Một điều các ngân hàng cần để tồn tại trong thập kỷ này

Mặc dù có vô số thuật toán xử lý hàng núi thông tin, vẫn còn thiếu một mắt xích quan trọng trong quá trình phân tích dữ liệu. Việc tìm ra mắt xích này là chìa khóa cho sự phù hợp, thậm chí là sự sống còn.

Điều khó khăn nhất mà một ngân hàng phải có là gì? Chắc chắn không phải dữ liệu. Là một tổ chức được khách hàng tin tưởng, một ngân hàng có nhiều dữ liệu hơn mức họ biết phải làm gì với chúng.

Dữ liệu được biên soạn, sắp xếp, phân tích và đưa vào sử dụng theo vô số cách ngày nay. Đầu tiên, các ngân hàng cung cấp thông tin tĩnh cho khách hàng. Nó có thể tổng hợp tiền gửi của bạn và thể hiện giá trị danh mục đầu tư của bạn. Nó thậm chí có thể đề xuất một khoản vay cho bạn, dựa trên số dư của bạn. Nhưng tất cả những điều này, ngay cả trường hợp cuối cùng, chỉ đơn giản là những phản hồi dựa trên quy tắc, không nhất thiết là những phản hồi thông minh.

Chưa hẳn là vậy

Hãy xem xét sự bùng nổ của các dịch vụ mới mà một ngân hàng thúc đẩy bạn. Những dịch vụ này thường dựa trên một số mô hình. Ví dụ, những khách hàng trong độ tuổi 30-40 có xu hướng mua nhiều hơn, giao dịch nhiều hơn. Những người lớn tuổi hơn có xu hướng tiết kiệm nhiều hơn. Đây đều là những lời nhắc không hướng đến phản hồi. Miễn là có một mô hình rõ ràng, một ngân hàng khá tự tin trong việc đánh giá những gì khách hàng của mình cần và thúc đẩy các sản phẩm phù hợp. Nhưng tại sao hầu hết các dịch vụ đều không thực sự đánh giá được nhu cầu của bạn? Tại sao chúng có xu hướng không liên quan và thiếu ngữ cảnh?

Tất cả các ngân hàng đều muốn đạt đến giai đoạn mà bất kỳ thông tin nào họ hiển thị cho khách hàng - tĩnh hoặc động - đều được xác định bằng một cái gì đó theo ngữ cảnh. Một giai đoạn mà khách hàng không được nhắc nhở sau thực tế, mà ngay từ đầu giao dịch, dựa trên dữ liệu mà ngân hàng đã có. Ví dụ, khi một ngân hàng hiển thị số dư của một tài khoản, hãy nhắc nhở người dùng nếu số dư thấp và khuyến nghị họ rút tiền từ đâu đó. Hoặc thông báo cho khách hàng để đảm bảo có đủ số dư, biết rằng có một khoản thanh toán sắp tới. Các lời nhắc càng theo ngữ cảnh thì chúng càng có thể được phục vụ một cách kín đáo cho khách hàng, ngân hàng càng hấp dẫn đối với khách hàng mới và tương tác của khách hàng với ngân hàng càng gắn bó.

Nhưng hãy đợi một chút. Đó có thực sự là điều khách hàng muốn không? Một trải nghiệm gắn bó hơn?

Ngân hàng có cần phải làm nhiều hơn nữa không?

Người ta có thể cho rằng không hẳn vậy. Khách hàng đăng nhập vào cổng thông tin của ngân hàng không phải để tốn thời gian mà để hoàn thành công việc một cách hiệu quả và nhanh chóng.

Rốt cuộc, nếu các mục tiêu kinh doanh của một ngân hàng được đáp ứng, tại sao lại phải bận tâm đến việc tính toán số liệu ám ảnh hay các đề nghị theo ngữ cảnh hoặc 'hời hợt'? Đây không phải là một ý kiến riêng lẻ. Hãy lấy bất kỳ ngân hàng hợp tác nào. Họ chưa khai thác hết công nghệ. Họ sử dụng một cổng thông tin chỉ phản ánh các luồng quy trình thô sơ của họ. Nhiều ngân hàng lớn hơn, phổ biến cũng không làm tốt hơn nhiều. Họ tiếp cận cổng thông tin hoặc kênh như một bài tập thẩm mỹ, là sự phản ánh trực tuyến của danh mục sản phẩm phân mảnh của họ*.

Giá như mọi thứ vẫn giữ nguyên, giá như sự thay đổi giúp chúng ta nhận thức được và diễn ra theo thời gian.

Như chúng tôi đã khám phá trong một bài đăng trên blog trước, một sự thay đổi cơ bản trong chuẩn mực về trải nghiệm của khách hàng – đổ lỗi cho FinTechs hoặc hệ sinh thái lớn hơn của các doanh nghiệp gây nghiện như Amazon hoặc Netflix – đã buộc các ngân hàng phải nhanh chóng đưa ra các nguyện vọng số của họ. Và nhiên liệu cho quá trình này rõ ràng là dữ liệu.

Và để xử lý dữ liệu này theo cách thực sự có thể giúp các ngân hàng thay vì tạo ra nhiều gói dữ liệu hơn, chúng ta cần xem trí thông minh không phải là một vật cố định mơ hồ mà là được truyền vào từng bước trong hành trình của người dùng.

Thức dậy với trí thông minh

Hãy xem xét lại câu này – Một ngân hàng có nhiều dữ liệu hơn mức họ biết phải làm gì với chúng. Đây là một chỉ báo cho biết họ đang ở đâu trong cơn sốt phân tích dữ liệu.

