تحلیل هوشمندانه برای بانک¬ها

تحلیل پیشرفته(Advanced analytics) سازمان­های متعهد را برای داشتن عملکرد برتر توانمند می­کند؛ شرکت­ها در تمام صنایع، آن­هایی که با تحلیل(analytics) اداره می­شوند، تا سه برابر بیشتر در آن صنعت دارای عملکرد مطلوب مالی هستند.

صنایع با بالاترین بلوغ در تحلیل(analytics) شامل صنایع داروئی و تولیدات پزشکی، بیمه، انرژی، مواد و کشاورزی هستند. اما صنعت بانکی با سابقه طولانی در کاربرد داده­ها، از موقعیتی پیشتاز {حرکت خود را} آغاز می­کند. البته این مهم در مورد بانک­ها نسبی است؛ برخی هنوز از ظرفیت کامل تحلیل(analytics) با گنجاندن آن در فرهنگ، فرآیندهای تصمیم­گیری و عملیات خود بهره نمی­برند. در مک کینزی، آنالیز عمیقی از بیست بانک اروپایی و منطقه منا(خاورمیانه و شمال آفریقا مجموعاً EMEA) در شش بعد انجام گرفت که نشان می­دهد اقدامات اساسی برای استفاده از تحلیل آغاز شده است لیکن هنوز جا برای کار وجود دارد. این مطالعه پنج اصل که بانک­ها می توانند بازدهی خود را افزایش دهند، معرفی می کند:

1. هم­سو نمودن اولویت­های چشم­انداز استراتژیک و تحلیل(analytics): در نیمی از بانک­های موضوع تحقیق، تحلیل(analytics) تم راهبردی دارد اما عموماً تلاش دارند تا راهبرد تحلیل سطح بالا را به انتخابی هدف گذاری شده از مسیر اجرای کم دامنه(use cases) درآورده آن را هارمونیک پیش ببرند. این بانک­ها استفاده از تکنیک­های تحلیل را در چند حوزه شامل ریسک، نوآوری و فن­آوری، آغاز کرده­اند؛ اما نگاه بالا به پایین اجرا، ظرفیت بالقوه آن­ در فعالیت­های راهبردی را محدود می­کند.
2. وارد کردن فعالیت تحلیل در نظام تصمیم­گیری و جریان­ کار: مدیران ارشد در این تحقیق، به اهمیت تحلیل فاقفند اما اغلب از چگونگی توسعه آن، از چند پیش برنده به مجموعه­ای از پیش برنده­های دارای مقیاس، ناآگاهند. برخی بانک­ها نیز درگیر چالش نیروی فنی و قابلیت های مهندسی هستند. سایر {بانک هایی این منطقه نیز} هم فاقد برنامه تغییرفرهنگی برای پذیرش تصمیم­گیری مبتنی بر داده و تکرارهای سریع و چابک هستند.
3. توسعه ملزومات و تیم هایی تحلیل برای مقیاس پذیر شدن: برخی بانک­ها، ابتکارات و فعالیت­هایی را در تحلیل پیشرفته آغاز کرده­اند اما معدودی از آن­ها، این کار را به عملیاتی کارآمد و گسترده رسانده­اند. موارد موفق­تر، این اقدام را از طریق “مراکز تحلیل عالی خود” برای گسترش مقیاس تحلیل و تسریع اثرگذاری، گسترش می­دهند. اضافه شدن تحلیل(analytics)، فرصت­های متحول کننده را نمایان کرده و ارتباط با تأمین کنندگان(بازیگران) طرف­سوم را برای فراهم­شدن امکان توسعه قابلیت­ها، دانش و دارایی­های خارجی فعال می­کند.
4. سرمایه­گذاری بر روی نقش­های حیاتی تحلیل(analytics): بانک­ها در حال توسعه تیم­های تحلیل­گر خود برای تأمین نیازهای فنی از قبیل مهندس داده، متخصص داده، کارشناس مصورسازی و مهندسان یادگیری ماشین هستند. اما همزمان، در ایجاد قابلیت­های لازم برای درک متقابل میان نقش­ها با چالش مواجه هستند؛ در این میان مترجمان در نقش میانجی بین کارکنان واحدهای اصلی کسب و کار و متخصصین تجزیه و تحلیل ایفاء نقش می­کنند که معمولاً این عده از سمت بدنه کسب و کار گزینش شده­اند. آن­ها به متخصصین علوم داده برای درک مشکلات و اولویت­ها کمک می­کنند. از طرفی ایجاد اطمینان از انتقال بینش­های تحلیل­گران به سایر واحد­ها، ذیل نقش آن­ها تعریف می­شود که با این حساب، آن­ها باید به زبان هر دو سو، مسلط باشند.
5. انقلاب کاربری: بانک­ها منابع عظیمی از داده هستند که در بسیاری از حوزه­ها کاربرد دارد. اما شیوه­های استفاده از این داده­ها محدود بوده و عموماً درگیر رعایت الزامات و ضوابط امنیت، حریم خصوصی و تطبیق است؛ هر چند همین الزامات و چارچوب­ها، از جهت شفاف­سازی مالکیت و نگهداری بخش با کیفیت آن برای استفاده در تحلیل ها، نتیجه قابل توجهی ندارد.

