از آنجایی که بانک‌ها و موسسات اعتباری به منظور کنترل تاثیرات بیماری همه‌گیر کووید 19 به دنبال تغییر مدل‌های تجاری خود و تطبیق آنها بر اقتصاد دیجیتالی هستند، تغییرات رفتار مصرف کنندگان نیز به دنبال این جریان امری اجتناب‌ناپذیر خواهد بود. در واقع مشتریان انتظار دارند تمامی مراحل انجام معاملات و تعاملات مالی دیجیتالیشان به طور کامل کنترل شود تا بتوانند تجربیات مفیدی به دست آورند. ایجاد قابلیت‌های دیجیتالی و کسب تجربه‌های بهتر برای مشتریان نیازمند به وجود آمدن زمینه‌های لازم برای این امر است. موسسات مالی باید با استفاده از داده‌های کلان مناسب و فناوری هایی نظیر هوش مصنوعی و یادگیری ماشین[۱] این زمینه‌ها را به وجود آورند. بسیاری از موسسات مالی با استفاده از نرم افزار‌هایی نظیر ابر و استخدام دانشمندان و محقیقین دادهها و همچنین بازار‌یابانی که می‌دانند چگونه شکاف بین سرعت تولید دادهها و زمان واقعی انجام تعاملات را پر کنند، در تلاش برای رسیدن به اهداف مورد نظر هستند.
اکنون زمان آن فرا رسیده است که موسسات مالی علاوه بر ارزیابی‌های ساده در زمینه مدیریت ریسک و نظارت بر امنیت، از فناوری دادهها، هوش مصنوعی و تجزیه و تحلیل پیشرفته استفاده کنند. به عنوان مثال، دادهها و تجزیه و تحلیل‌های دقیق پیش‌بینی شده می‌توانند به ایجاد روش‌های مناسب برای درک بهتر مشتریان و ارائه مشاوره و راه‌حل در زمان مناسب منجر شوند.
استفاده همزمان از دادهها و هوش مصنوعی باعث می‌شود کلیه فرآیندهای مالی مشتریان بهینه شوند و همچنین تعاملات معنادارتر و نتایج بهتری برای مشتریان و موسسات مالی ایجاد شود. این یکپارچگی همچنین می‌تواند به موسسات مالی این امکان را بدهد تا منابع را به طور هوشمندانه‌تری اختصاص دهند و با ارائه خدمات جدید دامنه تراکنش‌های مالی را به بازار‌های جدید گسترش دهند.
اهمیت رضایت مشتریان
ایجاد تجربیات مفید و کسب رضایت مشتریان جزء اولویت‌های دائمی و هدف اصلی فعالیت‌های استراتژیکی بانک‌ها و موسسات مالی است. این به این دلیل است که میزان تجربه و نوع احساسی که یک مشتری در مورد نام تجاری یک موسسه به دست می‌آورد به طور مستقیم بر توانایی آن موسسه در گسترش روابط و جذب مشتریان بیشتر تاثیر می‌گذارد. گسترش روابط دیجیتالی باعث شده است که یک مشتری ناراضی بسیار راحت‌تر از قبل یک موسسه مالی را ترک نماید. این مشتری می‌تواند در حالی که شاید هرگز حساب خود را به طور کامل با آن موسسه مالی که از آن ناراضی است نبندد، با یک موسسه رقیب ارتباط برقرار کند.
شیوع بیماری همه‌گیر کووید 19 باعث شد مشتریان با مفاهیم و نرم‌افزارهای دیجیتالی نظیر داده‌های ترکیبی، هوش مصنوعی و تجزیه و تحلیل پیشرفته بیشتر آشنا شوند. به عنوان مثال، مشتریان و مصرف‌کنندگان در طی دوران این بیماری همه‌گیر با دریافت توصیه‌های پیشگیرانه از سایت‌هایی نظیر اسپاتیفای[۲] یا نت‌فلیکس[۳] و همچنین امکان خرید آنلاین از سایت های آمازون[۴] و اینستاکارت[۵] با استفاده از تلفن هوشمند، توانسته‌اند تجربه دیجیتالی خود را افزایش داده و حتی این تجربه دیجیتالی را از لحاظ کیفی با رهبران دیجیتالی سرآمد دنیا مقایسه کنند.
