Chỉ một vài năm trước, con người cần hiểu văn bản và nhận dạng hình ảnh. Ngày càng có thể tự động hóa các chức năng này bằng cách sử dụng các công nghệ nhận thức, chẳng hạn như học máy. Trên thực tế, một trong những triển khai thực tế đầu tiên của học máy, xử lý tự động các séc viết tay, đã bắt đầu trong lĩnh vực ngân hàng vào đầu những năm 1990.
Chúng tôi đã đi một chặng đường dài kể từ đó. Vài năm qua đã chứng kiến sự gián đoạn đáng kể trong lĩnh vực ra quyết định tự động, chủ yếu do các công ty công nghệ trẻ, sáng tạo dẫn đầu. Các nhà lãnh đạo doanh nghiệp đang sử dụng công nghệ nhận thức để tạo ra trải nghiệm khách hàng nâng cao và mở rộng ra ngoài biên giới ngành truyền thống của họ. Những công nghệ này mang lại những cải tiến đáng kể và đang phát triển trên quy mô nhanh chóng.
Biên giới tiếp theo của việc ra quyết định tự động là công cụ đề xuất - một triển khai thông minh của công nghệ máy học để tăng cường hoặc tự động hóa hoàn toàn quy trình ra quyết định. Đưa ra các đề xuất sâu sắc, chẳng hạn như giới thiệu sản phẩm cho khách hàng mà họ có khả năng muốn mua, từ lâu đã trở thành chén thánh của bất kỳ công ty thương mại nào. Chúng tôi cũng nhận thấy sự thay đổi cơ bản trong cách khách hàng phản hồi các đề xuất sâu sắc.
Các ngân hàng chọn khai thác tiềm năng sử dụng công cụ đề xuất đang tạo ra lợi thế cạnh tranh bằng cách cung cấp trải nghiệm cá nhân hơn cho khách hàng của họ, cũng như nâng cao năng lực cho nhân viên của họ.
Các công cụ đề xuất vẫn ở đây để hoạt động
Công cụ đề xuất hoạt động vì chúng tận dụng những hiểu biết sâu sắc có được từ hành vi của khách hàng trong quá khứ để dự đoán mong muốn của khách hàng trong tương lai - một vài ví dụ phổ biến:
- Amazon là nhà bán lẻ lớn nhất trên thế giới và công cụ đề xuất của họ tạo ra một tỷ lệ lớn doanh số bán hàng của họ. Công cụ này tạo ra trải nghiệm người dùng hấp dẫn bằng cách đề xuất các sản phẩm được coi là có mức độ phù hợp nhất với khách hàng của họ.
- Netflix đã trở thành nhà cung cấp nội dung số một nhờ công cụ đề xuất ưu việt của nó, tận dụng dữ liệu lựa chọn trước đây, cũng như xếp hạng và phản hồi của người dùng. Với dữ liệu này, nó cung cấp các đề xuất phim phù hợp, được cá nhân hóa cho khách hàng của mình.
Thay đổi cách hoạt động của các ngân hàng
Vậy điều này có ý nghĩa gì đối với thế giới ngân hàng? Các công dụng và lợi ích chính của công cụ khuyến nghị đối với ngân hàng bao gồm:
- Cá nhân hóa trên quy mô lớn Các ngân hàng dựa trên
Insight trích xuất kiến thức từ dữ liệu họ đã thu thập về khách hàng của mình để định hình trải nghiệm khách hàng phù hợp. Ví dụ bao gồm giao diện mà khách hàng nhìn thấy khi truy cập vào nền tảng ngân hàng trực tuyến và các đề xuất sản phẩm xuất hiện khi người tiêu dùng đang sử dụng ứng dụng dành cho thiết bị di động. Một khách hàng ngân hàng điển hình có hai mục tiêu; để chi tiêu thông minh hơn và đầu tư thông minh hơn. Thật không may, động lực đằng sau mỗi mục tiêu này thường khác nhau đối với mỗi khách hàng, đó là lý do tại sao tùy chỉnh được kích hoạt bởi hệ thống khuyến nghị có thể hiệu quả đến vậy. Hệ thống khuyến nghị
có thể phân tích dữ liệu giao dịch và đưa ra các đề xuất tùy chỉnh cho khách hàng về cách tiết kiệm tiền. Họ cũng có thể phân tích hành vi của những khách hàng khác có đặc điểm tương tự và giới thiệu các sản phẩm phù hợp với họ.
- Tăng lực lượng lao động Công cụ khuyến nghị
cho phép nhân viên đưa ra quyết định tốt hơn và đầu tư thời gian của họ theo cách thông minh hơn. Các quyết định tốt hơn làm tăng năng suất và giá trị gia tăng của nhân viên, và điều này đến lượt nó sẽ cải thiện hiệu suất của toàn doanh nghiệp. Các hoạt động gian lận gây thiệt hại rất lớn cho các ngân hàng. Theo truyền thống, việc phát hiện gian lận sử dụng phương pháp đối sánh mẫu dựa trên quy tắc, phương pháp này vừa tốn thời gian để duy trì và thường không hiệu quả do các kỹ thuật gian lận ngày càng phát triển. Sử dụng học máy, các ngân hàng có thể phát hiện các điểm bất thường với độ chính xác cao hơn nhiều và gắn cờ hoạt động đáng ngờ sớm hơn. Điều này dẫn đến việc tăng khả năng phát hiện gian lận cũng như giảm các cảnh báo sai.
- Điều phối tự động hóa Việc đạt được toàn bộ lợi ích của việc ra quyết định tự động đòi hỏi phải liên kết các bộ phận khác nhau của tổ chức và tạo ra các hành trình từ đầu đến cuối. Khi việc ra quyết định tự động được áp dụng trong một bộ phận của doanh nghiệp, nó có thể tạo ra các cơ hội vượt xa việc tự động hóa một quy trình hoặc giao dịch riêng lẻ. Các ngân hàng xử lý một số lượng lớn các giao dịch mỗi ngày. Hãy tưởng tượng một ngân hàng phân loại từng giao dịch của khách hàng trong thời gian thực theo loại mua hàng, chẳng hạn như chi tiêu cho giải trí, du lịch, ăn uống hoặc tiền thuê nhà. Điều này có thể thực hiện được với các công cụ khuyến nghị phân bổ mỗi lần mua hàng vào danh mục chi tiêu thích hợp dựa trên các mẫu được phát hiện trong các giao dịch lịch sử tương tự. Trên thực tế, một số ngân hàng đã sử dụng phân loại chi tiêu của khách hàng theo thời gian thực. Ngân hàng có thể sử dụng thông tin này để cung cấp phân tích chi tiêu cho khách hàng. Do đó, phân tích chi tiêu có thể được sử dụng làm đầu vào cho công cụ đề xuất tư vấn cho khách hàng về cách tiết kiệm tiền hoặc những sản phẩm nên đầu tư vào.
Con đường phía trước
Việc ra quyết định tự động đã nhanh chóng chuyển đổi cách các ngân hàng cung cấp dịch vụ trên toàn bộ chuỗi giá trị. Việc triển khai của họ đang cho phép cá nhân hóa ở quy mô và tăng lực lượng lao động, và điều này lại tạo ra các cơ hội tự động hóa hơn nữa. Để đạt được toàn bộ lợi ích của các công cụ khuyến nghị, các ngân hàng cần phải có cái nhìn tổng thể hơn về hành trình khách hàng của họ như cách họ đã làm. Đọc thêm về công nghệ nhận thức trên trang web Deloitte.
