Υπερύθμιση vs Προόδου
Tην ανάπτυξη της τεχνολογίας επιχειρούν να παρακολουθήσουν θεσμικά οι τραπεζικές αρχές δίνοντας όσο το δυνατόν πιο ισορροπημένες κατευθύνσεις γίνεται στη διευρυμένη αλλαγή του τοπίου που παρατηρείται στον τραπεζικό τομέα.
Πολύ σύντομα ο τρόπος διενέργειας συναλλαγών γίνεται εξαιρετικά απλός αλλά συγχρόνως και αξιόπιστος με την ταχύτατη επεξεργασία απεριόριστων δεδομένων που συχνά εκφεύγουν της παρακολούθησης των θεσμών.
Πως λοιπόν μπορεί να προστατευτούν οι πελάτες αλλά και πως μπορούν να τηρηθούν οι κανόνες;
Ετσι συχνά τίθεται το δίλημμα αν οι θεσμοί πρέπει να καθυστερήσουν την εξέλιξη ώστε να μπορέσουν να την παρακολουθήσουν ή να την αφήσουν να ξεφύγει και να επιχειρήσουν μια ισόρροπη παρακολούθηση που δεν θα επηρεάσει την πρόοδο.
Αλλωστε η τραπεζική με την παλιά έννοια έχει μάλλον καταδυναστευτεί από την υπερύθμιση και οι τράπεζες έχουν προ πολλού σταματήσει να εξυπηρετούν το επιχειρείν κατά τον τρόπο τουλάχιστον που το έπρατταν παλιά..
Νέες κατευθύνσεις λοιπόν για την ανάπτυξη την εφαρμογή και την υιοθέτηση της αυξανόμενης χρήσηςρήσης των BIG DATA και προηγμένης ανάλυσης στον τραπεζικό τομέα προτείνει λοιπόν η ΕΒΑ σε πρόσφατη έκθεσή της.
Τα BIG DATA αφορούν στη συλλογή και την επεξεργασία ενός συνόλου πληροφοριακών δεδομένων τα οποία είναι κρίσιμα για την ερμηνεία των τάσεων και των στρατηγικών που ακολουθεί κάθε τράπεζα.
Στις κατευθύνσεις της ΕΒΑ ιδιαίτερη έμφαση δίδεται στην μηχανική εκμάθηση (machine learning) η οποία αποτελεί μια τεχνολογία που αναμένεται να αναπτυχθεί ταχέως στην τραπεζική βιομηχανία τα επόμενα χρόνια.
Στόχος της έκθεσης είναι να διανείμει τη γνώση ανάμεσα στους συμμετέχοντες στο τραπεζικό σύστημα κυρίως να διασφαλίσει πως οι ρυθμιστές και οι επόπτες γνωρίζουν καλά τις τελευταίες εξελίξεις σε μια προσπάθεια να στηρίξει την τεχνολογική ουδετερότητα στις ρυθμιστικές και εποπτικές προσεγγίσεις.
Η ανάγκη για την απαιτούμενη ικανότητα γίνεται ολοένα και σημαντικότερη καθώς αποτελεί μια σοβαρή πρόκληση για τις τράπεζες του επόπτες και τους ρυθμιστές.
Η εκπαίδευση και η ανάπτυξη καθώς και η στενότερη ενασχόληση με το συγκεκριμένο αυτό θέμα των συμμετεχόντων στο τραπεζικό σύστημα είναι το σημείο εκκίνησης για την αντιμετώπιση της νέας αυτής πρόκλησης.
Η νέα αυτή προσέγγιση που καθοδηγείται από τα data είναι μια αναδυόμενη τάση στον χρηματοοικονομικό τομέα η οποία επηρεάζει τις επιχειρηματικές στρατηγικές των τραπεζών τα ρίσκα και τη λειτουργία πράγμα που αντανακλάται στις αντιλήψεις και την κουλτούρα των πιστωτικών ιδρυμάτων.