بانک­های مورد توجه در این پژوهش طیفی از رویکردها را برای قراردادن تحلیل(analytics)درون DNA سازمان و موفقیت در آن نشان می­دهند. این مقاله به جزئیات یافته­ها از نمونه بانک­های انتخاب شده درمنطقه EMEA پرداخته و جزئیات بیشتری از پنج اقدام بایسته که بانک­ها را قادر به دستیابی کامل به ظرفیت تحلیل کرده است، معرفی می­کند.

هم­راستا کردن اولیت های تحلیل و چشم انداز استراتژیک

تحلیل پیشرفته به ویژه در چند سال اخیر، مسیر تکامل را طی کرده­است. اکثر بانک­ها می­توانند ادعا کنند راهبردی در این حوزه دارند یا اقداماتی را به شکل کم دامنه(use cases)در حال اجرا دارند. با این وجود در بسیاری موارد بین یوزکیس­های تعریف شده توسط واحدهای کسب و کار، اهداف کمی سطح بالای سازمان و تمایل به استفاده از تحلیل پیشرفته در سه سال آینده برای تحقق اهداف، گسست وجود دارد.

از میان بانک­های مورد مطالعه، 30درصد “تلاش” و “اهداف کسب و کار” را منطبق نموده­اند. البته مجموعه­هایی که حائز امتیاز بالا در بلوغ تحلیل شده­اند در 60درصد این هم­سوسازی موفقیت داشته­اند.

گام های بعدی:

بانک­ها در بیشتر موارد یوزکیس­های خود از تحلیل را متمرکز بر مدیریت فروش(همانند خرید محصول بعدی، بازاریاب دیجیتال و تحلیل معاملات)، مدیریت ریسک مالی و ریسک­های غیرمالی(همانند ریسک امنیت سایبری و کلاهبرداری) کرده­اند. این انتخاب­ها، اولین گزینه­های منطقی هستند اما آن­ها برای تحقق چشم­انداز تحلیل پیشرفته(Advanced analytics) در کل سازمان نیازمند نقشه راه هستند.

قبل از آغاز هرگونه سعی و تلاش کم دامنه، بانک­ها باید حوزه­هایی که در تحلیل موجب ارتقاء ارزش پیشنهادی در خط استراتژی کسب و کار می­شود را شناسائی کنند. با گذشت زمان، آن­ها می­توانند برنامه­های خود را به سایر بخش­های عملکردی گسترش دهند و مقاصد بلند پروازانه خود را در سال­های آینده تعیین­کنند.

