ดังนั้นจึงไม่ใช่เรื่องน่าแปลกที่ Personalized Financial Product ได้เกิดขึ้นมากมายในช่วงไม่นานนี้ เพื่อเพิ่มแรงดึงดูดลูกค้าโดยเฉพาะ ไม่ว่าจะเป็น Personal Financial Management (PFM) หรือ Robo-advisor ที่เป็นเครื่องมือทางการเงินในการเข้ามาช่วยเลือกผลิตภัณฑ์ให้เหมาะกับลูกค้าแต่ละรายมากยิ่งขึ้น โดยเฉพาะสำหรับกลุ่มคนรุ่นใหม่อย่าง Gen Z ซึ่งจากรายงานการวิจัย BAI Banking Outlook: Trends In 2020 พบว่า 64% ของกลุ่มที่ตอบแบบสำรวจ ให้ความสำคัญกับเรื่องประสบการณ์ทางการเงินบนโลกดิจิทัล (Personalized Banking Experience) โดยเฉพาะการแนะนำผลิตภัณฑ์ทางการเงินที่เหมาะกับพฤติกรรมการใช้เงินและการใช้ชีวิต ไม่เพียงเท่านั้น ผู้บริโภคยุคใหม่ยังมีแนวโน้มเปลี่ยนไปใช้บริการจากธนาคารหรือสถาบันการเงินอื่นๆ หากไม่สามารถนำเสนอประสบการณ์การใช้งานแบบ personalized ได้

แต่นอกจากสร้างประสบการณ์ที่ถูกใจลูกค้าแล้ว สิ่งที่จะขาดไปไม่ได้ถ้าต้องการมัดใจให้คนอยู่กับธุรกิจในระยะยาว คือการสร้าง Connectivity ที่หมายถึงการกระตุ้นการมีส่วนร่วม ทำให้ลูกค้ารู้สึกว่าโปรดักต์เป็นส่วนหนึ่งของการใช้ชีวิต กลายเป็นแพลตฟอร์มที่ช่วยให้สามารถเชื่อมต่อกับเพื่อนๆ และคนรู้จัก ซึ่งช่วยเปลี่ยนเรื่องการเงินให้กลายเป็นเรื่องสนุก และจะนำไปสู่การบอกต่อให้คนหันมาใช้งานด้วยกัน

 อยากรู้ใจ ต้องทำให้สนุกก่อน

ในการสร้างผลิตภัณฑ์อย่างหนึ่ง นอกจากองค์ประกอบ 2 เรื่องคือเรื่องการใช้งานของผู้ใช้ (Usability) เช่น ประสบการณ์ใช้งานและหน้าตาของแอปพลิเคชัน และเรื่องประโยชน์ต่อผู้ใช้งาน (Usefulness) ไม่ว่าจะเป็นข้อมูลผลิตภัณฑ์หรือการให้คำแนะนำต่างๆ การทำให้ผู้ใช้มีส่วนร่วมกับผลิตภัณฑ์ (Connectivity) คือจุดสำคัญที่สร้างความแตกต่างจากธุรกิจอื่นๆ

จากประสบการณ์จริงของ Bluebik ในฐานะบริษัทคอนซัลต์ ที่ได้เข้าไปให้คำปรึกษาด้านกลยุทธ์และการจัดการด้วยนวัตกรรมและเทคโนโลยีให้กับองค์กรธุรกิจขนาดใหญ่ และมีโอกาสเข้าไปช่วยออกแบบกลยุทธ์การพัฒนาตัวช่วยวางเป้าหมายทางการเงิน (Financial goal setting) พบว่าการสร้าง Connectivity สามารถทำได้ผ่านเทคนิค Gamification ด้วยการสอดแทรกเกมในรูปแบบการตอบคำถามเข้าไปในแพลตฟอร์ม คล้ายกับการทำ Personality Test เพื่อค้นหา Financial Persona หรือพฤติกรรมการใช้เงินของลูกค้าแต่ละกลุ่ม โดยอาจแบ่งคร่าวๆ เป็นกลุ่มนักช้อป นักลงทุน นักเก็บเงิน เป็นต้น

การนำเสนอ Financial Persona ไม่เพียงสร้างความรู้สึกให้เรื่องเงินเป็นเรื่องใกล้ตัวและเข้าถึงง่ายเท่านั้น แต่ยังต่อยอดไปสู่การสร้างคอนเทนต์อื่นๆ ที่สามารถแชร์ให้เพื่อนหรือคนรู้จักเห็นบนโซเชียลมีเดีย ไม่ว่าจะเป็นการแชร์เป้าหมายทางการเงินหรือความสำเร็จในการเก็บเงิน เมื่อเกิดการแชร์ ย่อมทำให้เห็นภาพไลฟ์สไตล์และรู้จักลูกค้ามากขึ้นว่า แต่ละกลุ่มกำลังสนใจเรื่องไหน มีเป้าหมายแบบไหน นำไปสู่การนำเสนอ personalized product ที่รู้ใจยิ่งขึ้น เช่น ให้ข้อมูลเกี่ยวกับสิ่งที่ลูกค้าอยากรู้จริงๆ และปรับปรุงรูปแบบการช่วยเลือกผลิตภัณฑ์ให้เหมาะสมมากขึ้นไปอีก

Gamification สร้างความน่าเชื่อถือแบบไม่น่าเบื่อ

คงต้องบอกว่า Gamification เป็นเครื่องมือหนึ่งที่ทำให้ผู้ใช้รู้สึกมีส่วนร่วม ด้วยการใส่ความสนุกเข้าไปให้การใช้งานไม่น่าเบื่อ สร้างความรู้สึกเหมือนกำลังเล่นเกมอยู่ ซึ่งการนำ Gamification มาใช้กับผลิตภัณฑ์ทางการเงินทำได้หลายรูปแบบ และไม่จำเป็นต้องใช้แค่รูปแบบเดียว แต่สามารถผสมผสานกันได้เพื่อให้เกิดความหลากหลาย ในการนำเสนอความรู้ ความเข้าใจ และความน่าเชื่อถือของผลิตภัณฑ์ทางการเงินออกมาแบบเข้าใจง่าย

ในกรณีของแอปพลิเคชันช่วยวางแผนทางการเงิน ในช่วงแรกสามารถออกแบบเป็นการใช้เกมตอบคำถามเพื่อทำความรู้จักกับลูกค้าเบื้องต้น เช่น อายุ การศึกษา อาชีพ ความสนใจ ไลฟ์สไตล์ เป็นต้น แล้วต่อด้วยคำถามเกี่ยวกับพฤติกรรมการใช้เงินและแนวทางการวางแผนทางการเงิน เพื่อทำความเข้าใจความต้องการลูกค้าในเชิงลึกขึ้น เมื่อนำทุกส่วนมารวมกัน จะได้ออกมาเป็น Financial Persona ของบุคคลนั้น

สำหรับองค์ประกอบที่ควรมีในการสร้างเกมตอบคำถาม เพื่อค้นหา Financial Persona สามารถแบ่งออกเป็น 3 ส่วนหลัก

1. Financial Risk

การประเมินความเสี่ยงทางการเงินว่าลูกค้าแต่ละรายสามารถยอมรับความเสี่ยงได้มากแค่ไหน ไล่ไปตั้งแต่ความเสี่ยงต่ำ ความเสี่ยงต่ำถึงปานกลาง ความเสี่ยงปานกลางถึงสูง ความเสี่ยงสูง และความเสี่ยงสูงมาก

2. Financial Decision

การตัดสินใจทางการเงิน โดยอาจแบ่งเป็นการตัดสินใจแบบฉับพลัน เช่น อยากได้ของชิ้นหนึ่งแล้วตัดสินใจซื้อเลย และอีกแบบคือการตัดสินใจอย่างระมัดระวัง โดยคิดแล้วคิดอีกก่อนตัดสินใจซื้อของชิ้นหนึ่ง

3. Financial Management

การบริหารจัดการทางการเงินเป็นอีกส่วนที่จะขาดไปไม่ได้ ซึ่งแบ่งคร่าวๆ ได้เป็นการวางแผนทางการเงินระยะสั้นไม่เกิน 1 ปี ระยะกลาง 3-7 ปี และระยะยาว 7 ปีขึ้นไป เป็นต้น 

นอกจากการนำ Gamification ไปใช้ในการออกแบบเกมตอบคำถามแล้ว อาจเพิ่มลูกเล่นอื่นๆ เข้าไปด้วยการลองให้ผู้ใช้ทำกิจกรรมบางอย่างบนแพลตฟอร์ม เช่น การให้กำหนดเป้าหมายการเก็บเงินภายใน 1 ปี 3 ปี หรือ 5 ปี ว่าต้องการเก็บเงินให้ได้เท่าไร และจะนำไปใช้ทำอะไร ซึ่งเมื่อทำสำเร็จแล้ว จะได้รับ Badge เหรียญรางวัล หรือคะแนน ที่หากสะสมครบตามเกณฑ์สามารถนำไปแลกของรางวัล ซึ่งไม่เพียงสร้างความรู้สึกสนุกเหมือนได้เล่นเกม ยังเป็นการตอบแทนลูกค้าด้วยการให้สิทธิพิเศษต่างๆ ด้วยเช่นกัน

ในโลกยุคใหม่ที่ผู้บริโภคมีตัวเลือกมากมายและหลากหลาย การจะสร้างผลิตภัณฑ์ทางการเงินที่อาจมีความซับซ้อนและยากจะเข้าใจได้ในครั้งแรก นอกจากต้องพยายามทำให้ลูกค้าเลือกผลิตภัณฑ์ของธุรกิจ ด้วยการนำเสนอจุดเด่นเรื่องการใช้งานและประโยชน์ที่ผู้ใช้จะได้รับ ยังต้องคิดเรื่องอารมณ์ความรู้สึกจากการใช้งานด้วย เพื่อมัดใจให้ลูกค้าไม่ปันใจไปหาคู่แข่ง ซึ่งการจะทำเช่นนั้นต้องมีการวางกลยุทธ์อย่างเป็นขั้นตอนเพื่อออกแบบประสบการณ์ใช้งานบนโลกดิจิทัลให้ออกมาดีที่สุดและตรงใจลูกค้ามากที่สุด   

The post เมื่อต้องสร้างผลิตภัณฑ์ทางการเงินให้โดนใจคนรุ่นใหม่ Personalized ไม่พอ ต้องสนุกด้วย appeared first on Bluebik.

การปฏิวัติโลกการเงินครั้งนี้จะไม่ใช่แค่การอัปเกรดเทคโนโลยี แต่จะเป็นการออกแบบและยกระดับองค์กรธุรกิจอย่างมีกลยุทธ์ด้วยเทคโนโลยี (Enterprise Transformation) เพื่อเดินหน้าเข้าสู่สังคมไร้เงินสด (Cashless Society) ที่ปลอดภัยและรวดเร็วกว่าที่ผ่านมา พร้อมสร้างโมเดลธุรกิจใหม่ ๆ และสามารถใช้เทคโนโลยีขั้นสูงยกระดับกระบวนการทำงาน ตลอดจนห่วงโซ่คุณค่าของทั้งองค์กร (Value Chain)   

สาระสำคัญ 

• AI เป็นตัวเร่งการเปลี่ยนแปลง: พลิกโฉมธุรกิจการเงินด้วยการขับเคลื่อนธุรกรรมดิจิทัล และสร้างสรรค์ให้เกิดรูปแบบธุรกิจใหม่ 

• ลูกค้าเป็นศูนย์กลาง: โมเดล Transaction-Based จะถูกแทนที่ด้วยโมเดล Relationship-Based ที่เน้นการสร้างความสัมพันธ์กับลูกค้าและการส่งมอบบริการเฉพาะบุคคลได้อย่างแม่นยำ 

• การสนับสนุนให้เกิดนวัตกรรมทางการเงินใหม่ ๆ: โมเดลธุรกิจใหม่ อาทิ Peer-to-Peer Lending และ DeFi บริการที่ทำให้ลูกค้าเข้าถึงและจัดการเงินของตนเองได้อย่างโปร่งใสมากขึ้น 

• การยกระดับประสิทธิภาพและความปลอดภัยไซเบอร์: AI เป็นกลไกสำคัญในการชำระเงินแบบเรียลไทม์ การตรวจจับธุรกรรมผิดปกติและระบบยืนยันตัวตนแบบไบโอเมตริก เสริมแกร่งให้ระบบความปลอดภัยไซเบอร์และเพิ่มประสิทธิภาพกระบวนการทำงาน 

• การเปลี่ยนแปลงระบบปฏิบัติการ: AI และ Cloud Computing กำลังยกระดับกระบวนการดำเนินงาน ลดต้นทุน และเพิ่มความยืดหยุ่น 

• การปฏิบัติตามกฎระเบียบและจริยธรรม: สถาบันการเงินต้องปฏิบัติตามกฎระเบียบและพร้อมจัดการกับปัญหาด้านจริยธรรม AI 

• อนาคตของ AI และ Blockchain: AI และ Blockchain จะให้ภาคการเงินสามารถขับเคลื่อนอย่างมีประสิทธิภาพและโปร่งใส ผ่านการเข้าถึงระบบดิจิทัลอย่างเท่าเทียมและการให้ความสำคัญกับความเป็นส่วนตัวของผู้ใช้งาน  

มาตรฐานธุรกรรมการเงินใหม่ มุ่งสร้างความสัมพันธ์กับลูกค้า 

บริษัทชั้นนำในโลกการเงินเริ่มสร้างข้อได้เปรียบทางธุรกิจ จากกลยุทธ์ด้าน AI ยกตัวอย่าง JPMorgan Chase และ Bank of America ที่ปรับใช้อัลกอริทึม AI ระบุธุรกรรมผิดปกติได้ในเสี้ยววินาที ยกระดับความปลอดภัยไซเบอร์องค์กร ขณะที่ บริษัทฟินเทคสัญชาติอังกฤษ Revolut ใช้ Machine Learning –ML เพื่อนำเสนอบริการทางการเงินแบบ Hyper-Personalized Advice ทำให้การแข่งขันในอุตสาหกรรมเปลี่ยนแปลงไปอย่างมีนัยสำคัญ   

