5 บทบาทใหม่ในการวิเคราะห์ข้อมูลที่จะกำหนดอนาคตของการธนาคาร

บทความนี้เผยแพร่ครั้งแรกในนิตยสาร Analytics India
ตั้งแต่การปรับเปลี่ยนในแบบของคุณไปจนถึงแนวทางที่เน้นลูกค้าเป็นศูนย์กลาง การบริหารความเสี่ยงเชิงคาดการณ์ ไปจนถึงการกำหนดการเพิ่มประสิทธิภาพผลิตภัณฑ์ในช่องทางต่างๆ ภาคการธนาคารได้ก่อให้เกิดพรสวรรค์รูปแบบใหม่ในพื้นที่อาชีพด้านการวิเคราะห์ข้อมูล ตามคู่มือล่าสุดของ Mckinsey เพื่อการอยู่รอดของธนาคารในปี 2560 ข้อมูลเป็นศูนย์กลางของการตัดสินใจที่มีความหมายทุกอย่าง มันนำไปสู่การเพิ่มขึ้นของนักวิทยาศาสตร์ข้อมูลและนักแปลข้อมูล ที่วิเคราะห์ข้อมูลจำนวนมากและแปลงเป็นผลิตภัณฑ์ใหม่หรือเพิ่มประสิทธิภาพผลิตภัณฑ์สำหรับผู้ใช้ปลายทาง

นอกจากนี้ การพึ่งพานักวิเคราะห์เชิงปริมาณของอุตสาหกรรมการธนาคาร หรือที่เรียกกันทั่วไปว่า 'quants' ของอุตสาหกรรมธนาคารได้ทวีความรุนแรงขึ้น ด้วยบทบาทที่แพร่หลายมากขึ้นในสถาบันการธนาคาร ผู้มีความสามารถด้านข้อมูลใหม่นี้จะกำหนดอนาคตของการธนาคาร สามารถรวมทักษะและความเชี่ยวชาญในแง่มุมที่สำคัญต่างๆ เช่น บิ๊กดาต้า การวิเคราะห์ ดิจิทัล การลดความเสี่ยง และการป้องกันการฉ้อโกง

วิทยาศาสตร์ข้อมูลจะมีอนาคตที่ดีกว่านี้หรือไม่? อย่างแน่นอน. และจะมีบทบาทที่หลากหลายในภาคการเงิน ในขณะที่ธนาคารต้องรับมือกับข้อมูลปริมาณมหาศาลทุกประเภท ไม่ว่าจะเป็นโซเชียล ข้อความ วิดีโอ และภูมิสารสนเทศ นักวิเคราะห์ข้อมูลจะมีบทบาทสำคัญในการให้ยืมข้อมูลและรับข้อมูลเชิงลึกของลูกค้า เช่น การทำนายพฤติกรรมและการเจาะลึกถึงความรู้สึกของลูกค้า

ประเด็นสำคัญที่ใช้การวิเคราะห์ข้อมูลคือลูกค้าเป็นศูนย์กลาง การควบคุมต้นทุน การต่อสู้กับภัยคุกคามทางไซเบอร์ การก่อการร้ายทั่วโลก และการปฏิบัติตามข้อกำหนดและการจัดการความเสี่ยง เหล่านี้เป็นพื้นที่ที่บทบาทใหม่ส่วนใหญ่จะโผล่ออกมา

Analytics India Magazine และ UpGrad กล่าว ถึงบทบาทการวิเคราะห์ข้อมูลบางส่วนที่จะเกิดขึ้นและสิ่งที่จะเกิดขึ้น:

1. นักวิเคราะห์การป้องกันการฉ้อโกง

ทักษะที่ต้องมี: พื้นฐานที่ดีในด้านสถิติ คณิตศาสตร์ประยุกต์ และอัลกอริทึม ความเชี่ยวชาญใน Python, Java และความรู้เกี่ยวกับ HBase เป็นสิ่งที่ต้องมี
นายจ้างที่มีศักยภาพ: EY, Genpact, Deloitte, HPE Infosys, TCS
บทบาทของงาน: การวิเคราะห์เชิงคาดการณ์เป็นมาตรฐานทองคำในกลยุทธ์การบรรเทาการฉ้อโกง แต่สิ่งที่ได้รับความสนใจเมื่อเร็วๆ นี้คือระบบที่ใช้การเรียนรู้ด้วยเครื่องแบบไดนามิก (ML) ขอบเขต ของ Data Analytics กำลังสูงขึ้นเท่านั้น สถาบันการเงินหลายแห่งได้นำไปใช้ กรณีตรงประเด็นคือบริษัทที่มีเรื่องราว, มาสเตอร์การ์ด.