در تمام صنایع، رهبران تحلیل نه­تنها در واحدهای کسب و کار اصلی، بلکه در تمام بخش­های عملیاتی، تحلیل را تعبیه می­نمایند. این مهم برای بانک­ها هم صادق است؛ {در این مطالعه} بیش از نیمی از آن­ها، یوز کیس­ها را در سه یا چند حوزه عملکردی تعریف کرده­اند.

جاسازی تحلیل، درون نظام تصمیم گیری و جریان کارها:

بانک­ها با چالش جدی برای تبدیل چشم انداز تحلیل به نتایج تجاری و انتشار ارزش کامل آن مواجه هستند که ما در این مقاله به آن “توجه به آخرین نقطه عطف” می­گوئیم. همچنین در کنار چالش­های فنی و مهندسی، بهرگیری از تحلیل پیشرفته نیازمند تطبیق کسب و کار و مدیریت تغییراست. براساس حساب و کتاب بانک­های مورد بررسی، تنها 7درصد از آن به یکپارچگی بین یوزکیس­ها دست یافته­اند.

علاوه براین، بسیاری از رهبران صنعت بانکی هنوز ذهنیت داده­محوری را در تصمیم گیری­های خود ندارند{به این دلیل که} تنها 15 درصد پاسخ دهندگان {در این تحقیق} معتقدند رهبران بانک آن­ها به شکل جدی بر مبنای تحلیل تصمیم­گیری می­کنند و فقط 20درصد از بانک­ها معتقدند که رهبرانشان با بینش­های منبعث از تحلیل در برابر باورهای قبلی خود، متقاعد شده و تصمیم گرفته­اند. در بسیاری موارد این فهم به شکل شفاف از سوی مدیریت ارشد به خط مقدم منتقل نمی­شود. بدون وجود این تغییر نگاه­ها، تیم کسب وکار در فهم از قدرت تحلیل شکست می­خورند و مدیران روابط سازمانی(relationship manag­ers)، تیم­های بازاریابی و پذیره­نویسان اعتباری(credit underwriters) انگیره­ای برای تغییرات ضروری در ذهنیت خود ندارند. بر همین اساس درحالی که تیمی از تیم­های مدیریت حاضر در پژوهش مدعی فروش خدمت برمبنای قابلیت تحلیل هستند فقط 25درصد از آن­ها چگونگی ارتباط بین تغییر و توسعه از طریق تحلیل را موثر روایت می­کنند و تنها 20درصد موفق به گسترش سرمایه­گذاری موفق و مقیاس پذیر در تحلیل می­شوند.

حتی سازمان­های “آگاه به داده­” هم در کسب نگاهی جامع و مشارکت گسترده مدیریت میانی و ایجاد خط مقدم “قابل”برای گسترش توان تحلیل در سراسر سازمان ناتوان هستند.

گام های بعدی:

تقریباً در دوسوم بانک­هایی که تحلیل را کاربردی کرده­اند، حامیان مدیران ارشد، برنامه­ها و گزارش پیشرفت آن ها را اطلاع­رسانی می­کنند. این ارتباطات باید چگونگی اثر بخشی و مکمل شدن تحلیل، در میان روشهای تثبیت شده فعلی را تبیین کنند.

بعد از تعریف یوزکیس­ها مرتبط با استراتژی، صاحبان تمام کسب و کارها را شناسایی کنید تا از حالت محدود (پایلوت) به مقیاس تغییر داده و مسئولیت­ها و انگیزه­ها را جهت اخذ بیشینه اثربخشی برقرار کنید.

در مراحل اولیه، بانک­ها باید چشم­اندازهای قابل ارائه و تصمیمات لازم را در نظر بگیرند. متخصصان مصور سازی داده­ها، طراحی تجربه و رابط کاربری و اقتصاددانان رفتاری، همه می­توانند ایفاء نقش نموده و می­توانند گردش کار، ابزار دیجیتال و فرآیندهای تصمیم­گیری را دوباره شکل­دهی کنند.

