مسعود خرقانی، متخصص فناوری اطلاعات بانکی نوشت:بیش از ۷۰ درصد مدیران بانکی در سراسر جهان می گویند که مشتری محوری برایشان مهم است. اما، دستیابی بیشتر به مشتری مداری نیازمند شناسایی و درک عمیقتر نیازهای مشتری میباشد. بر اساس تحقیقات انجام شده (Capgemini and EFMA, Retail Banking Voice of the Customer Survey,۲۰۱۳)، تنها ۳۷ درصد مشتریان بر این باور هستند که بانکها به اندازه کافی نیازها و ترجیحات آنها را درک میکنند.
افزایش حجم و تنوع دادههای مشتریان میتواند موجب غافلگیری بانکها گردد. استفاده مکرر از شبکههای وب و تلفن همراه به افزایش مداوم در تعداد تعاملات مشتری، و در نتیجه منجر به افزایش حجم دادههای مشتری میشود. با این حال، تنها از بخش کوچکی از این دادهها برای ایجاد بینش، از تجربه مشتری در بانکها استفاده میشود. برای نمونه، در سایر کشورها تحقیقات نشان میدهد که کمتر از نیمی از بانکها، دادههای خارجی مشتریان، از جمله فعالیتهای رسانههای اجتماعی و رفتار آنلاین آنها را تجزیه و تحلیل میکنند. علاوه بر این، تنها ۲۹ درصد از آنها سهم از کیف پول مشتریان را که یکی از اقدامات کلیدی رابطه یک بانک با مشتریان خود است را تجزیه و تحلیل میکنند. و این در حالی است که از بانکهای داخلی تقریباً هیچ یک، چنین کاری را انجام نمیدهند.
این قطعاً عجیب و غریب است با توجه به اینکه ارزش دادههای بزرگ برای رهبران کسب و کار در سراسر صنعت خدمات مالی روشن است.بیش از ۶۰ درصد از مؤسسات مالی در شمال امریکا، بر این باورند که تجزیه و تحلیل دادههای بزرگ، یک مزیت رقابتی قابل توجه به آنها ارائه میدهد. علاوه بر این، بیش از ۹۰درصدبر این باورند که با طرحهای مبتنی برbig data،موفق به تعیین برندگان آینده خواهند بود.با این حال، داشتن آگاهی نسبت به تاثیرات دادههای بزرگ، لزوماً به معنی سرمایه گذاری موفق در این زمینه نشده است، و تنها ۳۷ درصد از بانکها بهصورت عملی پیاده سازی big data را تجربه کردهاند. در حالی که اکثر بانکها هنوز بر روی پایلوتهای آزمایشی تمرکز دارند.
طی بررسیهای صورت گرفته برخی از دلایل فاصله بین اراده و تصمیم برای تجربه عملی و دستیابی به طرحهای مبتنی بر big data، با اقدامات مشخص و واضحی که باید انجام شود، عبارتند از:
نیاز به پرکردن خلاء مهارتهای مورد نیاز، برای پیاده سازی و توسعه
بانکها باید به مجموعه مهارتهای جدید برای تجزیه و تحلیل دادههای بزرگ مجهز شوند. مهارتهای جدید مدیریت دادهها، از جمله برنامه نویسی، ریاضی، و مهارتهای آماری فراتر از آنچه برای برنامههای کاربردی تجزیه و تحلیل سنتی لازم است. به عنوان مثال: "دانشمندان داده"، که باید نه تنها آشنایی خوبی، در فهم مسائل، تجزیه و تحلیل و استنتاج تحلیلی، و فناوری اطلاعات داشته باشند، بلکه باید توانایی برقراری ارتباط مؤثر با تصمیم گیرندگان را نیز دارا باشند. اما، این ترکیبی از مهارتهای کمیاب است، و در واقع سه چهارم از بانکها منابع مناسب برای به دست آوردن ارزش از big data را ندارد.
بانکها همچنین با چالش آموزش کاربران نهایی دادههای بزرگ مواجه هستند، که ممکن است خود کارشناسان داده نباشند، اما نیاز به استفاده از دادهها به منظور تصمیم گیری دارند.
عدم تمرکز استراتژیک:نگرش به big data فقط به عنوان یکی دیگر از پروژههای فناوری اطلاعات
دادههای بزرگ نیاز به فن آوری و فرآیندهای جدید برای ذخیره، سازماندهی، و بازیابی حجم زیادی از دادههای ساخت یافته و غیر ساخت یافته دارد. روشهای متداول (سنتی) مدیریت داده توسط بانکها، الزامات دادههای بزرگ را برآورده نمیکنند.به عنوان مثال، روشهای موجود بر روی یک مدل دادهای رابطهای که در آن روابط در داخل سیستم ایجاد شده بستگی دارد و سپس تجزیه و تحلیل بر روی آن انجام میشود. اما درbig data، ایجاد روابط رسمی با انواع دادههای بدون ساختار و انجام عملیات روی آنها دشوار است. برهمین منوال، در بسیاری از پروژههای مدیریت دادههای رایج، دادهها از یک منظر ثابت/گذشته نگر (بدون تغییر و یا تغییرات در زمان گذشته) مشاهده و مورد تحلیل واقع میشوند.
اما تحلیل دادههای بزرگ تا حد زیادی با هدف نزدیک بودن به زمان حال انجام میگردد. در حالیکه دو جنبه ثبات و مقیاس، پیشران اکثر پروژههای فناوری اطلاعات میباشند،big dataخواستار توانایی اکتشاف و کاوش در دادههای موجود و جدید با قابلیت چابکی است.در نتیجه، در نظر گرفتن یک رویکرد مبتنی بر فناوری داده به شکل مرسوم، سازمان را در بهره مندی از پتانسیل دادههای بزرگ محدودخواهد کرد. در واقع مثل این است که ما با ازای هر ۱۰۰ واحد هزینهای که صرف دادههای بزرگ میشود به طور متوسط بازگشتی معادل ۵۵ واحد را شاهد باشیم.
نگرانیهای حریم خصوصی، محدود کننده ضوابط و قواعد تجزیه و تحلیل داده مشتری است
استفاده از دادههای مشتری همواره موجب بروز مسائل حریم خصوصی است. در تجزیه و تحلیل دادههای بزرگ، آشکار شدن ارتباط بین قطعات به ظاهر نامرتبط دادهها، به طور بالقوه میتواند باعث فاش شدن اطلاعات حساس اشخاص گردد.تحقیقات نشان میدهد که ۶۲ درصد از بانکداران به دلیل مسائل حریم خصوصی در استفاده از دادههای بزرگ محتاط هستند.
علاوه بر این، برون سپاری فعالیتهای تجزیه و تحلیل دادهها و یا توزیع دادههای مشتری در دپارتمانهای مختلف سازمان برای ایجاد بینش غنیتر در آنها، نیز موجب تقویت ریسک امنیتی میباشد.
با این اوصاف بانکها چگونه میتوانند به طور مؤثر به این چالشها غلبه کنند؟ زمینههای اصلی که آنها باید درآن تمرکز داشته باشند چیست؟