نقش داده های بزرگ در صنعت بانکداری

طی دهه‌های گذشته صنعت بانکداری در راه تکامل خود با فراز و نشیب‌هایی در اجرای عملیات و ارائه خدمات مواجه بوده است. با کمال تعجب، بسیاری از بانک‌ها در بهره‌برداری و استفاده صحیح و مناسب از اطلاعات موجود در پایگاه داده خودشان ناموفق بوده‌اند. و این در حالی است که تقریبا همه بانک‌ها در فرآیندهای خود مقادیر زیادی داده ایجاد و گاه هزینه‌های گزافی برای جمع‌آوری و نگهداری آن‌ها صرف می‌کنند. برخی از کارشناسان صنعت بانکی رشد هفت برابری حجم موجود داده‌ها را تا سال 2020 برآورد می نمایند. امروزه فن آوری داده‌های بزرگ به‌عنوان راه حلی برای بهره‌برداری و استفاده این حجم از اطلاعات مطرح است.

داده‌های بزرگ برای بانک‌ها چه مفهومی دارد؟

علت تعلل استراتژی‌های مدیریت داده و راه حل‌های ذخیره سازی داده به شکل رایج و سنتی، در اجرای پروژه‌های داده های بزرگ چیست. طبق بررسی‌های انجام شده توسط واحد کسب و کار شرکت آی بی ام با همکاری یک از موسسات مطالعاتی تحقیقاتی اروپایی، عنوان شده است، در 63 درصد از بانک‌ها مهارت در داده های بزرگ، به عنوان یک مزیت رقابتی شناخته شده است. این در حالی است که 91درصد از آنها فاقد مهارت‌های کلیدی برای اجرای موثر این کار هستند، و تنها سه درصد گزارش کرده‌اند که در سازمان خود زیرساخت بهره‌برداری از داده‌‌های بزرگ را بطور مستمر مستقر کرده‌اند. بانک‌های بسیاری در حال تلاش در این زمینه هستند، اما به نظر می‌رسد تعداد کمی از آنها در این کار موفق باشند.

چه عاملی تلاش بانک‌ها در این زمینه را خنثی می‌کند؟

در اکثر مواقع بانک‌ها در مواجهه با الزامات یک کار جدید مانند ورود به پروژه داده‌های بزرگ، تنها به تجربه‌های قبلی در به کارگیری فنآوری‌ها و متدولوژی‌هایی که در چرخه عمر توسعه و استقرار نرم افزار کسب کرده اند. توجه و اکتفا می‌کنند. تکنولوژی‌های سنتی، به‌ویژه رایج‌ترین آنها در ذخیره داده‌ها (مثل پایگاه‌های داده رابطه‌ای)، برای به اجرا درآوردن مدل‌های ساختار یافته و بهینه سازی عملکرد پردازش در یک محیط سخت افزار محدود طراحی شده بودند. در نتیجه، خیلی از کارشناسان فنآوری بانک‌ها به تبدیل داده‌های مورد استفاده جهت پاسخ‌گویی به این محدودیت‌ها می‌پردازند، از جمله تجمع برای برآورده ساختن محدودیت مقیاس پذیری و نرمال سازی داده‌ها برای برآوردن محدودیت‌های مدل داده‌ای.

در این مسیر، ادغام و نرمال سازی داده می‌تواند نقاط ضعف متعدی را موجب شود:

شماهای داده‌ای ثابت، انعطاف پذیری در پاسخ گویی به تغییرات داده‌ای را پشتیبانی نمی‌کند.

اصل و نسب (خطوط اصلی) داده‌ها ممکن است بعد از تجمع و خلاصه سازی از دست برود.

حاکمیت و نظارت داده‌ها، زمانی که جریان داده‌ها در چند مرحله مورد توسعه قرار می‌گیرد و باید پاسخ‌گوی نیازهای مراحل مختلف باشد ضعیف می‌شود.

این نقاط ضعف، باعث اختلال در موفقیت طرح داده‌های بزرگ است، که در آن موضوعاتی مانند انعطاف‌پذیری ساختار داده، دانه‌بندی مناسب و دقیق‌تر داده‌ها، و بهبود قابلیت ردیابی داده‌ها،لازمه اصلی و بنیادین برای اثربخشی تحلیلی داده‌هاست. در نتیجه معماری مدیریت اطلاعات به شکل سنتی معمولا در این زمینه مناسب نیست.