Η έκθεση της ΕΒΑ επικεντρώνεται στις τεχνικές BIG DATA και προηγμένης ανάλυσης όπως η μηχανική εκμάθηση που είναι υποτομέας της τεχνητής νοημοσύνης η οποία προχωρά πέρα από την παραδοσιακή επιχειρησιακή νοημοσύνη για να ανακαλύψει βαθύτερες γνώσεις να κάνει προβλέψεις και τελικώς να δημιουργήσει συστάσεις μέσω διαφορετικών τύπων και πηγών δεδομένων.
Η ΕΒΑ παρατηρεί τα τελευταία χρόνια ότι υπάρχει αυξανόμενο ενδιαφέρον των λύσεων που προτείνουν οι παραπάνω μέθοδοι.
Είναι χαρακτηριστικό ότι οι δύο στις τρεις ευρωπαϊκές τράπεζες ήδη διαθέτουν τέτοιες τεχνικές λύσεις .
Η ΕΒΑ θεωρεί πως όλες οι λειτουργίες μέσα σε μια τράπεζα θα πρέπει να μπορούν να επωφελούνται από τα BIG DATA και την προηγμένη ανάλυση καθώς έτσι θα μπορούσαν να βελτιωθούν οι υπάρχουσες υπηρεσίες στο τρίπτυχο της αποτελεσματικότητας, της παραγωγικότητας και της εξοικονόμησης κόστους.
Οι νέες εφαρμογές θα μπορούσαν να δημιουργήσουν και νέες επιχειρηματικές ευκαιρίες.
Σήμερα οι περισσότεροι χρηματοπιστωτικοί οργανισμοί χρησιμοποιούν απλούστερους αλγόριθμους .
Ωστόσο όμως τα επόμενα χρόνια όλο αυτό αναμένεται να εξελιχθεί ταχύτατα.
Η διαχείριση των data, η τεχνολογική υποδομή , η αναλυτική μεθοδολογία, η οργάνωση και η διακυβέρνηση είναι οι βασικοί άξονες που προσδιορίζει η ΕΒΑ για τις νέες προηγμένες τραπεζικές εφαρμογές μαζί με τα κάτωθι στοιχεία πίστης που θα πρέπει να διατηρηθούν και να συνεχιστεί η συμμόρφωση προς αυτά.
Η δεοντολογία, η επεξηγηματικότατα , η ερμηνεία , η δικαιοσύνη και η αμεροληψία η ιχνηλασιμότητα και η ελεγξιμότητα, η προστασία δεδομένων, η ποιότητα δεδομένων, η ασφάλεια και κυρίως η προστασία του καταναλωτή.
Η ΕΒΑ θέλει να γίνουν όλες οι αναγκαίες προσπάθειες προκειμένου να διασφαλιστεί ότι οι BIG DATA εφαρμογές θα σέβονται και θα ενσωματώνουν όλα αυτά τα στοιχεία που αποτελούν τον πυρήνα της τραπεζικής πίστης.
Προς το σκοπό αυτόν θα μπορούσε να εφαρμοστεί μια προσέγγιση risk based για ορισμένα από τα παραπάνω αυτά στοιχεία της τραπεζικής πίστης τα οποία θα εξαρτώνται από την επίδραση που θα έχει κάθε τέτοια εφαρμογή .
Για παράδειγμα αυτστηρότερες προϋποθέσεις μπορούν να τεθούν για τα στοιχεία της επεξήγησης όταν ενδέχεται να υπάρξει επίπτωση στη συνέχιση της επιχειρηματικότητας ή ενδεχόμενη βλάβη στον πελάτη.
Στο ζήτημα της δεοντολογίας η έκθεση της ΕΒΑ επικαλείται άμεσα τις «κατευθύνσεις δεοντολογίας» για αξιόπιστες εφαρμογές τεχνητής νοημοσύνης .
Αυτός ο κώδικας αναπτύχθηκε από την υψηλού επιπέδου ομάδα ειδικών της Ευρωπαϊκής Ενωσης για τη τεχνητή νοημοσύνη.