ที่มาสเตอร์การ์ด การใช้อัลกอริธึมที่ซับซ้อนสำหรับการวิเคราะห์อัจฉริยะไม่เพียงแต่ให้ความแม่นยำมากขึ้น แต่ยังให้ข้อมูลแบบเรียลไทม์ที่ลดการปฏิเสธที่ผิดพลาด และเพิ่มการอนุมัติสำหรับธุรกรรมที่แท้จริง

โซลูชัน Decision Intelligence ของมาสเตอร์การ์ดซึ่งเปิดตัวเมื่อปีที่แล้ว ตรวจสอบการทำงานล่วงเวลาของบัญชีที่มีอยู่และตรวจจับความผิดปกติ เช่น การใช้จ่ายที่เพิ่มขึ้นอย่างรวดเร็วโดยใช้ประโยชน์จาก ข้อมูลบัญชีของลูกค้า อุปกรณ์ สถานที่ตั้ง ประเภทการซื้อ ผู้ค้า ฯลฯ

บทบาทของ นักวิเคราะห์ในอุตสาหกรรมการธนาคาร นั้นรวมถึงการให้คำปรึกษาแก่ลูกค้า การวางแผนและดำเนินโครงการในแต่ละวัน ใช้เวลาในการค้นหาว่าลูกค้ามีความน่าเชื่อถือหรือไม่ และเตรียมการวิเคราะห์ด้านการเงินและตลาด ด้วยอัลกอริธึมที่เป็นเอกลักษณ์ ธนาคารปรับใช้เทคนิค ML เพื่อแยกแยะความผิดปกติในรูปแบบการใช้จ่ายของลูกค้า และใช้ประโยชน์จากเทคนิคปัญญาประดิษฐ์เพื่อปรับปรุงประสบการณ์โดยรวมของลูกค้า

2. นักวิเคราะห์ความเสี่ยงด้านเครดิต

ทักษะที่ต้องมี: นอกจากสถิติแล้ว ความรู้เกี่ยวกับเครื่องมือ Business Intelligence (BI) และกรอบแบบจำลองความเสี่ยงก็มีความสำคัญเช่นกัน
นายจ้างที่มีศักยภาพ: Accenture, Genpact, SAS, Mckinsey, TCS
บทบาทงาน: การจัดการความเสี่ยงด้านเครดิตใช้มาตรการป้องกันและอาศัยการวิเคราะห์เชิงป้องกันอย่างมาก เพื่อช่วยให้ธนาคารสามารถลดโอกาสที่จะเกิดการผิดสัญญาได้ หลังวิกฤตสินเชื่อที่อยู่อาศัยในปี 2551 ธนาคารต่างๆ ได้เพิ่มความแข็งแกร่งให้กับพอร์ตความเสี่ยงด้านเครดิตโดยคำนึงถึงกฎระเบียบใหม่ที่เข้มงวดยิ่งขึ้นซึ่งมีผลบังคับใช้

งานของนักวิเคราะห์ความเสี่ยงด้านเครดิตทำให้การตัดสินใจทางธุรกิจเป็นไปอย่างถูกต้องผ่านการวิเคราะห์เครดิตขั้นสูง นี่คือจุดเริ่มต้นของการวิเคราะห์เชิงกำหนดและเชิงคาดการณ์ รายงาน CRISIL ชี้ให้เห็นช่องว่างความสามารถขนาดใหญ่ในอินเดียในด้านนี้

3. นักแปลวิทยาศาสตร์ข้อมูลในการธนาคาร

ทักษะที่ต้องมี: นอกเหนือจากชุดทักษะ Data Science ตามปกติแล้ว การสื่อสารที่ยอดเยี่ยม ความเข้าใจในขอบเขตอุตสาหกรรม แนวโน้ม และเทคโนโลยีใหม่เป็นสิ่งที่ต้องมี
นายจ้างที่มีศักยภาพ: Mckinsey
บทบาทของงาน: เป็นโปรไฟล์ที่แทบไม่เคยได้ยินมาก่อน และเป็นหนึ่งในสถาบันการเงินที่ดีที่สุดในโลก Mckinsey เป็นผู้ริเริ่ม Mckinsey ถูกกำหนดให้เป็นหนึ่งในองค์กรที่ขับเคลื่อนด้วยการวิเคราะห์ชั้นนำทั่วโลก พวกเขาเพิ่งโพสต์ตำแหน่งงานใหม่สำหรับทีมวิเคราะห์ของพวกเขา Mckinsey นักแปล Data Science เป็นผู้ที่มีพื้นฐานที่มั่นคงของเครื่องมือวิเคราะห์ขั้นสูง เช่น Tableau, Hive, Hadoop, Spotfire และพื้นฐานของภาษาการเขียนโปรแกรมเช่น R, Python และ SAS