کیفیت پایین داده می‌تواند سبب ایجاد نارضایتی در مشتریان شود
اکثریت قریب به اتفاق موسسات مالی علی‌رغم درک تاثیر قدرت دادهها و تجزیه و تحلیل پیشرفته در ارائه یک تجربه عالی به مشتریان، اعتقادی به کیفیت دادهها یا روش‌های مورد استفاده ندارند. کمبود مقادیر دادهها مشکل اصلی موسسات مالی نیست بلکه مسائلی نظیر وجود سیستم های قدیمی، عدم وجود استعدادهای تحلیلی کافی، دسترسی کم و کیفیت پایین دادهها وعدم پشتیبانی‌های اجرایی از ابتکارات مشکلات اساسی آنها هستند.
طبق گزارشات بانکداری دیجیتال، 50 درصد از مدیران موسسات مالی و اعتباری اعلام کرده‌اند که کیفیت داده‌های مورد استفاده در حوزه‌های بازاریابی و هوش تجاری غیر‌قابل‌‌قبول است. تنها 17 درصد از سازمان‌های مورد بررسی گفته‌اند که کیفیت دادهها قابل‌قبول است.
یکی از مهمترین موارد استفاده از فناوری داده و هوش مصنوعی ایجاد ارتباطات شخصی هدفمند برای مشتریان است. در واقع مشتریان بدون داشتن تعاملات شخصی و تنها از طریق تعاملات عمومی نمی‌توانند رضایت کافی را از موسسات مالی پیدا کنند.
کیفیت پایین دادهها منجر به افزایش هزینه‌های موسسات مالی می‌شود و باعث می‌شود دیجیتالی‌سازی نه‌تنها هیچ مزایایی به همراه نداشته باشد بلکه سبب افزایش هزینه فرصت و از بین رفتن شهرت موسسات نیز بشود.
گارتنر[۶] گزارش می‌دهد که کیفیت پایین داده، دلیل اصلی عدم موفقیت 40 درصد از ابتکارات تجاری در دستیابی به مزایای هدفمند است و این شامل ابتکارات تحول دیجیتالی نیز می‌شود. امروزه به دلیل اینکه سازمان‌ها بیش از هر زمان دیگری از برنامه‌های کاربردی دیجیتالی استفاده می‌کنند و انتظارات مشتریان نیز رو به افزایش است، استفاده از دادهها و منابع اطلاعاتی بی‌کیفیت و بد منجر به ایجاد تصمیمات نادرست و ارتباطات غیر‌هدفمند می‌شود.
مسئولیت بررسی کیفیت دادهها در یک سازمان داده‌محور باید بین همه تیم‌های تجاری تقسیم شود و همه اعضا باید در تلاش باشند تا کیفیت داده در حدی باشد که مورد اعتماد همه کاربران قرار گیرد.
ارتقاء کیفیت داده
طبق گزارشات بانکداری دیجیتالی، شمار سازمان‌هایی که در حال افزایش سرمایه‌گذاری با هدف بهبود فناوری و غنی‌سازی کیفیت دادهها هستند روبه افزایش است. هدف اصلی این سازمان‌ها ارتقاء کیفیت دادهها به منظور بهبود نتایج، صرفه‌جویی در هزینه و ایجاد تصمیمات بهتر تجاری است. اما این ادعا می‌تواند فریبنده باشد.