กระแส Enterprise Transformation กำลังทำให้สถาบันการเงินยกระดับศักยภาพธุรกิจในทุกมิติ ตั้งแต่การสร้างความแข็งแกร่งให้กับโครงสร้างพื้นฐานด้านความปลอดภัย กระบวนการดำเนินธุรกิจด้วยระบบอัตโนมัติที่มีความซับซ้อน และการส่งมอบประสบการณ์เฉพาะรายให้แก่ลูกค้า ในระดับที่ไม่เคยเกิดขึ้นมาก่อน   

ทลายข้อจำกัดธุรกิจที่เคยมีด้วย Data-Driven Models  

การผสานเทคโนโลยี AI กับกระบวนการทำงานอย่างมีกลยุทธ์ กำลังพลิกโฉมสถาปัตยกรรมด้านบริการทางการเงิน การวิเคราะห์พฤติกรรมผู้ใช้บริการแบบเรียลไทม์ ทำให้สถาบันการเงินสามารถนำเสนอสินเชื่อและแผนการลงทุนที่เหมาะสมกับ ขีดความสามารถในการรับความเสี่ยงและบรรลุเป้าหมายของลูกค้าเฉพาะรายได้  

ยิ่งไปกว่านั้น AI ยังนำไปสู่การสร้างโมเดลธุรกิจใหม่ ๆ อาทิ แพลตฟอร์มสินเชื่อระหว่างบุคคล (Peer-to-Peer Lending) ช่องทางการระดมทุนออนไลน์ระหว่าง SME กับนักลงทุน และ บริการทางการเงินโดยไม่ผ่านตัวกลาง (Decentralized Finance –DeFi) เป็นต้น ซึ่งการยกระดับองค์กรด้วยเทคโนโลยีอย่างมีกลยุทธ์ จะทำให้เกิดช่องทางการสร้างรายได้ใหม่ให้สถาบันการเงิน ผ่านรูปแบบการสมัครสมาชิก (Subscription Model) เครื่องมือวางแผนการเงินที่ขับเคลื่อนด้วย AI (AI-Based Financial Planning Tools) และระบบการวิเคราะห์ขั้นสูง (Advanced Analytics) 

จับตาความเคลื่อนไหว AI-Driven Cashless Finance ปี 2568 

🔹 1. การเติบโตแบบก้าวกระโดดของธุรกรรมดิจิทัล 

เทคโนโลยี AI ขับเคลื่อนให้ธุรกรรมดิจิทัลเติบโตอย่างก้าวกระโดด สามารถรองรับการชำระเงินออนไลน์ที่ซับซ้อนและเพิ่มจำนวนธุรกิจดิจิทัล ยกตัวอย่าง ระบบบริการโอนเงินข้ามธนาคารแบบทันทีของธนาคารกลางสหรัฐฯ และ Unified Payment Interface – UPI หรือระบบการชำระเงินที่ผู้ใช้สามารถโอนเงินข้ามบัญชีธนาคารหลายบัญชีแบบเรียลไทม์ ซึ่งเทคโนโลยีเหล่านี้ช่วยเพิ่มประสิทธิภาพ ลดต้นทุนการทำธุรกรรมและยกระดับโครงสร้างพื้นฐานด้านไอทีมีความยืดหยุ่นสามารถรองรับความคาดหวังของลูกค้าในยุคดิจิทัล 

Enterprise Transformation ในบริบทนี้เกี่ยวข้องกับการพัฒนาระบบการชำระเงินและขั้นตอนการทำงาน ปลดล็อคการให้บริการด้วยพลัง AI ที่ทำให้บริการทางการเงินรวดเร็ว ฉลาดและมีประสิทธิภาพมากขึ้น  

🔹 2. ระบบชำระเงินที่มีประสิทธิภาพ รวดเร็วและปลอดภัยกว่าเดิม 

บทบาท AI ในระบบการชำระเงินแบบเรียลไทม์ คือ หัวใจสำคัญของการยกระดับองค์กรด้วยเทคโนโลยีอย่างมีกลยุทธ์ (Enterprise Transformation) ในอุตสาหกรรมการเงิน ระบบการชำระเงินที่ขับเคลื่อนด้วย AI ทำให้กระบวนการต่าง ๆ รวดเร็ว ปลอดภัยและสามารถตรวจจับความผิดปกติได้แบบเรียลไทม์ ซึ่งนวัตกรรมนี้สามารถลดต้นทุนในขณะที่การให้บริการดีขึ้น ซึ่งองค์กรที่ประสบความสำเร็จในการทรานส์ฟอร์มนี้ ต้องมีการเปลี่ยนแปลงตั้งแต่โครงสร้างพื้นฐานและกระบวนการชำระเงิน พร้อมเปิดรับเทคโนโลยี AI และระบบอัตโนมัติ (Automation) เป็นกลยุทธ์สำคัญ  

🔹 3. Biometric & AI Authentication: ขีดความสามารถสำคัญของสถาบันการเงิน 

เทคโนโลยี Biometric และ AI Authentication กำลังกลายเป็นมาตรฐานสำคัญด้านความปลอดภัยไซเบอร์ในอุตสาหกรรมการเงิน สถาบันการเงินจำเป็นต้องกำหนดให้เทคโนโลยีเหล่านี้เป็นส่วนหนึ่งของกลยุทธ์ Enterprise Transformation นอกจากระบบความปลอดภัยที่ขับเคลื่อนด้วย AI ที่สามารถปกป้องทั้งข้อมูลลูกค้าและธุรกรรมทางการเงินแล้ว AI ยังสามารถเพิ่มโอกาสทางธุรกิจ สร้าง Engagement กับลูกค้าผ่านการนำเสนอประสบการณ์ชำระเงินเฉพาะบุคคลแบบไร้รอยต่อและปลอดภัย ซึ่งการเปลี่ยนแปลงนี้จะช่วยให้องค์กรสามารถรักษาขีดความสามารถในการแข่งขันในโลกการเงินแห่งอนาคต ที่ให้ความสำคัญสูงสุดกับ 3 ประเด็นหลัก ได้แก่ 1) ความน่าเชื่อถือ 2) ความปลอดภัย และ 3) ประสบการณ์การใช้บริการ 

อนาคตภาคการเงิน: ผสานพลัง AI สร้างมาตรฐานระบบการเงินใหม่ทุกมิติ 

อุตสาหกรรมการเงินกำลังก้าวสู่ยุคใหม่ ที่กระบวนการทำงานจะผสานรวมกับ AI และ Blockchain เพื่อสร้างระบบการเงินใหม่ที่โปร่งใส ยืดหยุ่นและมีประสิทธิภาพสูง ในขณะที่ต้นทุนลดลง อย่างไรก็ตามการเดินหน้าเข้าสู่มาตรฐานโลกการเงินใหม่นี้ สถาบันการเงินจะต้องก้าวข้ามอุปสรรคสำคัญหลายด้าน อาทิ การเข้าถึงเทคโนโลยีของทุกกลุ่มประชากร (Digital Inclusion) และ ความปลอดภัยของข้อมูล (Privacy) และกลยุทธ์การยกระดับองค์กรด้วยเทคโนโลยีที่มีประสิทธิภาพและเหมาะสมกับแต่ละองค์กร ดังนั้น นับจากนี้ Enterprise Transformation จะไม่ใช่แค่ทางเลือก แต่เป็นเส้นทางสำคัญที่จะนำพาสถาบันการเงินไปสู่การเติบโตอย่างยั่งยืน  

บลูบิค เชื่อว่าการเปลี่ยนแปลงที่ประสบความสำเร็จ ต้องมาจากการผสานเทคโนโลยีเข้ากับแนวคิดทางธุรกิจอย่างมีกลยุทธ์ ในฐานะบริษัทที่ปรึกษาชั้นนำด้าน Enterprise Transformation ระดับภูมิภาค เราพร้อมเป็นส่วนหนึ่งในการขับเคลื่อนการเปลี่ยนแปลงขององค์กรคุณ ด้วยบริการแบบครบวงจร ครอบคลุมตั้งแต่ Big Data & AI, Cybersecurity, Digital Excellence, ERP Implementation ไปจนถึง Management Consulting และ Strategic PMO เพราะการตัดสินใจวันนี้ อาจเป็นเข็มทิศที่กำหนดธุรกิจในอนาคต  

สำหรับองค์กรที่สนใจสามารถ 📩 ติดต่อ บลูบิค ได้ที่ 

 ✉ hello@bluebik.com  

 ☎ 02-636-7011 

The post AI ปฏิวัติโลกการเงิน สร้างโมเดลธุรกิจใหม่ ยกระดับ Cashless Society ให้เร็วและปลอดภัยกว่าที่เคย appeared first on Bluebik.

สาระสำคัญ: 

1. การสร้างช่องทางรายได้ใหม่: การปรับเปลี่ยนข้อมูลทั่วไปเป็นข้อมูลเชิงลึก (Insights) เพิ่มช่องทางสร้างรายได้ทั้งทางตรงและทางอ้อม  

2. การเพิ่มการมีส่วนร่วมกับลูกค้า: ยกระดับการให้บริการเฉพาะบุคคล สนับสนุนกลยุทธ์ขับเคลื่อนองค์กรด้วยข้อมูล รักษาฐานลูกค้าพร้อมเข้าถึงกลุ่มเป้าหมายใหม่อย่างแม่นยำ 

3. การสร้างข้อได้เปรียบในการแข่งขัน: สถาบันที่ดำเนินกระบวนการ Data Monetization สามารถสร้างข้อได้เปรียบเหนือคู่แข่ง 

ท่ามกลางโลกธุรกิจที่แข่งขันกันอย่างรุนแรงและเปลี่ยนแปลงอย่างรวดเร็ว Data Monetization จึงมิใช่เพียง ‘ทางเลือก’ แต่กำลังกลายเป็นแผนงานที่ ‘จำเป็น’ โดยเฉพาะธุรกิจการเงินที่นับวันปริมาณข้อมูลเพิ่มขึ้นอย่างต่อเนื่อง 

จาก Insight สู่ Impact 

ธุรกิจการเงินเป็นอุตสาหกรรมที่มีความเป็นพลวัตสูง โดยมีนวัตกรรมและเทคโนโลยีเป็นหัวใจสำคัญในกระบวนการเปลี่ยนแปลง กระแสสำคัญที่สถาบันการเงินชั้นนำให้ความสนใจ คือ การใช้ประโยชน์สูงสุดจากข้อมูลที่มีอยู่และข้อมูลที่กำลังเพิ่มจำนวนขึ้นทุกวัน ด้วยการสกัดคุณค่าที่แท้จริงของข้อมูลผ่านกระบวนการเปลี่ยนข้อมูลดิบจากหลายแหล่ง ให้เป็นข้อมูลเชิงลึก (Insights) แบบรวมศูนย์ที่สามารถสร้างมูลค่าเพิ่มให้ธุรกิจและปฏิรูปประสบการณ์ของลูกค้าเฉพาะราย   

รายงาน Global Economic Report ปี 2567 ของธนาคารโลก ระบุว่าสถาบันการเงินที่ให้ความสำคัญกับ Data Monetization บรรลุเป้าหมายการเติบโตของธุรกิจ้เร็วขึ้นถึง 1.5 เท่า อีกทั้งยังทำให้ประสิทธิภาพของกระบวนการดำเนินธุรกิจเพิ่มขึ้นอย่างมีนัยสำคัญ 

กรณีศึกษาเชิงกลยุทธ์ของ Data Monetization  

1. การเพิ่มช่องทางการสร้างรายได้ รับมือเทรนด์ขาลงของ NIM 

ในช่วง 5 ปีที่ผ่านมา อัตราส่วนต่างรายได้ดอกเบี้ยสุทธิ (Net Interest Margin – NIM) ปรับตัวลดลงต่อเนื่องเฉลี่ย 12% ต่อปี (รายงาน Financial Stablility ของ IMF 2566) สถาบันการเงินกำลังเผชิญกับแรงกดดัน ให้หาช่องทางการสร้างรายได้ใหม่ ๆ เพื่อทดแทนรายได้ที่ลดลงของ NIM ด้วยเหตุนี้ Data Monetization จึงเป็นกระแสใหม่ที่กำลังได้รับความสนใจในอุตสาหกรรมการเงิน  

ยกตัวอย่าง ธนาคารชั้นนำแห่งหนึ่งในเอเชีย สามารถสร้างรายได้ 15 ล้านดอลลาร์ต่อปี จากการแบ่งปันข้อมูลเชิงลึกเกี่ยวกับพฤติกรรมการใช้จ่ายของผู้บริโภคแบบไม่ระบุตัวตน ให้แก่พันธมิตรค้าปลีกและหน่วยงานภาครัฐ (Statista, 2566) 

2. พลิกโฉมการให้บริการด้วย Hyper-Personalized Services  

ผู้บริโภคกว่า 78% พึงพอใจกับบริการทางการเงินและการแก้ปัญหาที่ธนาคารออกแบบสำหรับลูกค้าแต่ละราย ด้วยการใช้ AI ประมวลผลข้อมูลเกี่ยวกับพฤติกรรมผู้บริโภค และปรับแต่งผลิตภัณฑ์และบริการให้ตรงกับความต้องการและปัญหาที่ลูกค้าเผชิญอยู่ ส่งผลให้ธนาคารสามารถรักษาฐานลูกค้าเดิมได้ (การศึกษาของ Statista ปี 2566) 

