Ngân hàng cần cải thiện việc khai thác, sử dụng dữ liệu

Một nghiên cứu mới của Cornerstone Advisors đã đề nghị các ngân hàng và tự đánh giá mình dựa trên 50 yếu tố thuộc 5 danh mục — dữ liệu khách hàng, dữ liệu thị trường, dữ liệu hoạt động, dữ liệu giao dịch và quản trị dữ liệu — để đưa ra "Data IQ". Kết quả cho thấy, các tổ chức trong mẫu khảo sát, trung bình chỉ đạt 50 điểm trên tổng số 100 điểm.

Ví dụ, chỉ có 42% mẫu cảm thấy rằng tổ chức của họ coi thông tin là tài sản chiến lược. Chỉ có 29% cho biết các quyết định kinh doanh quan trọng được đưa ra kết hợp với dữ liệu chính xác, kịp thời và có thể hành động. 17% ​​cho biết dữ liệu thời gian thực "sạch, có cấu trúc và có thể mở rộng". Chưa đến 1/5 số ngân hàng cho biết nhân viên có kỹ năng đưa ra quyết định dựa trên dữ liệu.

Và 23% ngân hàng được khảo sát không hài lòng với cách tiếp cận quản trị dữ liệu của tổ chức mình.

Điều khiến tất cả những điều này trở nên cực kỳ quan trọng là tầm quan trọng của dữ liệu sạch, dễ tiếp cận để theo kịp các mô hình ngôn ngữ lớn và trí tuệ nhân tạo nói chung.

"Ngành ngân hàng đang đứng trước một bước ngoặt quan trọng khi trí tuệ nhân tạo chuyển đổi các hoạt động ngân hàng cốt lõi, trải nghiệm của khách hàng và khuôn khổ quản lý rủi ro", Cornerstone cho biết trong một báo cáo mới. "Mặc dù AI hứa hẹn sẽ mang lại hiệu quả chưa từng có và lợi thế cạnh tranh, nhiều tổ chức ngân hàng đang phải vật lộn để thu hẹp khoảng cách giữa cơ sở hạ tầng dữ liệu hiện tại của họ và các yêu cầu phức tạp của các hệ thống AI hiện đại".

Ron Shevlin, Giám đốc nghiên cứu tại Cornerstone, cho biết ông đã chán ngấy những phát ngôn đã cũ về dữ liệu — kiểu như "dữ liệu là dầu mỏ mới",... Ông cho biết nhiều tổ chức đã không đáp ứng được những gì cần thiết để sử dụng dữ liệu của họ một cách hiệu quả. Nếu họ không đầu tư ngay bây giờ, họ sẽ bỏ lỡ các cơ hội, nhường chúng cho các đối thủ đã đầu tư.

"Đây là tình huống 'bạn trả tiền cho tôi ngay bây giờ hoặc bạn trả tiền cho tôi sau'", Shevlin nói. "Hãy thanh toán một số khoản ngay bây giờ để bạn được thoải mái hơn sau 12, 24, 36 tháng nữa".

Báo cáo "Cải thiện IQ dữ liệu của tổ chức tài chính của bạn", do Apiture tài trợ, ước tính rằng phải chi từ 1 triệu đến 2 triệu đô la hàng năm cho mỗi 1 tỷ đô la tài sản mà tổ chức có.

Một phần số tiền này sẽ dành cho các nỗ lực thúc đẩy tổ chức tiến lên, nhưng một phần cũng sẽ dành để trả tiền để bắt kịp.

Dan Haisley, Giám đốc sản phẩm tại Apiture, cho biết theo thời gian, tại nhiều ngân hàng và quỹ tín dụng, nhiều "ốc đảo" dữ liệu khác nhau sẽ phát triển. Chuẩn hóa cần thiết không xảy ra khi dữ liệu phát triển theo cách này và điều đó cản trở khả năng tương tác ngay bây giờ và sẽ có tác động lớn hơn nữa khi AI cố gắng truy cập và sử dụng dữ liệu.

"Mỗi phòng ban đều tin rằng họ là người quản lý tốt dữ liệu của mình, còn các phòng ban khác thì không", ông Haisley cho biết. Điều này dẫn đến sự ngờ vực dữ liệu của các phòng ban chức năng khác.

Mỗi phòng chức năng thường duy trì cách tiếp cận riêng để tổ chức và quản lý dữ liệu, đến mức các chức năng không chia sẻ một "từ điển dữ liệu" chung — một thuật ngữ kỹ thuật để chỉ cách tiếp cận của tổ chức đối với nội dung, định dạng và cấu trúc của cơ sở dữ liệu và mối quan hệ giữa các tài sản của tổ chức.

