Trwa wyścig o dane, czy banki obronią pole position i wygrają z konkurencją?

Dziś świat finansów jest równie dynamiczny, jak wyścigi Formuły 1. Nie dość, że banki konkurują ze sobą, to jak grzyby po deszczu rosną nowi konkurenci w postaci fintechów i neobanków.

Jednak w mojej ocenie, na początku tego wyścigu ‒ to istniejące od lat tradycyjne banki zajmują pole position i mają wiele przewag nad nowocześniejszą konkurencją. Pytanie tylko, czy będą w stanie wykorzystać tę pozycję, czy dadzą się wyprzedzić?

Niezaprzeczalna różnica

Kilka lat temu miałem przyjemność brać udział w tworzeniu od podstaw organizacji finansowej. Jest to ciekawa przygoda, która pozwala na zbudowanie całej architektury IT w sposób prawidłowy, bez bagażu i ograniczeń starych i źle zaprojektowanych systemów IT. Jednak takie budowanie nowej organizacji finansowej wymaga zmierzenia się z zupełnie innym problemem. Na samym początku nie posiada ona bowiem żadnych danych.

I tu widać ogromną przewagę banków, które wszelkie dane o swoich klientach zbierają od lat. To ich pole position

Kiedy taka organizacja rozpoczyna swoje działanie, pojawia się problem, w jaki sposób obsługiwać klienta, o którym wie się tak niewiele. Co gorsza, jeśli mówimy o nowoczesnych technologiach, takich jak sztuczna inteligencja, wspierających obsługę, sprzedaż czy doświadczenie klienta, to należy mieć na uwadze, że wszelkie tego typu algorytmy konsumują ogromne ilości danych.

A co w sytuacji, jeśli ich nie mamy? Musimy poczekać, aż je zbierzemy. A to może zająć dużo czasu. I tu widać ogromną przewagę banków, które wszelkie dane o swoich klientach zbierają od lat. To ich pole position. Jednak, kiedy rozpoczyna się wyścig, pojawia się kilka problemów.

Czytaj także: IT@BANK: kogo bardziej zmieni transformacja cyfrowa, klientów, banki czy ich pracowników?

Klient w centrum

Historycznie w centrum architektury IT oraz procesów biznesowych banków znajdowały się produkty. Mogliśmy więc określać je mianem organizacji produktocentrycznych.

Dziś natomiast paradygmat ten ustępuje miejsca podejściu klientocentrycznemu. Możemy je zmienić w obszarach biznesowych poprzez szkolenie pracowników, zmiany procesów czy budowanie w organizacji nowej mentalności. Z kolei w obszarze architektury IT, zmiana tego podejścia wymaga przebudowy systemów IT w taki sposób, aby to właśnie klienta postawić w centrum.

Tutaj pojawia się pewna przewaga po stronie nowych instytucji finansowych, które od początku mogą zbudować swoją architekturę w formie klientocentrycznej. Z drugiej strony istnieją dziś nieinwazyjne metody pozwalające przebudować architekturę IT i umożliwić pracownikom korzystanie z kompletnej informacji o kliencie tak, aby świadczone usługi były najwyższej jakości.

W obszarze architektury IT, zmiana podejścia wymaga przebudowy systemów IT w taki sposób, aby to właśnie klienta postawić w centrum

Mowa oczywiście o systemach zarządzania danymi podstawowymi klienta, na bazie których można zbudować „widok klienta 360” i zasilić nim wszystkie systemy w organizacji, nie rujnując jednocześnie całej istniejącej architektury IT.

Ład danych

Jakość danych w świadomości wielu osób, zarówno ze środowiska biznesowego jak i z IT, urosła do rozmiarów najbardziej skomplikowanego zadania stojącego przed firmą. A sprawa jest dużo prostsza. Musimy zrozumieć, że choć w początkowych etapach poprawy jakości danych kluczowe są narzędzia i algorytmy umożliwiające ich czyszczenie, to tak naprawdę na końcu tego procesu chodzi o coś zupełnie odwrotnego.

Nie da się od razu zaprojektować systemu IT, który będzie dostarczał dane wysokiej jakości

Chodzi o to, aby nie musieć ich czyścić w ogóle. Oznacza to, że mierzymy jakość danych, aby wiedzieć które systemy IT w organizacji wymagają poprawy, tak aby dostarczały dane najwyższej jakości. W tym ostatnim zadaniu kluczowe jest zarówno właściwe projektowanie baz danych pod systemami IT, jak i odpowiednie budowanie interfejsów wprowadzania danych, czyli obszar user experience.