การก้าวล้ำนำ Fintech 

ปี 2566 การลงทุนในธุรกิจ Fintech ทั่วโลกมีมูลค่าถึง 180 พันล้านดอลลาร์ (OECD, 2023) ส่งผลให้เกิดการแข่งขันในภาคธุรกิจการเงินอย่างรุนแรง กดดันให้ธนาคารแบบดั้งเดิมหันมาให้ความสำคัญกับการใช้ประโยชน์จากระบบนิเวศข้อมูลที่มีอยู่ เพื่อรักษาขีดความสามารถในการแข่งขัน และสร้างนวัตกรรมใหม่ได้เร็วมากขึ้น  

กรอบการทำงาน 5 ขั้นตอนสู่ความสำเร็จ Data Monetization 

กรอบการดำเนินงาน (Framework) เป็นหัวใจสำคัญของการบรรลุเป้าหมายการลงทุนด้านเทคโนโลยี ที่ต้องสร้างมูลค่าเพิ่มให้แก่ธุรกิจได้อย่างจริง  ดังนั้น กรอบการทำงานสำหรับกระบวนการ Data Monetization จึงต้องมีโครงสร้างชัดเจน สามารถแปลงข้อมูลดิบให้เป็นข้อมูลเชิงลึกที่นำไปปฏิบัติและวัดผลทางธุรกิจได้้ 

1. โครงสร้างพื้นฐาน (Foundation): สร้างระบบนิเวศข้อมูลแบบรวมศูนย์ 

รากฐานสำคัญของ Data Monetization คือ โครงสร้างพื้นฐานด้านข้อมูลแบบรวมศูนย์และมีความปลอดภัยสูง  

หลักการดำเนินงาน: 

• ทลายระบบการจัดเก็บข้อมูลแบบไซโล ด้วยการรวบรวมข้อมูลไปยังพื้นที่จัดเก็บที่เชื่อถือได้เพียงแหล่งเดียว 

• รับรองความถูกต้อง คุณภาพ และความสมบูรณ์ของข้อมูล ผ่านกรอบการกำกับดูแลอย่างเคร่งครัด 

• ปฏิบัติตาม พ.ร.บ. คุ้มครองข้อมูลส่วนบุคคล (PDPA) เพื่อปกป้องความเป็นส่วนตัวของลูกค้า 

2. การวิเคราะห์ขั้นสูง: สร้างข้อมูลเชิงลึก 

ระบบวิเคราะห์ขั้นสูง ช่วยแปลงข้อมูลดิบให้เป็นข้อมูลเชิงลึกที่สามารถนำไปใช้ประโยชน์ทางธุรกิจ สร้างรายได้และยกระดับประสิทธิภาพกระบวนการดำเนินงาน 

หลักการดำเนินงาน: 

• ใช้การวิเคราะห์เชิงคาดการณ์ (Predictive Analytics) ประเมินความต้องการและความเสี่ยงของลูกค้า 

• เปิดใช้งานระบบประมวลผลข้อมูลแบบเรียลไทม์ เพื่อตรวจจับการฉ้อโกงและการมีส่วนร่วมของลูกค้า (Customer Engagement)  

• การใช้ Agentic AI เพื่อสร้างโมเดลการให้คำแนะนำทางการเงินแบบอัตโนมัติ โดยอิงจากข้อมูลตลาดและพฤติกรรมของลูกค้า เพื่อพัฒนา Hyper-Personalized Services  

3. โมเดลการสร้างรายได้: เลือกแนวปฏิบัติที่เหมาะสมกับธุรกิจ 

  ธนาคารหรือสถาบันการเงิน ต้องกำหนดกลยุทธ์การสร้างรายได้ที่สอดคล้องกับวัตถุประสงค์ขององค์กร โดยแบ่งออกได้ดังนี้  

การสร้างรายได้โดยตรง: 

• ขายข้อมูลเชิงลึกแบบไม่ระบุตัวตนให้กับพันธมิตรในระบบนิเวศ เช่น บริษัทประกันภัย ผู้ค้าปลีก หรือหน่วยงานภาครัฐ 

ตัวอย่าง: ธนาคารในยุโรปสร้างรายได้กว่า 12 ล้านดอลลาร์ต่อปีจากการให้บริการวิเคราะห์ข้อมูลแบบสมาชิก (Statista, 2024) 

การสร้างรายได้ทางอ้อม: 

• ใช้ข้อมูลเพื่อยกระดับกระบวนการภายใน ปรับปรุงมาตรฐานการรักษาฐานลูกค้าและลดต้นทุนอย่างมีประสิทธิภาพ 

4. การดำเนินการ: ใช้กรณีศึกษา (Use Cases) เป็นแกนนำขยายผล 

นำโครงการ Data Monetization ที่ประสบความสำเร็จและวัดผลตอบแทนได้ มาเป็นต้นแบบเพื่อขยายผลต่อ  

ตัวอย่างกรณีศึกษา: 

• การตรวจจับการทุจริต: เครื่องมือที่ขับเคลื่อนด้วย AI  (AI-Powered Tools) ช่วยลดความสูญเสียจากการฉ้อโกงได้ถึง 40% (Forrester, 2023) 

• การออกแบบผลิตภัณฑ์เฉพาะบุคคล: ปรับแต่งแผนการออมหรือสินเชื่อให้ตรงกับประวัติและข้อจำกัดของลูกค้าแต่ละราย 

• การประสิทธิภาพการดำเนินงาน: ระบบอัตโนมัติจะปฏิบัติตามกฎระเบียบและปรับปรุงกระบวนการอนุมัติให้รวดเร็วขึ้น 

 5. การเพิ่มประสิทธิภาพอย่างต่อเนื่อง: ตรวจสอบและวัดผล 

การตรวจสอบประสิทธิภาพการดำเนินงานโครงการและวัดผลอย่างสม่ำเสมอ เป็นหัวใจสำคัญของความสำเร็จในระยะยาว 

แนวทางปฏิบัติสำคัญ: 

• ติดตาม KPI เช่น การเติบโตของรายได้ การประหยัดต้นทุนและการรักษาฐานลูกค้า เป็นต้น 

• ขีดความสามารถในปรับตัวตามการเปลี่ยนแปลงของกฎระเบียบและตลาด 

• ขยายผลกรณีศึกษาที่ประสบความสำเร็จไปยังแผนกหรือภูมิภาคอื่น  

ผลลัพธ์ของ Data Monetization ต่อบริการทางการเงิน 

1. การป้องกันและตรวจจับการทุจริต 

การทุจริตหรือฉ้อโกงยังคงเป็นความเสี่ยงอันดับต้น ๆ ของสถาบันการเงิน ระบบ AI และ Machine Learning – ML ขั้นสูง ระบบวิเคราะห์ชุดข้อมูลขนาดใหญ่แบบเรียลไทม์ จะช่วยระบุรูปแบบกิจกรรมที่ผิดปกติและแจ้งเตือนธุรกรรมต้องสงสัย 

• แนวปฏิบัติ: โมเดล AI จะเปรียบเทียบข้อมูลธุรกรรมกับแนวโน้มในอดีต (Historical Trends) เพื่อตรวจจับความเบี่ยงเบน เช่น การตัดสินใจซื้ออย่างรวดเร็วในหลายพื้นที่ กิจกรรมหรือธุรกรรมน่าสงสัยของบัญชี เป็นต้น 

• ผลกระทบ: รายงานของ Forrester Research ในปี 2566 เปิดเผยว่าระบบที่เปิดใช้งาน AI สามารถลดความสูญเสียจากการฉ้อโกงได้กว่า 40% ลดการแจ้งเตือนผิดพลาด (False Positive) ในขณะเดียวกันช่วยปรับปรุงประสิทธิภาพการดำเนินงาน 

• ยกตัวอย่าง: ธนาคารแห่งหนึ่งในยุโรปปรับใช้ระบบ AI (AI-Powered Systems) สามารถลดการฉ้อโกงได้ถึง 35% ในปีแรกของการเปิดใช้งาน และลดต้นทุนการดำเนินงานลง 25% จากระบบกระบวนการตรวจสอบการทุจริตอัตโนมัติ 

2. สร้างสรรค์ผลิตภัณฑ์ทางการเงินแบบ Hyper-Personalized Services 

การให้บริการที่ออกแบบเฉพาะบุคคลไม่ใช่ ‘สิ่งที่ควรมี’ แต่เป็น ‘สิ่งที่ต้องมี’ สำหรับการให้บริการภาคการเงิน เพื่อสร้างความแตกต่างให้ธุรกิจ ซึ่งบริการแบบ Hyper-Personalized Products เป็นผลจากการใช้ประโยชน์จากข้ อมูลพฤติกรรมการใช้จ่ายและดัชนีบ่งชี้ต่าง ๆ ที่ช่วยให้องค์กรสามารถสร้างผลิตภัณฑ์ทางการเงินที่ตรงใจ  

• วิธีการทำงาน: ใช้ AI ในการแบ่งกลุ่มลูกค้า (AI-powered customer segmentation) เพื่อวิเคราะห์พฤติกรรมการใช้จ่าย ประวัติสินเชื่อและรูปแบบการออมของแต่ละบุคคล เพื่อนำเสนอหรือปรับแต่งผลิตภัณฑ์ให้เหมาะสมกับลูกค้าแต่ละราย เช่น สินเชื่อ พอร์ตการลงทุน หรือบัตรเครดิต เป็นต้น 

• ผลกระทบ: Statista (2024) รายงานว่าผลิตภัณฑ์ทางการเงินที่ปรับแต่งเฉพาะบุคคล ช่วยเพิ่มการใช้บริการในกลุ่มลูกค้าเดิมได้ถึง 30% เพราะบริการตอบโจทย์ความต้องการได้แม่นยำมากขึ้น  

• ตัวอย่าง: ธนาคารในเอเชียตะวันออกเฉียงใต้แห่งหนึ่ง เปิดตัวข้อเสนอบัตรเครดิตที่ปรับแต่งตามรูปแบบการใช้จ่าย ส่งผลให้ยอดขายผลิตภัณฑ์ที่เกี่ยวข้องกับสินค้าหลัก (Cross-Selling Rate) เพิ่มขึ้น 20% ในขณะเดียวกันการใช้งานบัตรเครดิตสูงขึ้น 15% ภายในหกเดือน 

3. เทรนด์ Embedded Finance ระบบนิเวศการเงินยุคใหม่ 

Embedded Finance คือ การผสานบริการทางการเงินเข้ากับแพลตฟอร์มหรือบริการอื่น ๆ ที่ไม่ใช่แพลตฟอร์มของสถาบันการเงิน เช่น มาร์เก็ตเพลสอีคอมเมิร์ซ แอปพลิเคชันเรียกรถ หรือเว็บไซต์จองบริการเกี่ยวกับการท่องเที่ยว เป็นต้น เทรนด์นี้จะช่วยลดความยุ่งยากและขั้นตอนซับซ้อนในกระบวนการชำระเงินของลูกค้า อีกทั้งยังเป็นการขยายบริการทางการเงินนอกเหนือจากช่องทางธนาคารแบบดั้งเดิม 

• วิธีการทำงาน: ผนึกกำลัง Application Programing Interface –  API และ AI เพื่อให้ธนาคารสามารถนำเสนอบริการและผลิตภัณฑ์ทางการเงินต่าง ๆ เช่น การอนุมัติสินเชื่อทันที ตัวเลือกผ่อนชำระ (BNPL) และการชำระเงินแบบฝังตัวในระบบการชำระเงินของแพลตฟอร์มอีคอมเมิร์ซ 

• ผลกระทบ: Embedded Finance จะเป็นเทรนด์เทคโนโลยีที่จะผลักดันให้เกิดโอกาสในการสร้างรายได้ใหม่ในกลุ่มอุตสาหกรรมการเงินทั่วโลกถึง 230,000 ล้านดอลลาร์ภายในปี 2571  (Juniper Research, 2023)  

• ตัวอย่าง: Fintech ในประเทศไทยรายหนึ่งได้ผสาน Embedded Finance เข้ากับแอปฯอีคอมเมิร์ซยอดนิยม สามารถอนุมัติสินเชื่อทันทีสำหรับรายการซื้อสินค้าที่มีมูลค่าสูง ส่งผลให้มูลค่าธุรกรรมบนแพลตฟอร์มเพิ่มขึ้น 25% และขยายฐานลูกค้าของธนาคารไปยังกลุ่มคนรุ่นใหม่ที่มีความคุ้นเคยเทคโนโลยี 

4. การวิเคราะห์ความเสี่ยงเชิงคาดการณ์ 

การวิเคราะห์เชิงคาดการณ์ (Predictive Analytics) เป็นการจัดการความเสี่ยงเชิงรุกให้แก่สถาบันการเงิน อาทิ การผิดนัดชำระหนี้ ความผันผวนของตลาดหรือการละเมิดกฎระเบียบ ด้วยการวิเคราะห์ข้อมูลทั้งในอดีตและแบบเรียลไทม์ เพื่อส่งสัญญาณเตือนล่วงหน้าหากพบความเสี่ยงที่อาจเกิดขึ้นในอนาคต 

• วิธีการทำงาน: โมเดล AI วิเคราะห์ประวัติสินเชื่อ แนวโน้มตลาดและปัจจัยภายนอกอื่น ๆ ประกอบ เช่น ทิศทางเศรษฐกิจ เป็นต้น เพื่อประเมินความน่าจะเป็นในการผิดนัดชำระหนี้หรือภาวะตลาดขาลง 

• ผลกระทบ: รายงาน Financial Stability Review ปี 2567 ของธนาคารโลก ชี้ว่า การวิเคราะห์เชิงคาดการณ์สามารถลดผลขาดทุนด้านเครดิต (Credit Loss) ได้ถึง 25% และยังเพิ่มประสิทธิภาพในการตัดสินใจในสภาวะที่ตลาดหุ้นหรือเศรษฐกิจมีความผันผวนสูงอีกด้วย 