นอกจากความง่ายในการทำงานกับชุดข้อมูลขนาดใหญ่แล้ว Data Science Translator ยังเชี่ยวชาญในการวิเคราะห์เครือข่าย การจัดการวงจรชีวิตของลูกค้า และมีทักษะหลักในการแปลงข้อมูลเป็น BI และข้อมูลเชิงลึกที่มีความหมาย นักแปลข้อมูลยังมีบทบาทในการพบปะกับลูกค้า ซึ่งอาจทำหน้าที่เป็นสะพานเชื่อมระหว่างทีมกับลูกค้า

4. การต่อต้านการฟอกเงิน (AML)

ทักษะที่ต้องมี: ความรู้เกี่ยวกับวิธีการทางสถิติขั้นสูง ประสบการณ์ที่พิสูจน์แล้วในการวิเคราะห์ข้อมูลทางการเงิน และความคุ้นเคยกับปัญหา AML
นายจ้างที่มีศักยภาพ: Infosys, Genpact
บทบาทของงาน: การวิเคราะห์ข้อมูลสามารถมีบทบาทอย่างมากในการต่อสู้กับการก่อการร้ายทั่วโลก โดยขัดขวางการไหลของเงินทุนไปยังองค์กรก่อการร้ายและอาชญากร

AML ได้เติบโตขึ้นเป็นกระแสบริการโดยสถาบันการเงินปรับใช้โซลูชัน AML-KYC และแตะแหล่งข้อมูลต่างๆ สำหรับลีด ขั้นตอนแรกในการแก้ไขปัญหาการฟอกเงินคือการรวบรวมข้อมูลที่ถูกต้องเพื่อให้เป็นไปตามภาระผูกพันด้านกฎระเบียบ ข้อมูลนี้ควรทำให้เข้าใจได้ง่ายและมองเห็นได้ผ่านชุดเครื่องมือ BI ที่เหมาะสม

เพื่อเพิ่มความคมชัดของกระบวนการ ควรเพิ่มเลเยอร์อื่นลงในฐานข้อมูลเพื่อดึงข้อมูลประเภทที่เหมาะสม ซึ่งจะช่วยในการค้นหารูปแบบข้อมูลที่ถูกต้อง Genpact เป็นผู้นำระดับโลกด้านการจัดการและการเปลี่ยนแปลงกระบวนการทางธุรกิจที่ขับเคลื่อนด้วยระบบดิจิทัล พวกเขามีเครื่องมือวิเคราะห์ขั้นสูงใน AML/KYC ที่ยังมีการตรวจสอบสถานะและแพลตฟอร์มการคัดกรองระดับโลก

5. การวิเคราะห์การบริการลูกค้า

ทักษะที่ต้องมี: ความรู้ที่ได้รับการพิสูจน์แล้วเกี่ยวกับ SAS, R และประสบการณ์ในการสร้างแบบจำลองการวิเคราะห์ทางการตลาด ทักษะในการแก้ปัญหา และความรู้เกี่ยวกับเทคนิค เช่น การถดถอยและการวิเคราะห์ตะกร้าตลาด
นายจ้างที่มีศักยภาพ: IBM, Salesforce.com, Oracle, TCS
ตำแหน่งงาน: ต้องการสร้างผลิตภัณฑ์ที่เน้นลูกค้าเป็นศูนย์กลางโดยใช้ประโยชน์จากบิ๊กดาต้าใช่หรือไม่ ต้องการข้อมูลเชิงลึกที่ดีเกี่ยวกับสิ่งที่ลูกค้ายุคใหม่อาจคลิกได้ก่อนที่จะทำการลงทุนขนาดใหญ่ใช่หรือไม่ คุณจะต้องใช้ข้อมูลจำนวนมากก่อนที่จะค้นพบข้อมูลเชิงลึกอันมีค่า เช่น จุดปวดของลูกค้าและพฤติกรรมการใช้จ่าย