W tym obszarze ponownie można zauważyć pewną przewagę nowo powstających organizacji, ale nie tak oczywistą jak w poprzednim przypadku. Praktyka pokazuje, że nie da się od razu zaprojektować systemu IT, który będzie dostarczał dane wysokiej jakości. Zawsze jest to proces uczenia się i poprawiania systemu oraz szkolenia użytkowników.

Z drugiej strony istniejące od wielu lat banki mają w tym obszarze wieloletnie zaniedbania, które trzeba nadrobić. A ponieważ jest to obszar pracy iteracyjnej, to im prędzej zaczniemy, tym szybciej zobaczymy efekty.

Czytaj także: Przyszłość innowacji finansowych: na czym fintechy będą budować swoją przewagę

Prawdziwa analityka danych

Dzisiaj świat biznesu, preferuje szybkie rozwiązania prowadzące do łatwego sukcesu. A z danymi nie ma dróg na skróty. Jakiś czas temu pojawiła się koncepcja budowania tak zwanych Jezior Danych (ang. Data Lake). Wiele firm zachłysnęło się tą ideą wierząc, że tego typu systemy tanio i szybko zastąpią hurtownie danych.

Możemy mówić o podziale organizacji finansowych na dwie grupy: posiadające hurtownię (szerzej analityczny ekosystem danych) lub nie

Kiedy na rynku udało się zbudować kilka takich systemów, szybko okazało się, że ta metodologia tworzy nie tyle jeziora, co bagna danych. Dlaczego? Ponieważ przerzuca odpowiedzialność za transformację danych na użytkownika końcowego. Można ewentualnie zaakceptować, kiedy jest to specjalista Data Science budujący algorytm machine learning. On prawdopodobnie będzie w stanie, poświęcając dużo czasu, wydobyć z tego bagna dane, których potrzebuje. Co jednak powinna zrobić osoba, odpowiedzialna za tworzenie raportów w jednym z działów biznesowych?

Aby móc wykorzystać dane w analityce wizualnej, statystycznej czy budowaniu modeli machine learning, musimy je wcześniej przetransformować do postaci analitycznej.

W tym obszarze możemy mówić o podziale organizacji finansowych na dwie grupy: posiadające hurtownię (szerzej analityczny ekosystem danych) lub nie.

Z założenia nowe organizacje muszą ten obszar dopiero stworzyć, a jest to pracochłonne i dość skomplikowane zadanie. Trzeba dodać, że część istniejących banków również będzie się kwalifikowało do tej grupy, ponieważ w swojej historii nie podjęły się budowy hurtowni danych.

Po drugiej stronie mamy instytucje, które mają hurtownie danych od lat. Przed wieloma z nich stoi równie trudne zadanie dostosowania ekosystemu danych do wymagań rzeczywistości biznesowej nadchodzącego świata, zakładającej przetwarzanie ogromnych zbiorów danych w czasie bliskim rzeczywistemu. Każdy ma więc zadanie domowe do odrobienia.

3.. 2.. 1..

Podsumowując trwający wyścig pomiędzy starymi a nowymi graczami rynku finansowego z perspektywy danych, możemy zauważyć, że obie strony mają w pewnych obszary przewagi a w innych sporo pracy do wykonania.

Aby iść dalej banki muszą pracować nad koncentracją danych wokół klienta, poprawą ich jakości i przygotowaniu pod ich wykorzystanie analityczne

Nowe organizacje mogą zbudować architekturę IT oraz ekosystem danych zgodnie z najnowszymi trendami, dbając o jakość danych i zdolność do ich wykorzystania. Z drugiej strony wiele czasu upłynie, zanim tego typu firma zbierze wystarczającą ilość danych, żeby móc na ich podstawie budować przewagę konkurencyjną.

W przeciwległym rogu mamy klasyczne banki, które po pierwsze posiadają duże zbiory danych o klientach. Po drugie jako instytucje zaufania w prostszy sposób są w stanie pozyskać zgodę klientów na ich przetwarzanie.

Jednak, aby iść dalej, muszą pracować nad koncentracją danych wokół klienta, poprawą ich jakości i przygotowaniu pod ich wykorzystanie analityczne.

Zauważmy, że zadania te w przeciwieństwie do tempa zbierania danych przez nowe organizacje, leżą w pełni w obszarze decyzji banków. To od nich więc zależy, czy obronią swoje pole position i wygrają z konkurencją. Bo wyścig już się zaczął.

Łukasz Nienartowicz,

Head of Business Intelligence, Britenet.