• ตัวอย่าง: ธนาคารชั้นนำในประเทศไทยแห่งหนึ่ง ปรับใช้โมเดลคาดการณ์ (Predictive Analytics) ระบุกลุ่มลูกค้าที่มีความเสี่ยงผิดนัดชำระหนี้ เพื่อนำเสนอทางการปรับโครงสร้างหนี้ล่วงหน้า ส่งผลให้การผิดนัดชำระหนี้ลดลงถึง 15% ในขณะที่อัตราการชำระคืนสินเชื่อเพิ่มขึ้น 20% 

5. เทรนด์ Win-Win ในระบบนิเวศทางธุรกิจยุคดิจิทัล 

นอกจาก Data Monetization สามารถปรับปรุงระบบการทำงานภายในสถาบันการเงิน แล้วการแบ่งปันข้อมูลเชิงลึกแบบไม่ระบุตัวตนและการรวมศูนย์ข้อมูล ยังช่วยให้ธนาคารสามารถสร้างผลิตภัณฑ์ที่มีคุณค่า สำหรับพันธมิตรทางธุรกิจในระบบนิเวศได้อีกด้วย เช่น บริษัทประกันภัย ผู้ค้าปลีกและหน่วยงานภาครัฐ เป็นต้น   

• วิธีการทำงาน: การพัฒนาแพลตฟอร์มในรูปแบบเก็บค่าสมาชิก สำหรับองค์กรที่ต้องการเข้าถึง ข้อมูลเชิงลึกที่ได้จากการสังเคราะห์รูปแบบการใช้จ่ายของผู้บริโภค แนวโน้มหรือสถานะสินเชื่อ ความเคลื่อนไหวทางเศรษฐกิจในภูมิภาคและข้อมูลอื่น ๆ  

• ผลกระทบ: นอกจากแหล่งรายได้ใหม่แล้ว Data Monetization ยังช่วยเสริมสร้างความสัมพันธ์ระหว่างสถาบันการเงินและผู้มีส่วนได้ส่วนเสีย อาทิ บริษัทประกันภัยสามารถใช้ข้อมูลเชิงลึกจากธนาคารเพื่อปรับปรุงโมเดลการกำหนดราคาเบี้ยประกัน  

• ตัวอย่าง: JPMorgan Chase ร่วมมือกับ Airbnb วิเคราะห์ข้อมูลธุรกรรมแบบไม่ระบุตัวตน เพื่อให้ Airbnb สามารถปรับปรุงอัลกอริธึม AI กำหนดราคาและระบุโอกาสทางการตลาดใหม่ ๆ ด้วยการใช้ข้อมูลเชิงลึกจากพฤติกรรมการใช้จ่ายและแนวโน้มเศรษฐกิจระดับภูมิภาค ส่งผลให้ Airbnb สามารถเพิ่มยอดจองได้ 5% ในขณะที่ JPMorgan Chase สามารถขยายการให้บริการข้อมูลเชิงลึกทางการเงิน เพิ่มรายได้และเสริมแกร่งภาพลักษณ์ผู้นำด้านการวิเคราะห์ข้อมูล (JPMorgan Chase Data & Analytics Initiatives (2023) (ข่าวประชาสัมพันธ์ของ JPMorgan Chase) 

มุ่งสู่การสร้างมูลค่าทางธุรกิจด้วยข้อมูลกับ Bluebik 

Bluebik ผู้นำด้านที่ปรึกษาและโซลูชันดิจิทัล พร้อมเป็นพันธมิตรที่ช่วยให้องค์กรธุรกิจสามารถใช้ข้อมูลเป็นขุมพลังในการเติบโตอย่างยั่งยืนในอนาคต ผ่านแนวทางเชิงกลยุทธ์ดังนี้ 

✅ การวางแผนกลยุทธ์และการบริหารจัดการโครงการ (PMO): กำหนดทิศทางและบริหารจัดการโครงการเกี่ยวกับข้อมูล ให้สอดคล้องกับเป้าหมายทางธุรกิจ ภายใต้กรอบการกำกับดูแลข้อมูลและความมั่นคงปลอดภัยไซเบอร์ที่เชื่อถือได้ 

✅ ระบบนิเวศข้อมูลแบบครบวงจร: วางรากฐานด้านข้อมูล พร้อมเชื่อมโยงข้อมูลจากแหล่งต่าง ๆ ลดการทำงานแบบไซโลพร้อมสร้างศูนย์กลางข้อมูล เพื่อสกัดข้อมูลเชิงลึกที่สามารถนำไปใช้งานได้จริง 

✅ การวิเคราะห์ด้วย AI ขั้นสูง: ครอบคลุมตั้งแต่การตรวจจับการทุจริตไปจนถึงการนำเสนอประสบการณ์เฉพาะบุคคล ด้วยปรับใช้เทคโนโลยีวิเคราะห์ขั้นสูง 

✅ กลยุทธ์ด้านการปฏิบัติตามข้อกำหนดและกฎหมาย: รองรับการดำเนินงานให้สอดคล้องกับกฎระเบียบต่าง ๆ เช่น PDPA และข้อกำหนดอื่น ๆ เป็นต้น 

✅ โซลูชันการสร้างมูลค่าจากข้อมูลแบบครบวงจร: พัฒนาโมเดลการสร้างรายได้ที่มีความยืดหยุ่นสูง สามารถขยายตัวได้ทั้งทางตรงและทางอ้อม เพื่อตอบโจทย์เป้าหมายทางธุรกิจขององค์กร 

Data Monetization ไม่ใช่แค่ตัวเลือก แต่คือกลยุทธ์ที่ Bluebik พร้อมช่วยคุณสร้างผลลัพธ์ที่จับต้องได้ 

📩 ติดต่อ Bluebik วันนี้ เพื่อค้นหาโซลูชันที่ใช่ และปลดล็อกศักยภาพข้อมูลขององค์กรคุณ 

✉ hello@bluebik.com  

☎ 02-636-7011 

The post จาก Insight สู่ Impact: Data Monetization กระบวนการปฏิวัติอุตสาหกรรมการเงินครั้งใหม่  appeared first on Bluebik.

ผลสำรวจของ IBM พบว่า 2 ใน 3 ของ CEO ในธุรกิจการเงินและธนาคาร พึงพอใจกับผลลัพธ์จากการปรับใช้ AI และระบบอัตโนมัติ และพร้อมรับความเสี่ยงหาก AI สามารถรักษาขีดความสามารถในการแข่งขันได้ อย่างไรก็ตามทุกความเสี่ยงก็มีราคาที่ต้องจ่าย ดังนั้นการวางกลยุทธ์และ AI Roadmap จึงเป็นปัจจัยสำคัญที่จะใช้รับมือกับความท้าทายที่อาจส่งผลต่อสังคมและธุรกิจ รวมถึงกฎระเบียบหรือกฎหมายที่จะเข้ามาควบคุม AI อย่างเป็นรูปธรรมในอีกไม่ช้า  

7 ความท้าทายและแนวทางแก้ไขปัญหา AI ในธุรกิจการเงิน 

1. ขาดกลยุทธ์ด้าน AI 

ธนาคารและสถาบันการเงินจำนวนมากกำลังประสบปัญหาจากการใช้ AI โดยไม่มีแผน AI Roadmap /กลยุทธ์ ทำให้ไม่สามารถก้าวข้ามขั้นตอนการทดลอง และขยายการใช้งาน AI ได้ทั่วทั้งองค์กร 

แนวทางแก้ไข คือ องค์กรต้องกำหนดวิสัยทัศน์ พัฒนากลยุทธ์หรือมี AI Roadmap ที่ชัดเจน และมุ่งสู่การเป็น AI-First Institution ผ่านการผลักดันให้ AI เป็นหนึ่งในโครงสร้างพื้นฐานในการนำเสนอสิ่งใหม่ๆ ที่มีมูลค่าต่อธุรกิจและยกระดับประสบการณ์ใช้งานของลูกค้า 

2. ระบบไอทีและข้อมูลไม่มีคุณภาพ 

โครงสร้างพื้นฐานด้านไอทีที่ล้าสมัยและข้อมูลด้อยคุณภาพ กำลังเป็นปัญหาชวนปวดหัวของธุรกิจที่กำลังใช้งาน AI เนื่องจากปัญหาเหล่านี้เป็นอุปสรรคต่อการพัฒนาขีดความสามารถ และการบูรณาการการทำงานระหว่าง AI และระบบอื่นๆ 

แนวทางแก้ไข คือ องค์กรต้องลงทุนยกระดับระบบหลักให้ทันสมัย พร้อมพัฒนา Data Strategy ให้ความสำคัญกับคุณภาพข้อมูล (Data Quality) และนโยบายการเข้าถึงข้อมูลและความปลอดภัย 

3. โมเดลการทำงานและกลยุทธ์ล้าสมัย 

บ่อยครั้งที่โมเดลการทำงานแบบดั้งเดิม มักเป็นอุปสรรคต่อการทำงานร่วมกันระหว่างทีมงานธุรกิจและทีมไอที ส่งผลต่อความสำเร็จของการปรับใช้ AI ในองค์กร 

แนวทางแก้ไข คือ ธุรกิจควรปรับใช้โมเดล Agile Operation เพื่อเพิ่มความคล่องตัวในการทำงาน ปรับปรุงวิธีการทำงานร่วมกันระหว่างทีม พร้อมส่งเสริมการใช้นวัตกรรม และแผนการพัฒนาและเพิ่มพูนทักษะให้ทีมงานผู้เชี่ยวชาญอย่างสม่ำเสมอ เพื่อลดปัญหาจากการใช้งาน AI ในระยะยาว 

4. ปัญหาด้านจริยธรรมและกฎหมาย 

การขยายตัวอย่างรวดเร็วของ AI ก่อให้เกิดคำถามด้านจริยธรรมและความเป็นส่วนตัวของข้อมูล รวมถึงอคติของปัญญาประดิษฐ์ ซึ่งภาคการเงินต้องให้ความสำคัญ และจัดการกับความท้าทายนี้อย่างระมัดระวัง  

แนวทางแก้ไข คือ เลือกใช้กรอบการกำกับดูแล AI ที่เข้มแข็ง และให้ความสำคัญกับความโปร่งใสของข้อมูล (Data Governance) เพื่อสร้างความน่าเชื่อถือให้กับข้อมูลที่ผ่านการวิเคราะห์ด้วย AI รวมถึงไขข้อกังวัลใจด้านความปลอดภัย และความเป็นส่วนตัวของข้อมูลลูกค้า  

5. อคติและความไม่ยุติธรรมของ AI 

อคติของโมเดล AI ก่อให้เกิดการเลือกปฏิบัติและผลลัพธ์ที่ไม่ยุติธรรมอย่างไม่มีที่สิ้นสุด สร้างความเสียหายต่อภาพลักษณ์และการเงินขององค์กร 

แนวทางแก้ไข คือ กำหนดให้มีการตรวจสอบโมเดลอย่างสม่ำเสมอ กระจายข้อมูลการฝึก และตรวจสอบความยุติธรรมตลอดระยะเวลาการพัฒนาโมเดล 

6. ความเสี่ยง Cyber Security 

ระบบ AI อาจเปิดเผยช่องโหว่หรือจุดอ่อนโดยไม่ตั้งใจ และอาจนำไปสู่การโจมตีไซเบอร์ได้ ดังนั้นการปกป้องข้อมูลสำคัญ เป็นเรื่องท้าทายและประเด็นที่ภาคการเงินต้องพิจารณาอย่างรัดกุม 

แนวทางแก้ไข คือ ยกระดับมาตรฐานด้านความมั่นคงปลอดภัยไซเบอร์ ดำเนินการตรวจสอบระบบอย่างเข้มงวดและสม่ำเสมอ และให้ความสำคัญกับความเป็นส่วนตัวของข้อมูลเป็นอันดับต้นๆ 

7. แรงต้านจากพนักงาน 

แรงต่อต้านการใช้ AI ของพนักงานในองค์กร เป็นอุปสรรคต่อการปรับใช้ AI เนื่องจากพนักงานส่วนใหญ่กลัวว่า AI จะเอามาแทนที่ตนเอง หรือคิดว่าตนเองไม่สามารถปรับตัวกับแนวทางการทำงานรูปแบบใหม่ได้  

แนวทางแก้ไข คือ ส่งเสริมวัฒนธรรมเกี่ยวกับนวัตกรรมใหม่ รวมถึงฝึกอบรมและสื่อสารถึงประโยชน์จากการทำงานร่วมกับ AI เพื่อสร้างการยอมรับในกลุ่มผู้มีส่วนได้ส่วนเสีย 

3 Use Cases ที่เกิดจากด้านมืดของ AI 

แม้ AI มีประโยชน์มากมาย แต่หากใช้ผิดชีวิตก็เปลี่ยนได้เช่นกัน ด้วยเหตุนี้ บลูบิค (Bluebik) จึงขอพาทุกคนไปดู Worst Use Cases ของ AI ในภาคอุตสาหกรรมการเงิน 

1. Algorithmic Bias (อัลกอริทึมมีอคติ)  

แม้อนาคตของ AI ในภาคการเงินจะยังคงเติบโต แต่ศักยภาพของมันก็อาจถูดบดบังด้วยด้านมืดของอัลกอริทึมที่มีอคติ ซึ่งประเด็นนี้อาจนำไปสู่การเลือกปฏิบัติในกระบวนการทำงาน อาทิ การอนุมัติสินเชื่อ การคิดค่าเบี้ยประกันที่ไม่ยุติธรรม รวมถึงการกีดกันการให้บริการทางการเงินกับคนบางกลุ่ม โดยอคติสามารถเกิดขึ้นกับ AI ได้ 3 รูปแบบหลักๆ ดังนี้  

• Data Bias ข้อมูลที่ใช้ฝึก AI มีอคติ ทำให้โมเดลมีอคติอย่างหลีกเลี่ยงไม่ได้ 

• Algorithmic Bias การออกแบบและโครงสร้างของอัลกอรึทึมที่มีอคติ อาจทำให้ผลลัพธ์ที่ได้เต็มไปด้วยอคติ 