نیاز به رویکرد جدید

فنآوری داده‌های بزرگ نشان‌دهنده راه جدیدی برای بانک‌هاست که امکان تعامل و استفاده از داده‌های خود را برایشان فراهم می‌کند. در نتیجه بانک‌ها، نیازمند تغییر الگوهای خود برای طراحی، توسعه، استقرار و پشتیبانی راه حل‌های داده‌های بزرگ هستند. موجی از فنآوری در ارائه قابلیت‌های انعطاف‌پذیری و مقیاس‌پذیری مورد نیاز، جهت این تغییرات پدید آمده است. روش‌های جدید برای ذخیره سازی داده‌ها (به‌عنوان مثال، پایگاه داده‌های NoSQL) می‌تواند بار از بین بردن تعریف ساختار و توانایی ذخیره‌سازی ارزان داده‌ها را متحمل شود. نرم افزارهای توزیع داده‌ها و محاسبات روی آن‌ها (مانند هادوپ) به درجه‌ای از بلوغ رسیده‌اند که می‌تواند عملکرد مورد انتظار از یک پلتفرم مدرن را، در حالی که این حجم از داده قبلا هرگز مورد استفاده واقع نشده است، ارائه کند.

دقیقا زمانی که بانک‌ها نیازمند ارزیابی مجدد فنآوری‌ها هستند، روش‌های پیاده‌سازی و اسقرار داده‌های بزرگ نیز باید تغییر یابد. متدولوژی‌های توسعه‌ای چابک به منظور ایجاد امکان توسعه و استقرار سریع، تکرار شونده، و افزایشی بوجود آمده‌اند که می‌توانند در راستای دستیابی سریع به داده‌ها به طوری‌که مورد سنجش، درک، و تجزیه مناسب قرار گرفته باشند، مورد استفاده واقع شوند. امروزه اجزای تشکیل دهنده چارچوب‌های جامع داده‌های بزرگ در دسترس و آماده استفاده است و به نظر می‌رسد که زمان ورود بانک‌ها به این تکنولوژی فرا رسیده است.

بررسی جامع پیشرفت

تجزیه و تحلیل داده‌ها و اینترنت، کار نظارت و ارزیابی پیشرفت بانک‌ها را در حال حاضر نسبت به گذشته بسیار ساده‌تر کرده است، که این امر به‌واسطه دسترسی به حجم انبوهی از اطلاعات شخصی مشتریان امکان پذیر است. اما هم اکنون با فنآوری داده‌های بزرگ بانک‌ها قادر خواهند بود از این اطلاعات به‌طور مداوم برای نظارت رفتارهای تراکنشی و معاملاتی مشتریان خود، در زمان وقوع (و تقریباً به‌صورت بلادرنگ) استفاده کنند و این به بانک‌ها در ارائه خدمات و منابع مناسب‌تر کمک می‌کند. این سرویس‌های بلادرنگ موجب افزایش سودآوری کلی برای آن‌ها می‌شود. متناسب با میزان افزایش مشتریان بانک‌ها، الزام به ارائه خدمات متاثر از درخواست‌ها و نیازهای آن‌ها نیز بیشتر می‌شود. لیکن مسئولیت حفظ امنیت وجوه و اطلاعات شخصی مشتریان از مهم‌ترین موضوعات برای بانک‌ها محسوب می‌شود.

مزایای استفاده از داده‌های بزرگ برای صنعت بانکداری

برخی از مهم‌ترین کاربردهای داده‌های بزرگ در صنعت بانکی عبارتند از:

تغییر در سطح سرویس‌دهی

تشخیص و پیشگیری از کلاهبرداری

توسعه امکان گزارش‌گیری پیشرفته و مبتنی بر تحلیل

بخش‌بندی مشتریان

بازاریابی و مدیریت ارتباط با مشتری

مبارزه با پولشوئی

ارائه امکانات شخصی‌سازی محصولات به مشتری

مدیریت ریسک

بازرسی و نظارت و... .

منبع : ماهنامه پیوست / شماره 46