Ειρήνη Σακελλάρη
irini9901@yahoo.gr
www.bankingnews.gr
Πολύ σύντομα ο τρόπος διενέργειας συναλλαγών γίνεται εξαιρετικά απλός αλλά συγχρόνως και αξιόπιστος με την ταχύτατη επεξεργασία απεριόριστων δεδομένων που συχνά εκφεύγουν της παρακολούθησης των θεσμών.
Πως λοιπόν μπορεί να προστατευτούν οι πελάτες αλλά και πως μπορούν να τηρηθούν οι κανόνες;
Ετσι συχνά τίθεται το δίλημμα αν οι θεσμοί πρέπει να καθυστερήσουν την εξέλιξη ώστε να μπορέσουν να την παρακολουθήσουν ή να την αφήσουν να ξεφύγει και να επιχειρήσουν μια ισόρροπη παρακολούθηση που δεν θα επηρεάσει την πρόοδο.
Αλλωστε η τραπεζική με την παλιά έννοια έχει μάλλον καταδυναστευτεί από την υπερύθμιση και οι τράπεζες έχουν προ πολλού σταματήσει να εξυπηρετούν το επιχειρείν κατά τον τρόπο τουλάχιστον που το έπρατταν παλιά..
Νέες κατευθύνσεις λοιπόν για την ανάπτυξη την εφαρμογή και την υιοθέτηση της αυξανόμενης χρήσηςρήσης των BIG DATA και προηγμένης ανάλυσης στον τραπεζικό τομέα προτείνει λοιπόν η ΕΒΑ σε πρόσφατη έκθεσή της.
Τα BIG DATA αφορούν στη συλλογή και την επεξεργασία ενός συνόλου πληροφοριακών δεδομένων τα οποία είναι κρίσιμα για την ερμηνεία των τάσεων και των στρατηγικών που ακολουθεί κάθε τράπεζα.
Στις κατευθύνσεις της ΕΒΑ ιδιαίτερη έμφαση δίδεται στην μηχανική εκμάθηση (machine learning) η οποία αποτελεί μια τεχνολογία που αναμένεται να αναπτυχθεί ταχέως στην τραπεζική βιομηχανία τα επόμενα χρόνια.
Στόχος της έκθεσης είναι να διανείμει τη γνώση ανάμεσα στους συμμετέχοντες στο τραπεζικό σύστημα κυρίως να διασφαλίσει πως οι ρυθμιστές και οι επόπτες γνωρίζουν καλά τις τελευταίες εξελίξεις σε μια προσπάθεια να στηρίξει την τεχνολογική ουδετερότητα στις ρυθμιστικές και εποπτικές προσεγγίσεις.
Η ανάγκη για την απαιτούμενη ικανότητα γίνεται ολοένα και σημαντικότερη καθώς αποτελεί μια σοβαρή πρόκληση για τις τράπεζες του επόπτες και τους ρυθμιστές.
Η εκπαίδευση και η ανάπτυξη καθώς και η στενότερη ενασχόληση με το συγκεκριμένο αυτό θέμα των συμμετεχόντων στο τραπεζικό σύστημα είναι το σημείο εκκίνησης για την αντιμετώπιση της νέας αυτής πρόκλησης.
Η νέα αυτή προσέγγιση που καθοδηγείται από τα data είναι μια αναδυόμενη τάση στον χρηματοοικονομικό τομέα η οποία επηρεάζει τις επιχειρηματικές στρατηγικές των τραπεζών τα ρίσκα και τη λειτουργία πράγμα που αντανακλάται στις αντιλήψεις και την κουλτούρα των πιστωτικών ιδρυμάτων.