• Human Bias ทางเลือกของ AI ที่ถูกฝึกด้วยนักพัฒนาหรือ Data Scientist ที่มีความเอนเอียง อาจทำให้ระบบมีอคติโดยไม่ตั้งใจ  

• อคติ AI (Biased AI) ในภาคอุตสาหกรรมการเงินยังก่อให้เกิดปัญหาในวงกว้าง ดังต่อไปนี้  

• การปฏิเสธสินเชื่อ ประกัน และบริการทางการเงินรูปแบบอื่นๆ นำไปสู่ผลกระทบต่อความคล่องตัวของเศรษฐกิจ และปัญหาสภาพคล่องส่วนบุคคล 

• การเลือกปฏิบัติส่งผลต่อความน่าเชื่อถือและภาพลักษณ์ของสถาบันการเงิน  

• อคติของ AI อาจทำให้ปัญหาความเหลือมล้ำในสังคมเพิ่มมากขึ้น  

2. Security Vulnerabilities (จุดอ่อนด้านความปลอดภัย) 

การเติบโตของ AI กำลังนำไปสู่การขยายพื้นที่โจมตีเพิ่มให้อาชญากรไซเบอร์ เพราะระบบ AI มีการพัฒนา เรียนรู้ และปรับตัวอยู่ตลอดเวลา ทำให้ยากต่อการตรวจสอบและป้องกัน โดยช่องโหว่ที่ตรวจพบได้บ่อยบนระบบ AI มีดังต่อไปนี้  

• Poisoned Data แฮกเกอร์แอบใส่ข้อมูลที่มีอคติ/ข้อมูลบิดเบือนในกระบวนการฝึก AI ทำให้ผลลัพธ์ผิดพลาดสร้างความเสียหายร้ายแรงแก่องค์กรได้  

• Model Manipulation แฮกเกอร์สามารถโจมตีจุดอ่อนของโมเดล AI ทำให้การทำงานบกพร่อง ข้อมูลมีอคติ หรือแสดงผลบวกปลอม (False Positive) หรือข้อมูลหลอก เพื่อเปิดประตูให้แฮกเกอร์เจาะเข้าระบบ หรือเข้าถึงข้อมูลทางการเงินที่ละเอียดอ่อน 

• Adversarial Examples แฮกเกอร์ใส่ Designed Inputs (เช่น รูป หรือเสียงปลอม) หลอกโมเดล AI หลีกเลี่ยงระบบรักษาความปลอดภัย เพื่อให้ได้รับสิทธิ์เข้าถึงข้อมูลสำคัญ   

3. Privacy Violations (ละเมิดความเป็นส่วนตัว)  

ยิ่งมีการจัดเก็บข้อมูลมากขึ้น ความเสี่ยงจากการละเมิดข้อมูลสำคัญก็เพิ่มขึ้นตามไปด้วย โดยแฮกเกอร์จะใช้ประโยชน์จาก AI เจาะเข้าระบบเพื่อขโมยข้อมูล อีกทั้งอัลกอริทึม AI ยังสามารถสร้างข้อมูลเฉพาะบุคคล ที่อาจนำไปสู่การเลือกปฏิบัติในการอนุมัติสินเชื่อ กำหนดค่าเบี้ยประกันที่ไม่ยุติธรรม หรือกำหนดกลุ่มเป้าหมายแคมเปญการตลาด โดยอ้างอิงจากข้อมูลที่ละเอียดอ่อน  

นอกจากนี้ การรวบรวมและวิเคราะห์ข้อมูล เพื่อใช้ในกระบวนการฝึกและทำงานของ AI อาจทำให้ลูกค้ารู้สึกถูกละเมิดข้อมูลทางการเงิน และความเป็นส่วนตัวได้ 

ผลลัพธ์เชิงลบจากการใช้ AI ที่เพิ่มขึ้นอย่างมีนัยสำคัญ กำลังกดดันให้สถาบันการเงินทั่วโลกยกระดับความปลอดภัยไซเบอร์และกระบวนการทำงาน ให้ความสำคัญกับการบูรณาการการทำงานกับโซลูชัน AI แต่การใช้งานเทคโนโลยีขั้นสูงที่มีความซับซ้อนนี้ จำเป็นต้องมีทีมงานผู้เชี่ยวชาญเฉพาะด้าน เพื่อพัฒนาโมเดล AI ที่สามารถทำงานร่วมกับแอปพลิเคชันขององค์กรได้อย่างราบรื่นและปลอดภัย สามารถปกป้องข้อมูลทางการเงินขององค์กร และข้อมูลส่วนตัวของลูกค้าได้  

ยิ่งไปกว่านั้น องค์กรต้องเตรียมความพร้อมให้กับโมเดล AI ให้สามารถรองรับระบบที่นับวันก็ยิ่งมีความซับซ้อนมากขึ้น ซึ่งการฝึก AI ในภาคการเงินที่มีทั้งบริบทและศัพท์ทางเทคนิคเฉพาะมากมาย ต้องใช้ข้อมูลที่ทันสมัยและถูกต้อง เพื่อให้ AI สามารถปรับปรุงการโต้ตอบอย่างเหมาะสมกับลูกค้าแต่ละราย  

บลูบิค (Bluebik) ในฐานะที่ปรึกษาด้านเทคโนโลยีชั้นนำและผู้เชี่ยวชาญด้าน AI สามารถช่วยคุณจัดการกับความท้าทายและปัญหาต่างๆ ด้วยการวางกลยุทธ์ การพัฒนาโมเดล AI ขั้นสูง จนถึงการเชื่อมโยงกับบริการ/แอปพลิเคชันต่างๆ บน Digital Landscape ทำให้องค์กรสามารถใช้ประโยชน์จาก AI ขั้นสูงได้อย่างเต็มประสิทธิภาพ พร้อมยกระดับผลลัพธ์ของกระบวนการทำงานด้วยระบบอัตโนมัติที่ปลอดภัยและเชื่อถือได้ สำหรับผู้สนใจสามารถติดต่อสอบถามหรือปรึกษาได้ที่ hello@bluebik.com หรือโทรศัพท์ 02-636-7011 

ขอบคุณข้อมูลอ้างอิงจาก newsroom.ibm, linkedin, techmagic 

The post เปิด 7 สาเหตุและวิธีแก้ปัญหาจาก AI ในธุรกิจการเงิน  appeared first on Bluebik.

สำหรับหัวใจสำคัญของการปฏิวัติในรอบนี้ คือ การผสานขีดความสามารถของ ML และศักยภาพของ Generative AI เข้าด้วยกัน เราจึงเห็นสถาบันการเงินระดับแถวหน้าของโลกทุ่มงบประมาณมหาศาล เพื่อทรานส์ฟอร์มองค์กร แค่ปี 2566 เพียงปีเดียว มีเม็ดเงินลงทุนใน AI ถึง 35,000 ล้านดอลลาร์ นำโดยอุตสาหกรรมธนาคารที่จัดสรรเงินลงทุนถึง 21,000 ล้านดอลลาร์ เพื่อพัฒนาปัญญาประดิษฐ์ไว้ใช้งาน 

‘บลูบิค (Bluebik)’ ในฐานะผู้เชี่ยวชาญด้าน AI จะพาทุกคนไปถอดรหัสความจำเป็นและโอกาสของการประยุกต์ใช้ AI รวมถึง Use Cases ที่เกิดขึ้นในธุรกิจการเงิน  

AI ทำให้ธุรกิจการเงินไม่เหมือนเดิม 

แอปพลิเคชัน AI ในธุรกิจการเงินนั้นมีมากมายและหลายรูปแบบ ครอบคลุมทั้งในแง่การให้บริการและกระบวนการต่างๆ ตั้งแต่ Personalized Services ปรับปรุงประสิทธิภาพการดำเนินงาน จนถึงการบริหารจัดการความเสี่ยงทางการเงินทั้งหมด  

Personalization หรือการรู้จักและรู้ใจลูกค้าเฉพาะราย ผ่านการประมวลผลขั้นสูงด้วย AI และ ML ช่วยให้ธุรกิจการเงินสามารถสร้างสรรค์ผลิตภัณฑ์ใหม่ๆ และนำเสนอบริการที่ตรงกับความต้องการ และตอบโจทย์เป้าหมายทางการเงินของลูกค้าได้อย่างแม่นยำ 

นอกจากนี้ AI ยังปฏิวัติระบบการดำเนินงานภายในสถาบันการเงิน เช่น การจัดทำรายงานทางการเงินได้แบบเรียลไทม์ หรือการทำบัญชี ยิ่งไปกว่านั้น AI กำลังขยับบทบาทเป็นผู้ประเมินและบริหารจัดการความเสี่ยง (Risk Assessment) ตรวจจับภัยคุกคามไซเบอร์ และเป็นเครื่องมือต่อต้านการฟอกเงินด้วยอัลกอริทึม  

จับตา Gen AI จุดเปลี่ยนบริการทางการเงิน 

การปรากฏตัวของเทคโนโลยีที่สามารถสร้างคอนเทนต์ ตัวหนังสือ ภาพ และโค้ดใหม่อย่าง Gen AI กำลังพลิกโฉมอุตสาหกรรมการเงิน ผ่านการสร้างมูลค่าเพิ่มให้ธุรกิจ อาทิ การเพิ่มขีดความสามารถในกระบวนการทำงาน และรับมือพร้อมคว้าโอกาสจากเทรนด์ และความเปลี่ยนแปลงใหม่ๆ ที่เกิดขึ้นในโลกธุรกิจ ด้วยเหตุนี้ธุรกิจการเงินจึงมีการปรับใช้ AI เพิ่มขึ้นอย่างมีนัยสำคัญ จากข้อมูลอ้างอิงของ Statista ในปี 2565 พบว่า สถาบันการเงินกว่าร้อยละ 45 ใช้ AI และคาดว่าจะเพิ่มขึ้นเป็นร้อยละ 85 ภายในปี 2568  

โดย Gen AI กำลังเข้าไปเปลี่ยนแปลงบริการต่างๆ ของสถาบันการเงิน เช่น แชทบอท (Chatbot) ที่ให้บริการได้เฉพาะเจาะจงมากขึ้น การสร้างประสบการณ์ให้ลูกค้าเฉพาะราย การกำหนดราคาแบบไดนามิค (Dynamic Pricing) และการปรับแต่งโค้ดเล็กๆ น้อยๆ รวมถึง Hyper-Personalized Financial Education หรือการออกแบบความรู้ทางการเงินสำหรับลูกค้าเฉพาะราย และการตัดสินใจเกี่ยวกับการเงินที่เชื่อถือได้ของ AI 

ด้วยขีดความสามารถเหล่านี้ของ Gen AI ทำให้หลายคนเชื่อว่า Gen AI กำลังจะเข้ามาสร้างมาตรฐานการให้บริการใหม่ในธุรกิจการเงินในไม่ช้า 

ไม่มีข้อมูล (คุณภาพ) ไม่มี AI (ที่มีประสิทธิภาพ) 

Data หรือข้อมูล เปรียบได้กับอาหารของ AI เพราะการจะพัฒนา AI ได้นั้น จำเป็นต้องมีข้อมูลมากพอ ที่สำคัญข้อมูลที่นำมาใช้ฝึก AI ต้องมีคุณภาพอีกด้วย 

Data Quality หมายถึง ข้อมูลที่มีความถูกต้องครบถ้วน สม่ำเสมอ และนำมาใช้งานได้อย่างสะดวก ซึ่ง Data Quality มีบทบาทสำคัญมากสำหรับ AI เป็นตัวชี้วัดความแม่นยำและประสิทธิผลของ AI หากปราศจาก Data Quality คุณภาพสูงแล้ว ผลลัพธ์ที่ได้จากอัลกอริทึมจะออกมาไม่ถูกต้องและเต็มไปด้วยอคติ ทำให้การตัดสินใจผิดพลาดและได้รับ Insights ไม่ถูกต้อง 

นอกจากนี้ ระบบ AI ยังต้องการข้อมูลหลากหลายและซับซ้อนในการเรียนรู้ เพื่อปรับปรุงขีดความสามารถในการตัดสินใจ ดังนั้นข้อมูลไร้คุณภาพจะขัดขวางกระบวนการเรียนรู้ และจำกัดศักยภาพ AI ในการส่งมอบข้อมูลที่มีคุณค่า 

ด้วยเหตุนี้ การใช้งาน AI ในธุรกิจที่มีกระบวนการที่ซับซ้อน จึงจำเป็นต้องให้ความสำคัญตั้งแต่การวางรากฐานข้อมูล อาทิ ธุรกิจการเงินการธนาคาร การให้บริการลูกค้า การบริหารจัดการซัพพลายเชน และการตรวจจับภัยคุกคามไซเบอร์ เพราะผลลัพธ์จากอคติหรือข้อผิดพลาดของ AI อาจส่งผลร้ายแรงต่อภาพลักษณ์ และรายได้ของธุรกิจ ทำให้ปัจจุบันองค์กรมากมายจำเป็นต้องหันกลับไปสร้างรากฐานด้านข้อมูล หลังจากที่ประสบปัญหาการใช้งาน AI และเทคโนโลยีอื่นๆ ได้ไม่เต็มประสิทธิภาพ 

6 Use Cases การประยุกต์ใช้ AI ที่น่าสนใจในธุรกิจการเงิน 

ภาคธุรกิจการเงินยังคงเป็นอุตสาหกรรมอันดับต้นๆ ที่เปิดรับเทคโนโลยี AI อย่างต่อเนื่อง ตั้งแต่การ Gen AI ที่ถูกกล่าวถึงทั่วโลกในปี 2566 และในปีนี้ AI จะยังคงเป็นหัวข้อสำคัญในแง่มุมต่างๆ โดยเฉพาะกระแสการใช้งาน AI ได้จริงในธุรกิจ โดยวันนี้เราจะนำคุณไปรู้จักกับ Use Cases ของ AI ในธุรกิจการเงิน 