31 درصد از سازمان‌ها در طی یک پرسشنامه‌ایی که از آنها در مورد تغییر سرمایه‌گذاری در زمینه افزایش کیفیت دادهها و راه‌‌حل‌های هوش مصنوعی در مقایسه با سال 2019 پرسیده شد، اعلام کردند که سرمایه‌گذاری آنها بیش از 50 درصد افزایش یافته است. 11 درصد دیگر از سازمان‌ها میزان سرمایه‌گذاریشان 25 تا 50 درصد افزایش یافته بود و 30 درصد دیگر نیز اعلام کردند سرمایه‌گذاری آنها 25 درصد افزایش داشته است. فقط 26 درصد از سازمان‌ها اظهار داشتند که تغییری در این میزان حاصل نشده است. متاسفانه کاووش و بررسی بیشتر این اعداد نشان داد که درست است این میزان رشد سرمایه‌گذاری رخ داده است اما به قدری سرمایه‌گذاری‌های اولیه ناچیز بوده است که این مقدار رشد هنوز بسیار ناکافی است.
در اینجا بعضی از راه‌هایی که منجر به ارتقاء کیفیت داده می‌شود ذکر شده است:
تعیین معیارهای کیفیت – یکی از روش‌های اساسی برای بهبود کیفیت دادهها، اندازه‌گیری دائم کیفیت آنها در طول زمان است. این روش شامل تعیین ورودی‌های ناقص یا اضافی دادهها، داده‌های قالب‌بندی نشده و داده‌های تطبیق‌ناپذیر است. با تعیین یکسری معیارهای کیفیت و اندازه‌گیری کیفیت دادهها در طول زمان می‌توان به ارتقاء کیفیت دادهها کمک زیادی کرد.
درگیر کردن کل سازمان– همانطور که گفته شد، مدیریت فرآیند دادهها فقط مربوط به یک بخش یا یک فرد نیست. همه بخش‌ها از وررد دستی اطلاعات گرفته تا قالب‌بندی و تحلیل یکنواخت دادهها و همچنین تمامی کارمندان باید همسو در جهت ارتقاء کیفیت دادهها فعالیت نمایند.
کنترل و مدیریت خطا– رخ دادن یکسری از خطاها در مراحل جمعآوری و استقرار دادهها امری اجتناب‌ناپذیر خواهد بود اما هنگامی که خطایی رخ می‌دهد، باید آن را مطرح و تصحیح کرد. منشاء خطا نیز باید شناسایی و اصلاح شود.
ایجاد ثبات– تمامی مراحل جمعآوری، ورودی، ذخیره‌سازی، استخراج، تجزیه و تحلیل و استقرار دادهها باید با یکدیگر سازگار باشند. این فرآیندهای کاملا مرتبط و سازگار با یکدیگر کمک می‌کنند تا از وقوع بسیاری از مسائل که سبب کاهش کیفیت داده می‌شود، جلوگیری شود.
شراکت و همکاری رهبران– اکثر موسسات مالی حتی در مرحله ابتدایی جمعآوری دادهها از منابع مختلف مجهز نیستند چه رسد به انجام مراحل تحلیلی مورد نیاز برای ایجاد رضایت و تجربه عالی مشتریان. بانک‌ها و موسسات مالی و اعتباری در هر اندازه‌ایی که باشند باید با اشخاص ثالثی که در زمینه ساخت پایگاه داده فعالیت می‌کنند و به طور عملی در زمینه تجزیه و تحلیل داده تجربه کافی دارند مشارکت و همکاری نمایند.
اگر یک سازمان بر اساس داده‌های خوب، دقیق و سازگار ساماندهی شود، توانایی پاسخگویی فوری به هر شرایطی از بازار نظیر چالش‌ها و فرصت‌ها را خواهد داشت. تنها در این صورت است که رضایت مشتریان تامین شده و آن سازمان در بازار از بقیه متمایز شده و همچنین می‌تواند مزایای مالی و اعتباری را برای سازمان‌های دیگر فرآهم کند.