بانک­ها همچنین باید “تلاش و سرمایه”خود را برای تکمیل “آخرین نقطه عطف” بکار ببرند. شرکت­هایی که در مرحله بلوغ تحلیل هستند معمولاً تا نیمی از سرمایه را صرف درونی­سازی “تصمیم­گیری در فرآیندها” و “تعریف جریان­کار”، “قابلیت­های تیم” و “تحویل­موثر”می­کنند. بانک­ها می­توانند چالش­های اصلی تطبیق با تحلیل را از طریق ارائه بینش­هایی برخط عملیاتی به کارکنان خط مقدم، ایجاد KPIsشهودی و اطمینان از حرکت مالکان کسب وکار “از ایده به سمت اجرا”، بر طرف نمایند.

از نظر عملیاتی، مدیران باید پیچیدگی­های مربوط به تحلیل را در بین فعالیت­ها قراردهند. مثلاً آیا بانک­ها از منطق روشمند برای ترسیم پیشنهاد محصول به بخش­های اصلی مشتریان پیروی می­کنند یا از روش­های پیچیده یادگیری ماشین برای هدف­گذاری محصول پیشنهادی به خرده بخش­ها کمک می­گیرند یا کارکنان خط مقدم و نمایندگان مراکز تماس(call-center agents ) نیازی به آگاهی از فن­آوری زیرساختی هنگام ارائه بهترین اقدام بعدی {خود به مشتری} ندارند.

دارایی های تحلیل پیشرفته­ی تیم ها را برای اندازه های بزرگ توسعه دهید:

بانک­ها رویکردهای متفاوتی را برای تعیین تیم­های تحلیل خود دنبال می­کنند. چهل درصد بانک­ها رویکردی ترکیبی با تمرکز بر نبوغ CEOها را دنبال می­کنند که راهکارهایی برای سراسر بانک و متوازن کردن تلاش­های مرتبط با تحلیل درون واحدهای کسب و کار ارائه می­دهد. یک­چهارم رویکردی غیرمتمرکز و مابقی هم رویکردی متمرکز اتخاذ می کنند.

رویکرد غیرمتمرکز زمانی موثر است که نیاز به نزدیک شدن به واحد کسب و کار برای القاء(تزریق) تخصص و “هدایت برای انطباق” وجود داشته باشد و همین­طور زمانی که اولویت کمتری برای اختصاص به مقیاس پذیری سریع و پیوسته بین واحدهای تجاری وجود داشته باشد. تمرکز برای سازمان­هایی مناسب است که سفر استقرار نظام تحلیل را آغاز کرده و در پی ایجاد قابلیت­های گروهی و خط­مشی و زبان منسجم هستند. حالت ترکیبی با CEO جهت استراتژی را مشخص می­کند، از آخرین روش­های پیشرفته آگاه می­ماند و سازمان را به سمت فرهنگ چابک هدایت می کند.

گام های بعدی:

بانک­ها باید متمرکز بر ساختن قابلیت­های تحلیل پیشرفته برای جذب فرصت­های تحولی و ارتباط با فروشندگان ثالث(third-party-vendor) که بانک­ها را توانمند در اهرم­کردن داشته­های موجود می­کند باشند و همچنین بر زیرساخت­ها تمرکز کنند. این تلاش­ها با مراکز عالی(centers of excellence/COE) مهندسی شده برای بهره­گیری از یوزکیس­های موفق آغاز می­شود. برپایه­ی این شرایط و استفاده از موفقیت­های سریع، پیش­نیاز ساختن سازمان داده­محوراست.

رویکردی اثبات شده در طراحی اجزاء اصلی برای COE عبارت است از شناسایی فرصت­های تأثیرگذار، ایجاد خطوط گزارش­ومالکیت، استخدام و آموزش، توسعه مدل تحلیل و ساختن قابلیت­های تحلیلی در سطح سازمان

سرمایه گذاری روی نقش­های تحلیلی:

بانک­{های حاضر در این تحقیق} برای تحلیل، استعداد ندارند. تعداد کمی از مدیران، نفرات دقیق متخصصان داده و دانشمندان علوم داده، مهندسان و معماران و همین­طور ارائه­کنندگان و مالکان درون سازمان خود را می­دانند یا می­توانند نقش آن­ها را تعریف کنند، از این رو جای تعجب ندارد که 80درصد بانک­های مورد بررسی جذب نخبه­های تحلیل را دشوار می­پندارند.