Những gì các ngân hàng muốn làm là cung cấp thông tin đúng cho đúng người vào đúng thời điểm. Ngay cả trong các tiện ích đọc và tiện ích ghi, cũng phải có trí thông minh để xem liệu đó có phải là giao dịch đơn giản hay là đường dẫn đến xác thực hay nên áp dụng yếu tố thứ hai hoặc thứ ba. Nói cách khác, làm cho nó có ngữ cảnh tại mọi khối.

Đúng là có thuật toán, nhưng không chỉ có thuật toán mà còn có dữ liệu đầu vào để thuật toán đưa ra được thông tin chi tiết cụ thể, có thể hành động được.

Một quan niệm sai lầm phổ biến là trí thông minh đến từ bên ngoài. Trên thực tế, trí thông minh là cách tiếp cận từ dưới lên. Thu thập dữ liệu, gắn thẻ thông minh và khiến nó hoạt động cho bạn; đây chính là nơi trí thông minh phát huy tác dụng.

Câu hỏi đầu tiên mà một ngân hàng cần tự hỏi là, 'Tôi có sử dụng trí thông minh một cách hiệu quả không'? Câu trả lời, ở tất cả các tổ chức, là tiêu cực. Một khi điều này được nhận ra, khả năng là vô tận.

Áp dụng trí thông minh

Khi các ngân hàng bắt đầu coi trí thông minh là một khái niệm tổng thể chứ không phải là thứ gì đó riêng lẻ, họ có thể bắt đầu thực sự khám phá các ứng dụng của trí thông minh.

Chúng ta hãy xem xét chỉ hai trường hợp sử dụng mà tất cả chúng ta đều nhận ra và có thể nhận ra, từ các công cụ hiện có. Ví dụ như AML. Việc sử dụng thuật toán truyền thống trong AML là hậu sự kiện. Để phát hiện ra một mô hình AML, cần phải xem xét đến cùng. Tuy nhiên, AML hiện đang chuyển sang phát hiện gian lận. Có những cơ chế mà bạn có thể ghi điểm tại giao dịch và cung cấp bảo mật ở cấp độ khách hàng. Bạn vẫn cho phép giao dịch tiếp tục, nhưng bạn cho phép giao dịch đó với cơ chế kiểm soát gian lận được tích hợp trong Intelligence.

Một trường hợp sử dụng thứ hai là thúc đẩy các ưu đãi mới cho các phân khúc khách hàng rất cụ thể. Hiện tại, các ngân hàng sử dụng các mô hình rất rộng để xác định khách hàng tiềm năng cho một sản phẩm cụ thể. Nếu chúng ta sử dụng các mô hình thống kê tiên tiến hơn - như Adjusted R-Squared - thì sao? Không đi sâu vào công nghệ, một số lượng lớn các biến sẽ làm giảm khả năng dự đoán chính xác của một mô hình. Mặt khác, Adjusted R-Squared tính đến các biến này tốt hơn và cung cấp mức độ quan hệ chính xác nhất trong một phân khúc / dân số cụ thể. Kết quả cuối cùng là thông tin bạn phục vụ trở nên phù hợp hơn với khách hàng của bạn.

Toàn bộ mục đích của việc xem xét trí thông minh và ứng dụng của nó một cách nghiêm túc chính là câu trả lời cho câu hỏi chúng ta đã đặt ra ngay từ đầu – Điều khó khăn nhất đối với một ngân hàng là gì?

Câu trả lời là – hiểu được ý định của khách hàng.

Bất kể dữ liệu bạn có trong tay, các mô hình hành vi của khách hàng và thông tin giao dịch bạn ghi lại, thông tin tình báo khó nắm bắt nhất và cũng có giá trị nhất chính là ý định của khách hàng. Tại sao anh ta lại thực hiện một loạt các khoản tiền gửi cố định? Mục tiêu, nguyện vọng của anh ta là gì? Những lo lắng nào thúc đẩy anh ta đưa ra một loạt các quyết định cụ thể?

Đây là một lĩnh vực mới, lĩnh vực mà chúng tôi đang tích cực triển khai. Chúng tôi đang xây dựng cái mà chúng tôi gọi là Purple Fabric để giúp hợp nhất dữ liệu và thông tin tình báo từ các hệ thống riêng biệt và triển khai theo cách chưa từng có và liên tục phát triển.

Kỷ nguyên phân tích không có kết luận sắp kết thúc. Đã đến lúc chúng ta ngừng tính toán các con số và mô hình vì lợi ích của nó và thay vào đó là đưa chúng vào hoạt động.

Đây sẽ là chìa khóa để các ngân hàng tồn tại trong thế giới ngày càng cạnh tranh và phụ thuộc vào công nghệ.

Trong các blog tiếp theo, chúng ta sẽ khám phá các ứng dụng tiên tiến của trí thông minh cũng như giải quyết các vấn đề về quy định, quyền riêng tư và bảo mật.

*Tất nhiên, có những ngoại lệ cho điều này ở cả hai đầu của quang phổ. Ví dụ, Co-op bank hoặc không có cổng thông tin, hoặc họ tiếp cận nó theo cách 'không có thương hiệu', không áp dụng tính thẩm mỹ và thiết kế. Chúng ta cũng cần xem xét 'cổng thông tin' có ý nghĩa gì đối với các ngân hàng. Ví dụ, một số ngân hàng bán lẻ vừa và lớn có danh mục sản phẩm phân mảnh và cổng thông tin là nơi tất cả chúng được tổng hợp, hợp nhất.