1. ต่อสู้กับกลโกงด้วย AI 

มีการใช้ AI ระบุกิจกรรมที่น่าสงสัยในระบบ โดย ML สามารถจับผิดธุรกิจที่ผิดปกติช่วยให้องค์กรปกป้องข้อมูลลูกค้าได้ทันท่วงที 

2. AI Chatbot 24/7 

มีการใช้ AI-Powered Chatbots ตอบคำถามลูกค้า และปรับปรุงประสิทธิภาพการทำธุรกรรม ทำให้พนักงานมีเวลาให้กับงานด้านกลยุทธ์มากขึ้น  

3. วางแผนการลงทุนด้วย AI 

มีการใช้ขีดความสามารถของ AI ในการวิเคราะห์ข้อมูลจำนวนมหาศาล เพื่อหา Insights ด้านการลงทุนและแนะนำแนวทางการบริหารจัดการพอร์ตการลงทุนอย่างเหมาะสมให้ลูกค้าเฉพาะราย  

4. AI อนุมัติสินเชื่ออย่างชาญฉลาด 

AI สามารถประเมินเครดิตของผู้ขอสินเชื่อได้อย่างถูกต้องแม่นยำ ทำให้การอนุมัติสินเชื่อทำได้เร็ว มีประสิทธิภาพ และสามารถนำเสนอผลิตภัณฑ์ที่เหมาะสมกับผู้ขอสินเชื่อแต่ละราย 

5. ยกระดับประสิทธิภาพงาน 

มีการใช้ AI-Powered Natural Language Processing (NLP) คัดแยกข้อมูลจากเอกสารการเงิน ป้อนข้อมูลทางการเงินด้วยระบบอัตโนมัติ และปรับปรุงกระบวนการทำงานหลังบ้าน ซึ่งประหยัดทั้งเวลาและทรัพยากรขององค์กร  

6. คาดการณ์อนาคต 

มีการใช้ประโยชน์จาก AI ในการวิเคราะห์ข้อมูลในอดีต เพื่อประเมินสถานการณ์และแนวโน้มในอนาคต ทำให้องค์กรสามารถตัดสินใจจากการใช้ข้อมูล สามารถรับมือกับเทรนด์ธุรกิจและเพิ่มโอกาสใหม่ๆ ทางธุรกิจ 

โดยสรุปแล้ว อนาคตและโอกาสของธุรกิจการเงินจะตกอยู่กับผู้ที่สามารถใช้ AI และเทคโนโลยีได้อย่างมีประสิทธิประภาพ แต่สำหรับองค์กรที่ปรับตัวช้าจะตกอยู่ในความเสี่ยงและรั้งท้ายในที่สุด และสำหรับองค์กรที่ต้องการใช้ประโยชน์จาก AI เพื่อทรานส์ฟอร์มสถาบันการเงินของตนเอง สามารถเริ่มต้นได้ที่ ‘บลูบิค (Bluebik)’ เราพร้อมให้คำปรึกษาและพัฒนา ตั้งแต่การวางรากฐานด้านข้อมูล (Data) จนถึงการพัฒนาโมเดล AI ขั้นสูงที่สามารถส่งมอบ Return on Investment – ROI ได้อย่างแท้จริง โดยผู้สนใจสามารถติดต่อสอบถามหรือปรึกษาได้ที่ hello@bluebik.com หรือโทรศัพท์ 02-636-7011 

ขอบคุณข้อมูลจาก sphereinc, linkedin 

The post ถอดรหัสความจำเป็นและโอกาสของการประยุกต์ใช้ AI ในธุรกิจการเงิน    appeared first on Bluebik.

ในฝั่งตะวันตกผู้นำอุตสาหกรรมการเงินไม่ว่าจะเป็น บริษัท Fintech สัญชาติสวีเดน Klarna, บริษัท Fintech ชั้นนำของโลก Revolut และ PayPal ต่างตบเท้าเข้าสู่วงการ Super App ด้วยการรวบรวมบริการทางการเงินและอื่น ๆ เพื่อยกระดับการให้บริการภายใต้แนวคิด ‘One-Stop-Shop’ แก่ลูกค้า แน่นอนว่าการแข่งขันที่รุนแรงนี้กดดันให้สถาบันการเงิน (Financial Institutes – FIs) ต้องตอบคำถาม “ถึงเวลาแล้วหรือยังที่ธุรกิจต้องจัดทำกลยุทธ์ Super App เพื่อรักษาส่วนแบ่งการตลาดและรักษาความภักดีต่อแบรนด์ของลูกค้า?”

เราจะพาคุณไปรู้จัก 4 ประเด็นสำคัญที่สถาบันการเงิน

ควรพิจารณาก่อนลงมือทำกลยุทธ์ Super App

1.) กลยุทธ์และโมเดลธุรกิจ (Strategy & Business Model):
เป็นสิ่งจำเป็นที่สถาบันการเงินต้องพิจารณาก่อนลงสนามต่อสู้ Super App โดยแบ่งออกเป็น 3 ทางเลือกดังนี้

• การพัฒนา Super App: เป็นของตนเองซึ่งสามารถเริ่มต้นด้วยบริการเกี่ยวกับธนาคารและการเงินอื่น ๆ และเพิ่มเติมในส่วนบริการที่ไม่เกี่ยวข้องกับการเงินเข้าไปในแผนกลยุทธ์ระยะยาว

• Bank-as-a-Service (BaaS): เป็นโมเดลแบบ End-to-End ที่ทำให้สถาบันการเงินสามารถเชื่อมต่อระบบของตนเองกับระบบ Super App Ecosystem ของผู้อื่นโดยเน้นให้บริการทางการเงิน/กำกับดูแล

• การพิจารณาโมเดลบริษัทร่วมทุนกับพันธมิตรธุรกิจ

2.) Open Banking และ Application Programming Interfaces – APIs:
Open Banking เป็นจุดเริ่มต้นที่ดีสำหรับสถาบันการเงินก่อนก้าวเข้าสู่การพัฒนา Super App ด้วยการใช้ประโยชน์จาก Frameworks และ APIs ของ Open Banking ที่นำ Ecosystem ของผลิตภัณฑ์และบริการที่หลากหลายมาอยู่ในแอปฯเดียว อีกทางเลือกที่น่าสนใจ คือ สถาบันการเงินสามารถร่วมมือกับพันธมิตรทางธุรกิจที่มีแพลตฟอร์ม Super App อยู่แล้ว ด้วยการนำเสนอระบบชำระเงินและบริการทางการเงินอื่น ๆ ผ่าน Open APIs ของพวกเขา

3.) ข้อมูลและการวิเคราะห์ (Data & Analytics):
การลงทุนในเทคโนโลยีใหม่ ๆ เพื่อปรับปรุงระบบบริหารจัดการและเพิ่มขีดความสามารถการวิเคราะห์ข้อมูลเป็นปัจจัยสำคัญในการแข่งขัน ยกตัวอย่างเทคโนโลยีที่น่าสนใจได้แก่ Predictive Analytics, Artificial Intelligence – AI, Machine Learning – ML, และ Realtime Metrics เป็นต้น ซึ่งเทคโนโลยีเหล่านี้จะช่วยสนับสนุนการทำตลาดแบบ Hyper-Personalization และสร้างความภักดีให้กับแบรนด์ได้ โดยอาจเสริมเครื่องมือ (Tools) ให้ลูกค้าวางแผนการเงินด้วยตนเองเพื่อเก็บข้อมูลและนำเสนอบริการอื่น ๆ เช่น Smart Budgeting และ Analytics Tools ที่ใช้บริหารจัดการค่าใช้จ่ายโดยคำนวนจากพฤติกรรมการใช้จ่าย พร้อมระบบแจ้งเตือน เป็นต้น

4.) Marketplace Ecosystems:
Super App เกิดจากความต้องการของลูกค้าที่เปลี่ยนแปลงไป พวกเขามองหาความสะดวกสบาย ประสิทธิภาพและประสบการณ์แบบไร้รอยต่อจากการซื้อสินค้าและบริการ ฉะนั้นการสร้าง Ecosystem ที่สามารถเชื่อมต่อสินค้าและบริการจากพันธมิตรทางธุรกิจ รวมถึงโปรแกรมขนาดเล็กต่าง ๆ (Mini Programmes) จึงจำเป็นอย่างมากเพื่อดึงดูดลูกค้าเหล่านี้ ดังนั้นคุณภาพของ Ecosystem, APIs และการบูรณาการแบบไร้รอยต่อ จะเป็นตัวชี้วัดความน่าเชื่อถือและส่งผลต่อภาพลักษณ์ของสถาบันการเงิน

การได้รับความเชื่อมั่นและความภักดีต่อแบรนด์ได้ Super App ต้องมีความสะดวกสบาย เชื่อมต่อและใช้งานง่าย ที่สำคัญต้องอัดแน่นไปด้วยบริการส่วนบุคคลและรางวัลจูงใจมากมาย ดังนั้นสถาบันการเงินที่ต้องการสร้างกลยุทธ์และขับเคลื่อน Super App ที่สามารถเติบโตได้ในระยะยาวได้นั้น อาจเริ่มต้นด้วยการสร้างข้อได้เปรียจาก Open Banking ด้วยการใช้ประโยชน์จาก Smart Data ที่ผ่านการวิเคราะห์ของปัญญาประดิษฐ์ ผนวกกับการเลือก Ecosystem ที่ถูกต้องและพันธมิตรที่มีความเชี่ยวชาญในการพัฒนาซอฟต์แวร์อย่างแท้จริง

ขอขอบคุณข้อมูลอ้างอิงจาก
beaconvc.fund, infopulse

สนใจปรึกษาเกี่ยวกับ ‘Super App’ กับทีมงานผู้เชี่ยวชาญของ Bluebik บริการโซลูชันครบวงจรและการวิเคราะห์ข้อมูลขั้นสูง ตั้งแต่ระดับกลยุทธ์ไปจนถึงการนำไปใช้จริงติดต่อเราสอบถามหรือปรึกษาเราได้ที่

✉ hello@bluebik.com  

☎ 02-636-7011 

The post สถาบันการเงินควรเดินเกมอย่างไรในสนามแข่งขัน Super App? appeared first on Bluebik.

Personalized Financial Product เพิ่มแรงดึงดูดลูกค้า 

ไม่ใช่เรื่องน่าแปลกที่ Personalized Financial Product ได้เกิดขึ้นมากมายในช่วงไม่นานนี้ เพื่อเพิ่มแรงดึงดูดลูกค้าโดยเฉพาะ ไม่ว่าจะเป็น Personal Financial Management (PFM) หรือ Robo-Advisor ที่เป็นเครื่องมือทางการเงิน ในการเข้ามาช่วยเลือกผลิตภัณฑ์ให้เหมาะกับลูกค้าแต่ละรายมากยิ่งขึ้น โดยเฉพาะสำหรับกลุ่มคนรุ่นใหม่อย่าง Gen Z 

จากรายงานการวิจัย BAI Banking Outlook: Trends In 2020 พบว่า 64% ของกลุ่มที่ตอบแบบสำรวจ ให้ความสำคัญ กับเรื่องประสบการณ์ทางการเงินบนโลกดิจิทัล (Personalized Banking Experience) โดยเฉพาะการแนะนำผลิตภัณฑ์ทางการเงิน ที่เหมาะกับพฤติกรรมการใช้เงินและการใช้ชีวิต ไม่เพียงเท่านั้น ผู้บริโภคยุคใหม่ยังมีแนวโน้มเปลี่ยนไปใช้บริการจากธนาคาร หรือสถาบันการเงินอื่น ๆ หากไม่สามารถนำเสนอประสบการณ์การใช้งานแบบ Personalized ได้ 

แต่นอกจากสร้างประสบการณ์ที่ถูกใจลูกค้าแล้ว สิ่งที่จะขาดไปไม่ได้ถ้าต้องการมัดใจให้คนอยู่กับธุรกิจในระยะยาว คือการสร้าง Connectivity ที่หมายถึงการกระตุ้นการมีส่วนร่วม ทำให้ลูกค้ารู้สึกว่าโปรดักต์เป็นส่วนหนึ่งของการใช้ชีวิต กลายเป็นแพลตฟอร์มที่ช่วยให้สามารถเชื่อมต่อกับเพื่อน ๆ และคนรู้จัก ซึ่งช่วยเปลี่ยนเรื่องการเงินให้กลายเป็นเรื่องสนุก และจะนำไปสู่การบอกต่อให้คนหันมาใช้งานด้วยกัน 

อยากรู้ใจต้องทำให้สนุกก่อน 

ในการสร้างผลิตภัณฑ์อย่างหนึ่ง นอกจากองค์ประกอบ 2 เรื่อง คือ เรื่องการใช้งานของผู้ใช้ (Usability) เช่น ประสบการณ์ใช้งานและหน้าตาของแอปพลิเคชัน และเรื่องประโยชน์ต่อผู้ใช้งาน (Usefulness) ไม่ว่าจะเป็นข้อมูลผลิตภัณฑ์หรือการให้คำแนะนำต่าง ๆ การทำให้ผู้ใช้มีส่วนร่วมกับผลิตภัณฑ์ (Connectivity) คือ จุดสำคัญที่สร้างความแตกต่างจากธุรกิจอื่น ๆ 