سازمان­ها نیازمند مهارت­های گوناگون و نقش­های به درستی تعریف شده و روش­های عملیاتی هستند تا بتوانند کسب و کار، تحلیل و فن­آوری را دور هم جمع کنند. یافته­های ما نشان می­دهد که ذینفعان معتقدند تنها 20درصد بانک­ها به تحلیل توجه بایسته دارند و فقط 14درصد گزارش داده­اند که به تیم­های داده، معماران و مهندسان مسئولیت­های روشنی داده شده است.

صرف­نظر از ساختارسازمانی، بانک­ها بر تبیین نقش حیاتی مترجمان و سفیران که توجیه کننده اثربخشی تحلیل در مشکلات سازمانی هستند، کم تأکید دارند.

مترجمان عموماً با مهندسان داده و متخصصان داده هماهنگ می­شوند تا راهنمای شده و مشکلات کسب و کار را به “زبانی قابل درک” توضیح دهند و بعد از آن اطمینان ایجاد کنند بینش­های اجرایی و تصمیمات واحدهای کسب و کار یکپارچه شده­اند. این گروه معمولاً از واحدهای تجاری تأمین می­شوند و اجازه دارند به گسترش آگاهی از تحلیل اقدام نمایند به ویژه در سازمان­ها و کسب و کارهایی که سوادداده در آن­ها نقش پررنگ­تراست.

گام های بعدی:

بانک­ها نیازمند سرمایه­گذاری در تحلیل، گسترش استخدام و رقابت با شرکت­های فن­آوری برای جذب استعدادهای حوزه مترجم، کارشناس داده و مهندسان هستند. آن­هایی که دست آوردهای خوبی دارند بر روی نخبه­های تحلیل تمرکز کرده و حمایت از تحلیل را در تمام واحدهای بانک برقرار می­کنند(همانند بازاریابی، ریسک، منابع انسانی، فن آوری و عملیات)

بانک­ها باید برنامه­های آموزشی ترتیب داده یا برنامه­های موجود را توسعه دهند تا از این رهگذر درک از تحلیل در تمام لایه­های مدیریت ارشد، رهبران تیم کسب و کار و حتی کارکنان غیرمرتبط گسترش یابد. چندین بانک بزرگ اروپایی، تسلط بر تحلیل را نه تنها برای مدیران اجرایی بلکه برای تمام رده­های مدیریت الزامی کرده­اند. به طور معمول ارتقاء به این دانش­ها دو سال و بیشتر زمان می­برد.

بانک­ها، همچنین باید دامنه و موارد تحت اقدام را افزایش دهند، ذی­نفع بیشتری را درگیر کنند و با فلسفه شکست سریع پیروزی سریع تطبیق پیدا کنند([1]FAIL FAST, WIN FAST)

اکثر بانک­های مورد بررسی به طور متوسط 20درصد سرمایه­گذاری خود بر روی تحلیل را برای سه سال آینده افزایش داده­اند و تا سه برابر تیم­های “تحلیل و مترجم” را افزایش داده­اند.

انقلاب کاربری را فعال کنید:

گردآوری و امنیت داده، اولویت اصلی بانک­های مورد بررسی است. بیش از نیمی از آن­ها وجود ساماندهی­هایی برای امنیت داده، حریم خصوصی و کنترل تطبیق دارند. با این وجود تنها یک­سوم آن­ها داده با کیفیت لازم برای تحلیل دارند.

علاوه بر این تلاش بانک­ها در حوزه تحلیل بیش از ایجاد ارزش استراتژیک، متمرکز بر اجابت الزامات نظارتی بوده است. تعداد کمی از این گروه راهبرد حوزه داده­ای دارند که از تلاش­های گسترده تحلیلی حمایت می­کنند و اندکی از آن­ها، دسترسی آسان به اطلاعات را برای کارکنان فراهم می کنند.