Η έκθεση της ΕΒΑ επικεντρώνεται στις τεχνικές BIG DATA και προηγμένης ανάλυσης όπως η μηχανική εκμάθηση που είναι υποτομέας της τεχνητής νοημοσύνης η οποία προχωρά πέρα από την παραδοσιακή επιχειρησιακή νοημοσύνη για να ανακαλύψει βαθύτερες γνώσεις να κάνει προβλέψεις και τελικώς να δημιουργήσει συστάσεις μέσω διαφορετικών τύπων και πηγών δεδομένων.
Η ΕΒΑ παρατηρεί τα τελευταία χρόνια ότι υπάρχει αυξανόμενο ενδιαφέρον των λύσεων που προτείνουν οι παραπάνω μέθοδοι.
Είναι χαρακτηριστικό ότι οι δύο στις τρεις ευρωπαϊκές τράπεζες ήδη διαθέτουν τέτοιες τεχνικές λύσεις .
Η ΕΒΑ θεωρεί πως όλες οι λειτουργίες μέσα σε μια τράπεζα θα πρέπει να μπορούν να επωφελούνται από τα BIG DATA και την προηγμένη ανάλυση καθώς έτσι θα μπορούσαν να βελτιωθούν οι υπάρχουσες υπηρεσίες στο τρίπτυχο της αποτελεσματικότητας, της παραγωγικότητας και της εξοικονόμησης κόστους.
Οι νέες εφαρμογές θα μπορούσαν να δημιουργήσουν και νέες επιχειρηματικές ευκαιρίες.
Σήμερα οι περισσότεροι χρηματοπιστωτικοί οργανισμοί χρησιμοποιούν απλούστερους αλγόριθμους .
Ωστόσο όμως τα επόμενα χρόνια όλο αυτό αναμένεται να εξελιχθεί ταχύτατα.
Η διαχείριση των data, η τεχνολογική υποδομή , η αναλυτική μεθοδολογία, η οργάνωση και η διακυβέρνηση είναι οι βασικοί άξονες που προσδιορίζει η ΕΒΑ για τις νέες προηγμένες τραπεζικές εφαρμογές μαζί με τα κάτωθι στοιχεία πίστης που θα πρέπει να διατηρηθούν και να συνεχιστεί η συμμόρφωση προς αυτά.
Η δεοντολογία, η επεξηγηματικότατα , η ερμηνεία , η δικαιοσύνη και η αμεροληψία η ιχνηλασιμότητα και η ελεγξιμότητα, η προστασία δεδομένων, η ποιότητα δεδομένων, η ασφάλεια και κυρίως η προστασία του καταναλωτή.
Η ΕΒΑ θέλει να γίνουν όλες οι αναγκαίες προσπάθειες προκειμένου να διασφαλιστεί ότι οι BIG DATA εφαρμογές θα σέβονται και θα ενσωματώνουν όλα αυτά τα στοιχεία που αποτελούν τον πυρήνα της τραπεζικής πίστης.
Προς το σκοπό αυτόν θα μπορούσε να εφαρμοστεί μια προσέγγιση risk based για ορισμένα από τα παραπάνω αυτά στοιχεία της τραπεζικής πίστης τα οποία θα εξαρτώνται από την επίδραση που θα έχει κάθε τέτοια εφαρμογή .
Για παράδειγμα αυτστηρότερες προϋποθέσεις μπορούν να τεθούν για τα στοιχεία της επεξήγησης όταν ενδέχεται να υπάρξει επίπτωση στη συνέχιση της επιχειρηματικότητας ή ενδεχόμενη βλάβη στον πελάτη.
Στο ζήτημα της δεοντολογίας η έκθεση της ΕΒΑ επικαλείται άμεσα τις «κατευθύνσεις δεοντολογίας» για αξιόπιστες εφαρμογές τεχνητής νοημοσύνης .
Αυτός ο κώδικας αναπτύχθηκε από την υψηλού επιπέδου ομάδα ειδικών της Ευρωπαϊκής Ενωσης για τη τεχνητή νοημοσύνη.
Ειρήνη Σακελλάρη
irini9901@yahoo.gr
www.bankingnews.gr
Σχόλια αναγνωστών