریان میافتد.

بازل، معیاری جهانی برای ارزیابی سلامت مالی بانک ها شده که هدف اصلی آن جلوگیری از کاهش سرمایه بانک ها و ایجاد زمینه فعالیت همسان برای بانک های بین المللی میباشد و به موجب آن تمام دارایی بانکها را بسته به میزان ریسک اعتباری وام گیرنده به چهار دسته با وزن ریسک از صفر تا 100 درصد طبقه بندی می کند.

داشبوردهای مدیریتی در سازمانها یک مفهوم جدید در مدیریت اطلاعات ارایه داده است و ابزار دیداری داده های حیاتی که مجموعه انبوهی از تحلیل های مربوط به فرآیند مدیریتی را در زمینه های مورد نیاز به افراد ارایه می دهد.

            متوازن و اصول مدیریت

براساس این سیستم، عملکرد سازمان های مالی با توجه به چهار محور مالی، مشتری، فرایندهای داخلی و رشد و یادگیری کارکنان، مورد ارزیابی قرار گرفته است. از این رو در برنامه عملیاتی چالش ها و شاخص های هر محور شناسایی وتعیین چالش ها، شاخص ها وفرایند هدف گذاری بر اساس اصول مدیریت بر مبنای (Management by Objective) هدف قرار گرفته است.

عملیاتی کردن هوش تجاری و بهره‌گیری از کاربردهای آن مزایای رقابتی زیادی دربانک‌ها ایجاد می‌کند و بسترهای مناسبی را جهت سرمایه‌گذاری افزایشی در زمینه فناوری اطلاعات به‌وجود می‌آورد. مزایا و عوامل کاربردی هوش تجاری و داده‌کاوی در صنعت بانکداری و نیز تاثیر تکنولوژی‌های نوین بر این مقوله جایگاه بررسی و تامل فراوان دارد.

کاربردهای هوش تجاری در صنعت بانکداری / چهار اصل مهم در استقرار BI در بانک‌ها

بقا و پیشرفت صنعت بانکداری و خدمات مالی در سایه یک محیط تراکنشی و مبادله‌ای امن میسر است. در مواجهه با اقتصاد نامطمئن جهانی، مقررات سخت‌گیرانه و توقع مشتریان، متخصصان بانکی ناگزیر از به کارگیری راهکار توسعه استراتژی حفظ اعتماد مشتریان موجود و به دست آوردن مشتریان جدید هستند. جهت موفقیت در امر بانکداری و سرمایه‌گذاری مالی، بانک‌ها باید مشتریان سودآور را شناسایی و حمایت کنند. همچنین در بهبود وضعیت عملیات در سطح کاربران بکوشند و با نظارت بر هوش کسب و کار عمل‌گرا به درک و بهبود عملکرد نمونه کار‌ها با ابزارهای هوش تجاری بپردازند. هوش تجاری واقعی (BI) می‌تواند امکان رشد و اطمینان از موفقیت در سرمایه‌گذاری بانک را پشتیبانی کند.

هوش تجاری مجموعه توانایی‌ها، تکنولوژی‌ها، ابزار‌ها و راهکارهایی است که به درک بهتر مدیران از شرایط کسب و کار کمک می‌کند. ابزارهای هوش تجاری، دیدگاه‌هایی از شرایط گذشته، حال و آینده را در اختیار افراد قرار می‌دهد. با پیاده‌سازی راهکارهای هوش تجاری فاصله موجود بین مدیران میانی و مدیران ارشد و حتی کاربران نهایی از دیدگاه ارتباط اطلاعاتی از میان خواهد رفت و اطلاعات مورد نیاز مدیران در هر سطح، در لحظه و با کیفیت بالا در اختیار آن‌ها قرار خواهد گرفت.

همچنین کار‌شناسان و تحلیل‌گران می‌توانند با استفاده از امکانات ساده، فعالیت‌های خود را بهبود بخشند و به نتایج بهتری دست پیدا کنند. در واقع هوش تجاری بر مبنای یک هدف ساده پیاده‌سازی می‌شود: «بهبود کارایی با ایجاد بستر مناسب برای تصمیم‌سازی در سازمان». هنگامی که دیدگاه مدیران نسبت به داده‌های سازمانی کامل و جامع است، می‌توان به تصمیمات اتخاذ شده اطمینان کامل داشت و مطمئن بود این تصمیمات سازمان را در شرایط رقابتی حفظ می‌کند و همچنین اهداف تعریف شده سازمان به دست خواهد آمد.

هوش تجاری، نه به عنوان یک محصول و نه به عنوان یک سیستم، بلکه به عنوان یک معماری و رویکردی جدید مورد نظر است که البته شامل مجموعه‌ای از برنامه‌های کاربردی و تحلیلی است که به استناد پایگاه‌های داده عملیاتی و تحلیلی به اخذ تصمیم و کمک به تصمیم‌گیری برای فعالیت‌های هوشمند تجاری و کسب و کار می‌پردازند.

دوره های مرتبط

دوره کامل تضمینی هوش تجاری با رویکرد کسب درآمد در داخل و خارج از کشور

 

آنالیز داده و هوش تجاری یکی از پردرآمدهای شغل های دنیا چه در داخل کشور و چه خارج از کشور است. ما در دوره آموزشی  صفر تا صد هوش تجاری را به صورت تضمینی آموزش میدهیم.

آموزش ویدیویی هوش تجاری در SQL

 

شما در این دوره آموزشی (آموزش ویدیویی هوش تجاری در SQL) با مفاهیم و اصول هوش تجاری در SQL آشنا می شوید.

آموزش صفر تا صد طراحی؛ تحلیل و پیاده سازی سامانه های حرفه ای هوش تجاری با پاور بی آی

 

آموزش صفر تاصد طراحی، تحلیل و پیاده سازی سامانه های حرفه ای هوش تجاری با پاور بی آی در 98 ساعت و توسط اساتید مجرب آماده شده است.

آموزش صفر تا صد داشبورد سازی در سی شارپ

 آموزش کامل و پروژه محور مباحث به همراه مثال کاملا عملی در محیط سی شارپ که یک محیط برنامه نویسی ماکروسافتی می باشد. دوره آموزش داشبورد سازی در سی شارپ شامل ساخت یک داشبود زیبا در محیط سی شارپ به کمک کامپوننتهای ssrs و Chart.js می باشد. 

آموزش کاملا حرفه ای ویدیویی هوش تجاری در Oracle

آموزش ویدیویی هوش تجاری در Oracle ابتدا به بررسی ساختار کلی هوش تجاری اوراکل پرداخته و سپس به مراحل نصب نرم افزارهای مرتبط با کار خود می پردازیم. سپس مباحث آنالیز داده و فاندامنتال کار را بررسی کرده و در خصوص ریپازیتوری و مسایل مربوط به ان صحبت می کنیم.