با این حال، به دلیل آگاهی که دارند، راهکارهای تحلیل خود را آغاز کرده­اند. تجهیزات و ابزار پیشرفته تحلیل گران قیمت و متخصصان خود را آماده و تحویل {واحدهای ذی ربط} داده­اند. اما موضوع استقرار و پیچیدگی­های آن وجود دارد. بیشتر بانک­هایی که مطالعه کرده­ایم بر مدل­های توصیفی و پیش­بینی­پذیر ساده تکیه دارند.

تکنیک­های پیچیده­تر، مانند تحلیل های بلادرنگ مربوط به یادگیری ماشین، در گام­های اولیه هستند.

گام های بعدی:

بانک­ها باید فرآیندهای مدیریت داده­ای خود را برای اطمینان از گردآوری مقدار کافی، در دسترس و اقدام پذیر برنامه­ریزی کنند. مخازن داده­های مرکزی(Central data repositories) (برای مثال data lakes) که دارای اطلاعات اولیه جامع در مورد تراکنش­های مشتری هستند، می­توانند مبنا قرارگیرند، اما مدیریت باید متوجه داده­های که ساختار دقیق ندارند همانند گزارش مراکز تماس باشد.

همچنین، بینش­های ارزشمندی را می­توان از اطلاعاتی که از بیرون سازمان، از سمت دولت، بنگاه­های تجاری، شرکت­های صنعتی و … به اشتراک گذاشته می­شود کسب کرد. همچنین تا حدی که امنیت داده­ها تضمین گردد، باید حق دسترسی برای استفاده آزاد فراهم شود.

رهبران تحلیل باید طیفی از ابزار برای فراخوان کردن داشته باشید.؛ مهمتر از آن باید بتوانند آن را در دل کسب و کار ببرند. بانک­های خط­مقدم در تحلیل، روشی برای توسعه مدل­ها، تفسیر داده­ها و به کارگیری قابلیت­های جدید برای ایجاد بینش­های بی­درنگ کسب و کار دارند.

این رهبران(بانک­های حاضر در تحقیق) پیوسته نتایج طیف وسیعی از مدل­ها را رتبه­بندی و پیاده­سازی می­کنند. برای بانک­ها، تحلیل پیشرفته، به جای عملکردی مستقل، باید قابلیتی توسعه­یافته باشد؛ موفقیت در این زمینه مستلزم آن است که بانک­ها ابزارها، سکوها و روش­ها را بازنگری کنند. برای پشتیبانی از این تغییر نگاه، بانک­های جلودار در این تحقیق در حال ایجاد کشش از سوی کاربران با دانشکده­های داخلی برجسته هستند. این برنامه­ها سواد تحلیل را برای همه کارکنان مورد توجه قرارداده و لمس­پذیری و اجرایی بودن یوزکیس­ها را به سازمان القا می­کند.

مک­کینزی پیش­بینی می­کند که شدت یافتن تحلیل منجر به افزایش درآمد سالانه تا یک تریلیون دلار در صنعت بانکداری جهان می­شود. این مزایا وسیع است اما یک سوم آن ناشی از کاهش تقلب و حدود 20درصد هم از قیمت گذاری و تبلیغات آگاهانه است. برای درک این مزایا، بانک­ها باید به تاریخچه طولانی خود در استفاده از داده­ها برای تبدیل شدن به رهبران تحلیل استفاده کنند.

[1]جوهره شکست سریع پیروزی سریع این است که تیم ها به سرعت از هر شکست یاد می گیرند و آن یادگیری از به سرعت در مورد بعدی به کار می برند. این امر یادگیری مستمر و بهبود را تسهیل می کند که منجر به موفقیت های سریع تر می شود. ارائه تکرارهای محصول در چرخه های سرعتی کوتاه، ارزش را سریعتر به مشاغل ارائه می کند.