จากประสบการณ์จริงของ บลูบิค (Bluebik) ในฐานะที่ปรึกษาชั้นนำผู้ให้บริการดิจิทัลทรานส์ฟอร์เมชันครบวงจร ที่ได้เข้าไปให้คำปรึกษาด้านกลยุทธ์และการจัดการด้วยนวัตกรรมและเทคโนโลยี ให้กับองค์กรธุรกิจขนาดใหญ่ อีกทั้งมีโอกาสเข้าไปช่วยออกแบบกลยุทธ์การพัฒนาตัวช่วยวางเป้าหมายทางการเงิน (Financial Goal Setting) พบว่า การสร้าง Connectivity สามารถทำได้ผ่านเทคนิค Gamification ด้วยการสอดแทรกเกมในรูปแบบการตอบคำถามเข้าไปในแพลตฟอร์ม คล้ายกับการทำ Personality Test เพื่อค้นหา Financial Persona หรือพฤติกรรมการใช้เงินของลูกค้าแต่ละกลุ่ม โดยอาจแบ่งคร่าว ๆ เป็นกลุ่มนักช้อป นักลงทุน นักเก็บเงิน เป็นต้น 

การนำเสนอ Financial Persona ไม่เพียงสร้างความรู้สึกให้เรื่องเงินเป็นเรื่องใกล้ตัว และเข้าถึงง่ายเท่านั้น แต่ยังต่อยอดไปสู่การสร้างคอนเทนต์อื่น ๆ ที่สามารถแชร์ให้เพื่อนหรือคนรู้จักเห็นบนโซเชียลมีเดีย ไม่ว่าจะเป็นการแชร์เป้าหมายทางการเงิน หรือความสำเร็จในการเก็บเงิน เมื่อเกิดการแชร์ ย่อมทำให้เห็นภาพไลฟ์สไตล์ และรู้จักลูกค้ามากขึ้นว่า แต่ละกลุ่มกำลังสนใจเรื่องไหน มีเป้าหมายแบบไหน นำไปสู่การนำเสนอ Personalized Product ที่รู้ใจยิ่งขึ้น เช่น ให้ข้อมูลเกี่ยวกับสิ่งที่ลูกค้าอยากรู้จริง ๆ และปรับปรุงรูปแบบการช่วยเลือกผลิตภัณฑ์ให้เหมาะสมมากขึ้นไปอีก 

Gamification สร้างความน่าเชื่อถือแบบไม่น่าเบื่อ 

คงต้องบอกว่า Gamification เป็นเครื่องมือหนึ่งที่ทำให้ผู้ใช้รู้สึกมีส่วนร่วม ด้วยการใส่ความสนุกเข้าไปให้การใช้งานไม่น่าเบื่อ สร้างความรู้สึกเหมือนกำลังเล่นเกมอยู่ ซึ่งการนำ Gamification มาใช้กับผลิตภัณฑ์ทางการเงินทำได้หลายรูปแบบ และไม่จำเป็นต้องใช้แค่รูปแบบเดียว แต่สามารถผสมผสานกันได้ เพื่อให้เกิดความหลากหลายในการนำเสนอความรู้ ความเข้าใจ และความน่าเชื่อถือของผลิตภัณฑ์ทางการเงินออกมาแบบเข้าใจง่าย 

ในกรณีของแอปพลิเคชันช่วยวางแผนทางการเงิน ในช่วงแรกสามารถออกแบบเป็นการใช้เกมตอบคำถาม เพื่อทำความรู้จักกับลูกค้าเบื้องต้น เช่น อายุ การศึกษา อาชีพ ความสนใจ ไลฟ์สไตล์ เป็นต้น แล้วต่อด้วยคำถามเกี่ยวกับพฤติกรรมการใช้เงิน และแนวทางการวางแผนทางการเงิน เพื่อทำความเข้าใจความต้องการลูกค้าในเชิงลึกมากขึ้น และเมื่อนำทุกส่วนมารวมกัน จะได้ออกมาเป็น Financial Persona ของบุคคลนั้น 

3 องค์ประกอบสร้างเกมตอบคำถาม เพื่อค้นหา Financial Persona 

สำหรับองค์ประกอบที่ควรมีในการสร้างเกมตอบคำถาม เพื่อค้นหา Financial Persona สามารถแบ่งออกเป็น 3 ส่วนหลัก 

1. Financial Risk 

การประเมินความเสี่ยงทางการเงินว่า ลูกค้าแต่ละรายสามารถยอมรับความเสี่ยงได้มากแค่ไหน ไล่ไปตั้งแต่ความเสี่ยงต่ำ ความเสี่ยงต่ำถึงปานกลาง ความเสี่ยงปานกลางถึงสูง ความเสี่ยงสูง และความเสี่ยงสูงมาก 

2. Financial Decision 

การตัดสินใจทางการเงิน โดยอาจแบ่งเป็นการตัดสินใจแบบฉับพลัน เช่น อยากได้ของชิ้นหนึ่งแล้วตัดสินใจซื้อเลย และอีกแบบคือการตัดสินใจอย่างระมัดระวัง โดยคิดแล้วคิดอีกก่อนตัดสินใจซื้อของชิ้นหนึ่ง 

3. Financial Management 

การบริหารจัดการทางการเงินเป็นอีกส่วนที่จะขาดไปไม่ได้ ซึ่งแบ่งคร่าว ๆ ได้เป็นการวางแผนทางการเงินระยะสั้นไม่เกิน 1 ปี ระยะกลาง 3-7 ปี และระยะยาว 7 ปีขึ้นไป เป็นต้น 

นอกจากการนำ Gamification ไปใช้ในการออกแบบเกมตอบคำถามแล้ว อาจเพิ่มลูกเล่นอื่น ๆ เข้าไปด้วยการลองให้ผู้ใช้ทำกิจกรรมบางอย่างบนแพลตฟอร์ม เช่น การให้กำหนดเป้าหมายการเก็บเงินภายใน 1 ปี 3 ปี หรือ 5 ปี ว่าต้องการเก็บเงินให้ได้เท่าไร และจะนำไปใช้ทำอะไร ซึ่งเมื่อทำสำเร็จแล้ว จะได้รับ Badge เหรียญรางวัล หรือคะแนน ที่หากสะสมครบตามเกณฑ์สามารถนำไปแลกของรางวัล ซึ่งไม่เพียงสร้างความรู้สึกสนุกเหมือนได้เล่นเกม ยังเป็นการตอบแทนลูกค้าด้วยการให้สิทธิพิเศษต่าง ๆ ด้วยเช่นกัน 

ในโลกยุคใหม่ที่ผู้บริโภคมีตัวเลือกมากมายและหลากหลาย การจะสร้างผลิตภัณฑ์ทางการเงินที่อาจมีความซับซ้อนและยากจะเข้าใจได้ในครั้งแรก นอกจากต้องพยายามทำให้ลูกค้าเลือกผลิตภัณฑ์ของธุรกิจ ด้วยการนำเสนอจุดเด่นเรื่องการใช้งาน และประโยชน์ที่ผู้ใช้จะได้รับ ยังต้องคิดเรื่องอารมณ์ความรู้สึกจากการใช้งานด้วย เพื่อมัดใจให้ลูกค้าไม่ปันใจไปหาคู่แข่ง ซึ่งการจะทำเช่นนั้นต้องมีการวางกลยุทธ์อย่างเป็นขั้นตอน เพื่อออกแบบประสบการณ์ใช้งานบนโลกดิจิทัลให้ออกมาดีที่สุด และตรงใจลูกค้ามากที่สุด 

สำหรับธุรกิจที่ต้องการวางกลยุทธ์ด้านกลยุทธ์และการจัดการ เพื่อเพิ่มศักยภาพการแข่งขันและสร้างการเติบโตให้องค์กร บลูบิค (Bluebik) มีทีมงานผู้เชี่ยวชาญด้าน Management Consulting ที่สามารถให้บริการโซลูชันครบวงจร และการวิเคราะห์ข้อมูลขั้นสูง ตั้งแต่ระดับกลยุทธ์ไปจนถึงการนำไปปรับใช้ให้เหมาะสมกับองค์กร ผู้สนใจสามารถติดต่อสอบถามหรือปรึกษาได้ที่ hello@bluebik.com หรือโทรศัพท์ 02-636-7011 

The post สร้างผลิตภัณฑ์ทางการเงินอย่างไรให้สนุกและถูกใจคนรุ่นใหม่  appeared first on Bluebik.

เริ่มต้นต้อง Digitize กระบวนการทำงาน 

แบงก์ถือเป็นธุรกิจที่มีกระบวนการทำงานซับซ้อน และจัดเก็บเอกสารจำนวนมาก เมื่อเข้าสู่โลกดิจิทัลก็ต้องก้าวข้ามมากกว่าการยกเลิกใช้กระดาษ สิ่งนั้นคือ การปรับวิธีการทำงานทุกอย่างให้ลื่นไหล จนถึงขั้นสามารถจัดการงานได้แบบอัตโนมัติในระยะเวลาที่รวดเร็ว และช่วยทำให้ลดขั้นตอนการทำงานให้เหลือน้อยที่สุด จากการเข้าสู่ระบบออนไลน์ทั้งหมด 

สำหรับตัวอย่าง Digitize แรกเริ่มของแบงก์ คือ การมี Internet Banking จนพัฒนาเป็นแอปพลิเคชันที่ทำให้การทำธุรกรรมบนสมาร์ทโฟนสะดวกสบายถึงทุกวันนี้ แต่ประโยชน์ของการ Digitize ไม่ได้จำกัดอยู่แค่การลดความยุ่งยากเพียงเท่านั้น สิ่งที่ได้มาจากการ Digitize อีกส่วนคือ “ข้อมูล” ในรูปแบบดิจิทัลที่สามารถนำไปใช้งานต่อยอดได้สะดวกยิ่งขึ้น

เมื่อผู้บริโภคก้าวข้ามมาสู่โลกดิจิทัลอย่างเต็มรูปแบบ 

หากย้อนกลับไปหนึ่งในการพัฒนาเทคโนโลยีที่เริ่มใช้กับแบงก์ช่วงแรก คือ ระบบการชำระเงินแบบอิเล็กทรอนิกส์พร้อมเพย์ (PromptPay) ที่ทำให้การโอนเงินผูกเข้ากับบัญชีโทรศัพท์ของตัวเอง และช่วยลดความยุ่งยากในการจดจำเลขบัญชี จนปัจจุบันมีผู้ใช้เป็นจำนวนมากขึ้นเรื่อย ๆ และทำให้คนลดความกังวลกับการทำธุรกรรมผ่านระบบดิจิทัลไปได้ 

ในช่วง 10 ปีที่ผ่านมา Fintech ต่าง ๆ ที่นำเสนอใช้เทคโนโลยีใหม่เข้ามาในอุตสาหกรรมการเงิน มีผู้ใช้งานมากขึ้นอย่างเห็นได้ชัด ตั้งแต่กระเป๋าเงินอิเล็กทรอนิกส์ (E-wallet) สกุลเงินดิจิทัล (Cryptocurrency) หรือการปล่อยสินเชื่อที่ใช้ปัญญาประดิษฐ์ (AI) เพื่อวิเคราะห์พฤติกรรมลูกค้าเฉพาะส่วนบุคคล (Personalization) 

วินาทีนี้ แบงก์จะอ้างว่าไม่ปรับตัวไม่ได้ แม้จะมีฐานลูกค้าที่ต้องการใช้บริการตามสาขาแบงก์อยู่ เพราะหากแบงก์ไหนยังยึดติดกับความสำเร็จประเด็นนี้อยู่ จนไม่พัฒนาระบบหรือฟีเจอร์ หรือปรับกลยุทธ์ใหม่ ตามพฤติกรรมลูกค้าที่เปลี่ยนไป เชื่อได้ว่าอนาคตแบงก์อาจมีโอกาสที่จะเดินสะดุดขาตัวเอง หรือโดน Fintech กลืนกินส่วนแบ่งการตลาดไปในที่สุด

Tech Company ผู้เล่นใหม่ที่น่าจับตามอง 

ความท้าทายในปัจจุบันที่แบงก์ควรตื่นตระหนกกับผู้เล่นรายใหญ่ และมีความเชี่ยวชาญในการใช้ข้อมูลและเทคโนโลยี อย่าง Tech Company ที่ปัจจุบันหลายแห่งพร้อมก้าวเข้ามาเป็นผู้เล่นในอุตสาหกรรมการการเงิน ประเภท Non-Bank มากขึ้น เช่น Apple มาทำ Solution ในการจ่ายเงิน Apple Pay หรือบัตรเครดิต Apple Card ซึ่งได้รับความสนใจจากผู้ใช้จำนวนมาก หรือ Alibaba ที่เปิดตัว Ant Financial เพื่อลุยอุตสาหกรรมการเงิน โดยเริ่มปล่อยกู้โดยไม่ใช้เจ้าหน้าที่เลย แต่ใช้ Big Data และ AI มาประมวลผล และประเมินความเสี่ยงของลูกค้าเพื่อปล่อยกู้ 

ในอดีตแบงก์อาจเคยได้เปรียบเรื่องมีฐานลูกค้ามาก แต่อย่าลืมว่าบริษัท Tech เหล่านี้ ต่างมีลูกค้าขนาดใหญ่เช่นเดียวกัน และยังมีข้อได้เปรียบที่สามารถประยุกต์ใช้เทคโนโลยีต่าง ๆ ได้เร็วกว่า จึงไม่ยากที่จะแย่งชิงส่วนแบ่งการตลาดจากแบงก์ได้ และในอนาคตจะเริ่มเห็นแบงก์ขนาดเล็กที่เริ่มต้นด้วยการเป็น Digital Bank อย่างเต็มรูปแบบ 

แล้วธนาคารจะปรับตัวอย่างไร 

คำตอบคือ แบงก์จะอยู่รอดในยุคนี้ได้ ต้องเอาจริงเอาจังและผลักดันให้ใช้เทคโนโลยีและประยุกต์การใช้ Big Data ให้มีประสิทธิภาพมากขึ้น เพราะธนาคารยังถือเป็นองค์กรที่มีข้อมูลลูกค้าจำนวนมากที่สามารถนำไปสร้างมูลค่าเพิ่มได้ รวมถึงการหาแหล่งของข้อมูลชนิดใหม่ ๆ ที่นำมาสร้างมูลค่าได้มากขึ้น เพราะการใช้ข้อมูลเดิม ๆ เช่น Transaction Data อาจไม่เพียงพอที่จะสร้างความแตกต่างได้อีกต่อไป แต่ต้องไม่ละเลยการมีแพลตฟอร์มที่ครอบคลุมไลฟ์สไตล์ เพื่อเก็บข้อมูลพฤติกรรมอื่น ๆ ของลูกค้าด้วย โดยมี 4 ข้อแนะนำเบื้องต้น ดังนี้ 