จากการวิเคราะห์ความคิดเห็นไปจนถึงผลิตภัณฑ์ที่เน้นลูกค้าเป็น หลัก ธนาคารต่างๆ ได้ขับเคลื่อนประสบการณ์ที่มีส่วนร่วมมากขึ้นด้วยการสร้างความสามารถในการวิเคราะห์ที่ยอดเยี่ยมผ่านโซลูชัน Customer Journey Analytics แพลตฟอร์มการวิเคราะห์ระบุโอกาสสำคัญและยังสามารถคาดการณ์พฤติกรรมในอนาคตได้อีกด้วย

การใช้การวิเคราะห์ข้อมูลในการบริการลูกค้าครอบคลุมสี่ประเด็นพื้นฐานที่ผู้เชี่ยวชาญด้านการเดินทางของลูกค้าทำงาน:

1. รวบรวมข้อมูลที่ครอบคลุมการเดินทางของลูกค้า รวมถึงจุดติดต่อต่างๆ

2. ใช้การวิเคราะห์เพื่อทำความเข้าใจจุดบกพร่องของลูกค้าและปรับแต่งการเดินทางให้เป็นส่วนตัว

3. ใช้การวิเคราะห์เชิงคาดการณ์และเทคนิค ML เพื่อคาดการณ์พฤติกรรมในอนาคต

4. ปรับปรุงแพลตฟอร์มด้วยข้อมูลที่ค้นพบใหม่

ห่อ!

อนาคตของการวิเคราะห์ข้อมูล

ดังที่เราได้กล่าวไปแล้วข้างต้นว่าขอบเขตของการวิเคราะห์ข้อมูลจะมีขนาดใหญ่มากในอนาคตอันใกล้นี้ บทบาทของนักวิเคราะห์ข้อมูลในการธนาคารคือการรวบรวมรายงานการวิเคราะห์จากข้อมูลเชิงลึก และช่วยให้สถาบันและพนักงานตัดสินใจได้ดีขึ้นสำหรับอนาคต นอกจากนี้ บทบาทของ Analytics ในอุตสาหกรรมการธนาคารก็มีความสำคัญ เนื่องจากการเติบโตของบริษัทขึ้นอยู่กับกลยุทธ์ที่คุณทำเพื่อให้ได้ผลลัพธ์ที่ต้องการ

อีกด้านของการวิเคราะห์รวมถึงนักแปล Data Science ตามที่กล่าวไว้ข้างต้น ขอบเขต Data Science ในอินเดียเพิ่มขึ้นอย่างมีค่าเนื่องจากภาคการธนาคารก่อนหน้านี้เคยใช้เพื่อหลีกเลี่ยง Big Data และ Data Science เพื่อหลีกเลี่ยงการฉ้อโกง ขณะนี้อุตสาหกรรมกำลังเติบโตขึ้นอย่างมาก ขอบเขตของ Data Analytics ในอินเดียก็เพิ่มขึ้นในสัดส่วนโดยตรง อนาคตของการวิเคราะห์ข้อมูลขึ้นอยู่กับ Data Science เนื่องจากเกี่ยวข้องกับทั้งข้อมูลที่ไม่มีโครงสร้างและข้อมูลที่มีโครงสร้าง จากนั้น การทำความสะอาด การขุด และการวิเคราะห์ข้อมูลในขอบเขตที่คุณสามารถมาถึงมาตรการรับผลประโยชน์ซึ่งควรจะเริ่มต้นสำหรับการเติบโตของบริษัท ทั้งหมดนี้อยู่ภายใต้ Data Science

หากคุณสนใจที่จะเป็นผู้นำนวัตกรรมที่นำข้อมูลมาสู่ภาคการธนาคารซึ่งมีความพร้อมสำหรับการเติบโตแบบทวีคูณในปี 2560 มีบทบาทมากมายให้เลือก และหากคุณไม่มีทักษะเบื้องต้นหรือต้องการเพิ่มทักษะด้วยหลักสูตรเฉพาะทาง คุณสามารถลงทะเบียนเรียนในการรับรอง PG ของ UpGrad ในสาขาวิทยาศาสตร์ข้อมูลได้! หลักสูตรนี้จัดทำร่วมกับ IIIT-B ในฐานะส่วนหนึ่งของโปรแกรม คุณจะได้รับโอกาสในการเชี่ยวชาญในโดเมน BFSI ผ่านการเรียนการสอนและผ่านโครงการ Capstone ที่เกี่ยวข้องกับอุตสาหกรรม ตรวจสอบออกตอนนี้!