Shevlin cho biết vấn đề này vượt ra ngoài các hoạt động nội bộ. Ví dụ, khi các nhà cung cấp hệ thống lõi chính mở rộng thông qua việc mua lại các công ty phần mềm chuyên dụng, ông cho biết, "họ thậm chí còn không tập hợp các từ điển dữ liệu và tiêu chuẩn chung cũng như các quy ước đặt tên".

"Hơn 20 năm trước, Jeff Bezos đã ban hành một sắc lệnh nổi tiếng tại Amazon rằng mọi phòng ban, bộ phận, ngành kinh doanh, v.v., phải cung cấp dữ liệu của mình thông qua API", Shevlin nói. "Bạn có thể tưởng tượng nếu các ngân hàng đã làm điều đó cách đây 20, 25 năm không? (Nếu điều đó xảy ra) Chúng ta sẽ không rơi vào tình huống này".

Biểu đồ bên dưới, trích từ nghiên cứu, cho thấy một vấn đề đang diễn ra. Một số yếu tố đầu tiên được liệt kê được bao gồm trong các quy định và, như Shevlin chỉ ra, không tuân thủ không phải là một lựa chọn. Nhưng các hoạt động khác có thể mang lại hiệu quả thì được thực hiện ít thường xuyên hơn nhiều.

Hãy xem xét 2 yếu tố ở phía dưới: "Sử dụng dữ liệu khách hàng để đưa ra các đề xuất cá nhân hóa" và "Sử dụng dữ liệu để xác định những ‘nỗi đau’ của khách hàng". Trong cả 2 trường hợp, chỉ có khoảng 1/5 các tổ chức tự đánh giá mình đang hoạt động ở mức cao hoặc tốt. Cả hai chức năng này thường được coi là "có thì tốt" (không bắt buộc) đối với một ngân hàng, nhưng việc thực hiện còn thiếu sót.

Tương tự như vậy, một khía cạnh quan trọng của hoạt động dữ liệu của ngân hàng và quỹ tín dụng liên quan đến việc sử dụng dữ liệu thị trường — dữ liệu bên ngoài cung cấp bối cảnh cho chính tổ chức cũng như quan điểm về thế giới, bao gồm thông tin về đối thủ cạnh tranh. Nhìn chung, những người trả lời khảo sát tự chấm điểm tổ chức của mình thấp nhất ở hạng mục này.

"Khoảng 4 trong 10 giám đốc điều hành cho rằng công ty của họ có ít nhất một mức năng lực tốt trong việc đánh giá chuẩn mực các số liệu hiệu suất của họ so với dữ liệu thị trường", báo cáo cho biết, đồng thời nói thêm, "Nhiều người trong chúng tôi tại Cornerstone sẽ nghi ngờ điều đó".

Khoảng một nửa số người được khảo sát thậm chí còn thiếu khả năng tối thiểu để phân tích các mô hình hành vi của khách hàng so với thị trường. Tương tự như vậy, họ không thể tạo ra các báo cáo thị trường hướng dẫn các hành động của tổ chức và không có khả năng truyền đạt dữ liệu thị trường cho các bên liên quan.

Một mục tiêu chính — hoặc ít nhất là mục tiêu mà nhiều người trong ngành mong muốn đạt được — là cá nhân hóa các dịch vụ ngân hàng. Tuy nhiên, khi nói đến dữ liệu thanh toán, vốn có thể là nguồn dữ liệu khách hàng mạnh mẽ, thì rất ít tổ chức thực sự làm được điều đó.

Điều này không làm Haisley và Shevlin ngạc nhiên. Shevlin nói thêm rằng hầu hết các hoạt động cá nhân hóa tập trung vào việc lựa chọn các ưu đãi hiện có để giới thiệu cho khách hàng. Ông không nghĩ rằng đây thực sự là mục tiêu của hoạt động cá nhân hóa trong ngân hàng.

Thay vào đó, Shevlin cho rằng dữ liệu nên hướng dẫn giao tiếp giữa tổ chức ngân hàng và khách hàng.

"Những nhân viên bán hàng giỏi nhất có thể cá nhân hóa vì họ lắng nghe nhu cầu của khách hàng và họ tùy chỉnh dựa trên những gì họ nghe được", Shevlin nói. "Chúng ta chưa bao giờ đạt được điều đó trong thế giới ngân hàng kỹ thuật số. Chúng ta chỉ mới bắt đầu thấy các công cụ có sẵn để thực hiện điều đó".

Haisley cho biết phiên bản kỹ thuật số tương đương với phương pháp tiếp cận bán hàng cá nhân hóa sẽ xuất hiện dưới hình thức áp dụng AI agent vào các dịch vụ tài chính.

Điều này nhấn mạnh tính cấp thiết của việc sắp xếp dữ liệu của một tổ chức. Điều đó sẽ đòi hỏi hành động tập trung mà kết quả cuối cùng là việc thực hiện phải trở thành công việc của ai đó.