1. ตั้งโจทย์ทางธุรกิจจาก Pain Points บนการทำงานเดิม 

โดยอาจจะมองหาปัญหาของธุรกิจที่อยู่ในปัจจุบันที่สามารถประยุกต์การใช้เทคโนโลยี Big Data, Machine Learning และ AI มาเพิ่มประสิทธิภาพหรือแก้ปัญหาในการทำงานได้ เช่น การใช้ AI มาช่วยวิเคราะห์และคาดการณ์แนวโน้มการขึ้นดอกเบี้ยจากการสื่อสารที่ส่งมาจากธนาคารกลาง เพื่อทำให้แบงก์สามารถวางแผน หรือบริหารจัดการกับนโยบายดอกเบี้ยของแบงก์ได้อย่างมีประสิทธิภาพมากที่สุด หรือการใช้ AI มาผนวกกับข้อมูลเชิงพื้นที่ เพื่อทำ Geo-Spatial Analytics สำหรับการวางเครื่อง ATM การปิด และควบรวมสาขาอย่างมีประสิทธิภาพ 

2. มองหาหนทางสร้างมูลค่าใหม่ ๆ 

โดยการเพิ่มรายได้เดิมหรือสร้างรายได้ใหม่ ตั้งแต่การเพิ่มความแม่นยำในการทำ Targeted Marketing จากการจัดกลุ่มลูกค้าและเลือกผลิตภัณฑ์ให้สอดคล้อง การสร้างผลิตภัณฑ์ใหม่ ๆ จาก Insight ที่ได้จากข้อมูล เช่น บัตรเครดิต, เงินกู้, เงินฝากชนิดใหม่ ที่ตอบโจทย์ตลาดมากขึ้น การทำปฏิสัมพันธ์กับลูกค้าแบบเฉพาะเจาะจงตัวบุคคล (Personalization) การสร้างรายได้จากผลิตภัณฑ์ข้อมูล (Data Monetization) เช่น ผลิตภัณฑ์ข้อมูลจากข้อธุรกรรมทางการเงินที่ผ่านกระบวนการวิเคราะห์พฤติกรรมลูกค้า 

3. เสริมสร้างการเชื่อมต่อกับพันธมิตร 

เป็นกลไกหลักสำคัญเพื่อเตรียมตัวไปสู่ Open Bank Platform ซึ่งสิ่งที่ธนาคารจะต้องเตรียม คือ 

• APIs เพื่อเชื่อมต่อข้อมูล Application และ Functions ทั้งภายในและภายนอก พร้อมการดูแลความปลอดภัยของ API  

• สร้างระบบนิเวศกับ Fintech หรือพันธมิตรทางธุรกิจ เพื่อสร้างนวัตกรรมใหม่ ๆ ที่ทำให้เกิดโอกาสทางธุรกิจร่วมกัน ด้วยการเชื่อมต่อของระบบข้อมูล (API Platform) 

• ร่วมสร้างบริการหรือผลิตภัณฑ์ระหว่างพันธมิตร ซึ่งถือเป็นกุญแจหลักในการขยายการให้บริการกลุ่มลูกค้าได้ครอบคลุมมากขึ้น เก็บข้อมูลได้มากขึ้น และนำไปสู่การพัฒนาโมเดลธุรกิจไปสู่ Open Banking Platform เพื่อให้ผู้ให้บริการรายย่อยอื่น ๆ ในอนาคต เข้ามาเชื่อมต่อข้อมูล หรือ Function ต่าง ๆ ผ่าน Open API 

4. คำนึงถึงมุมมองของ Data Governance และกฎหมายที่เกี่ยวข้องด้วย 

ตัวอย่างเช่น ความปลอดภัยของข้อมูล ความเป็นส่วนตัวของข้อมูล (Data Privacy) สิทธิของเจ้าของข้อมูล เพื่อให้การดำเนินงานเป็นไปตามกฎหมาย พ.ร.บ. คุ้มครองข้อมูลส่วนบุคคล (PDPA) รวมทั้งการรักษาความถูกต้องและคุณภาพของข้อมูลที่จะส่งผลโดยตรงต่อผลประโยชน์ ที่จะได้จากการนำข้อมูลไปวิเคราะห์ต่อโดยตรง 

จะเห็นได้ว่า แม้แบงก์จะใหญ่แค่ไหน มีส่วนแบ่งหรือฐานลูกค้ามากอย่างไร แต่เทคโนโลยีสามารถเข้ามาเปลี่ยนแปลงระบบการทำงาน และกลยุทธ์ธุรกิจได้เสมอ ซึ่งสิ่งสำคัญที่สุดในยุค Digital Disruption คือ การนำข้อมูลที่เรามีมาปรับใช้ให้เกิดประโยชน์สูงสุด เพื่อนำมาประยุกต์ให้เกิดการเปลี่ยนแปลง และสอดคล้องกับความต้องการของลูกค้าให้มากที่สุด โดยอย่าคิดว่าการเป็นองค์กรขนาดใหญ่แล้วจะล้มไม่ได้ เพราะการเป็นยักษ์ใหญ่ หากล้มเพราะไม่ปรับตัว มักจะล้มดังแล้วก็เจ็บนานกว่าคนอื่นได้ 

สำหรับธุรกิจที่ต้องการวางกลยุทธ์ด้าน Data เพื่อเพิ่มศักยภาพการแข่งขันและสร้างการเติบโตให้องค์กร บลูบิค (Bluebik) ในฐานะที่ปรึกษาชั้นนำผู้ให้บริการดิจิทัลทรานส์ฟอร์เมชันครบวงจร มีทีมงานผู้เชี่ยวชาญด้าน Big Data & Advanced Analytics ที่สามารถให้บริการโซลูชันครบวงจร และการวิเคราะห์ข้อมูลขั้นสูง ตั้งแต่ระดับกลยุทธ์ไปจนถึงการนำไปปรับใช้ให้เหมาะสมกับองค์กร ผู้สนใจสามารถติดต่อสอบถามหรือปรึกษาได้ที่ hello@bluebik.com หรือโทรศัพท์ 02-636-7011 

The post Data-Driven Banking ต่อยอดสร้างมูลค่าเพิ่มให้กับธนาคารด้วย Big Data  appeared first on Bluebik.

เห็นได้ว่า เกมการแข่งขันในโลกดิจิทัลจึงไม่ได้ใช้กลยุทธ์ตรงไปตรงมาเหมือนในอดีต แต่ต้องอาศัยความเข้าใจว่า โลกดิจิทัลมีกฎเกณฑ์อะไรที่สร้างความได้เปรียบให้ธุรกิจได้ โดยหนึ่งในกลยุทธ์ที่หลาย ๆ ธุรกิจเริ่มนำมาใช้ในการแข่งขัน คือ การผลักดันตัวเองเข้าเป็นส่วนหนึ่งของ Digital Ecosystem และใช้ประโยชน์จากพันธมิตรใน Ecosystem นั้น ๆ 

Digital Ecosystem คืออะไร 

เราต้องทำความเข้าใจก่อนว่า ผู้บริโภคในปัจจุบันมีความต้องการที่จะทำทุกอย่างบนช่องทางออนไลน์ และในบางครั้งก็ต้องการใช้บริการหลาย ๆ อย่างพร้อม ๆ กัน เนื่องจากต้องการความสะดวกรวดเร็วในการใช้บริการ ดังนั้น การจะทำธุรกิจให้ประสบความสำเร็จนั้น จะต้องวางระบบ Digital Ecosystem ให้มีบริการที่ครอบคลุมและเชื่อมต่อกันมากที่สุด 

กล่าวง่าย ๆ Digital Ecosystem คือ การสร้างระบบนิเวศที่มาจากการเชื่อมต่อหลายระบบหลายบริการเข้าด้วยกัน เพื่อสร้างความสะดวกสบายให้กับผู้บริโภคในการใช้งานต่าง ๆ ผ่านช่องทางเดียว เช่น E-commerce Platform ชื่อดังอย่าง Lazada จะต้องร่วมมือกับธนาคาร ในการเพิ่มทางเลือกในการชำระเงินให้กับลูกค้า และจับมือกับผู้ให้บริการด้าน Logistics เพื่อดำเนินการส่งของอย่างรวดเร็วให้กับลูกค้า หรือแม้กระทั่งการจับมือกับธุรกิจค้าปลีก เพื่อนำเสนอผลิตภัณฑ์ที่หลากหลายให้กับลูกค้า 

แน่นอนว่า บริษัทเทคโนโลยียักษ์ใหญ่หลายบริษัทที่มีฐานลูกค้าจำนวนมากอย่าง LINE, Grab และ WeChat เริ่มทำตัวเป็นศูนย์กลางของ Digital Ecosystem โดยการขยายบริการและเชื่อมต่อกับพันธมิตร เพื่อให้บริการลูกค้าอย่างไร้ขอบเขต บริษัทเหล่านี้มีความได้เปรียบทั้งเรื่องฐานลูกค้าและความแข็งแกร่งด้านเทคโนโลยี ที่สามารถผลักดันให้ตัวเองเป็นศูนย์กลางของ Ecosystem ได้ แต่ที่น่าสังเกต คือ บริษัทเหล่านี้ล้วนเป็นบริษัทต่างชาติ แต่หนึ่งในกลุ่มบริษัทของไทยที่น่าจับตามองสำหรับการผลักดันและใช้ประโยชน์จาก Digital Ecosystem คือ กลุ่มธนาคาร  

จุดเริ่มต้นของ Digital Ecosystem เมื่อธนาคารเริ่มปรับตัวเพื่อให้บริการ Lifestyle Banking 

ในช่วงไม่กี่ปีที่ผ่านมา ทุกอุตสาหกรรมล้วนได้รับผลกระทบจาก Digital Disruption และปฏิเสธไม่ได้เลยว่า อุตสาหกรรมที่ได้รับผลกระทบเต็ม ๆ คือ ธุรกิจในอุตสาหกรรมการเงินนั่นเอง ในอดีตธนาคารเป็นเพียงที่รับฝาก ถอน โอน จ่ายเงิน แต่ในปัจจุบันรูปแบบการให้บริการของธนาคารไม่ได้จำกัดอยู่แค่แบบเดิม เพราะธุรกรรมเหล่านี้เริ่มมีบริการจากเหล่า Fintech ที่เข้ามาแข่งขัน  

ดังนั้น ธนาคารจึงต้องพยายามปรับตัวเพื่อให้บริการที่เกี่ยวกับ Lifestyle มากขึ้น ซึ่งถือเป็นก้าวแรกในการสร้างให้ธนาคารมีบทบาทสำคัญในการสร้างระบบ Digital Ecosystem และทุกธุรกิจจะต้องวิ่งเข้าหาธนาคาร เพื่อเชื่อมต่อตนเองกับลูกค้า เนื่องจากธนาคารเป็นช่องทางหลักที่เข้าถึงลูกค้าได้ง่ายที่สุด 

เห็นได้ว่า การสร้างระบบ Digital Ecosystem ต้องประกอบไปด้วยการจับมือกับธุรกิจในหลาย ๆอุตสาหกรรม เพื่อเสนอรูปแบบการบริการที่หลากหลาย แต่ต้องครบและจบในที่เดียว ซึ่งแน่นอนว่า เกือบแทบทุกธุรกิจจะต้องมีการจ่ายเงินเกิดขึ้น ดังนั้น ธนาคารจึงถือเป็นจิ๊กซอว์ชิ้นหลักในระบบ Digital Ecosystem  

ทำไมธนาคารจึงเป็นชิ้นส่วนสำคัญในระบบ Digital Ecosystem ของไทย 

ชลากร ปัญญาโฉม ประธานเจ้าหน้าที่บริหารสายงานดิจิทัลทีวีของ Workpoint ได้กล่าวไว้อย่างน่าสนใจว่า Application บน App Store หรือ Play Store ที่ติดอันดับ Top 5 ในไทย มีเพียงแอปพลิเคชัน Mobile Banking เท่านั้นที่มาจากบริษัทไทย นอกจากนี้ แอปพลิเคชัน Mobile Banking ยังเป็นแอปที่มียอดโหลดสูงที่สุดในประเทศต่อเนื่องเป็นระยะเวลา 10 ปี ซึ่งแสดงให้เห็นว่า ประเทศไทยมีฐานลูกค้าที่ใช้บริการ Digital Banking จำนวนมาก และนำไปสู่การมีฐานข้อมูลลูกค้าจำนวนมากเช่นกัน 

อีกทั้ง การที่ธนาคารมีผลกำไรจากการดำเนินงานที่สูงกว่าอุตสาหกรรมอื่น ๆ ทำให้ธนาคารเป็นธุรกิจที่มีชัยไปกว่าครึ่งในการผลักดันการสร้างระบบ Digital Ecosystem เนื่องจากมีความพร้อมทางด้านต้นทุนที่ใช้ในการวางระบบ และยังมีฐานข้อมูลที่มากเพียงพอที่จะนำไปวิเคราะห์ เพื่อสร้างผลิตภัณฑ์รูปแบบใหม่ ๆม านำเสนอลูกค้าได้อย่างตรงจุด  

ความร่วมมือกับพันธมิตร คือ กุญแจสำคัญในการใช้ประโยชน์จาก Digital Ecosystem 

เป็นที่ทราบกันดีว่า ธนาคารจะถูกกำกับดูแลโดยธนาคารแห่งประเทศไทย จึงมีข้อบังคับที่ธนาคารต้องปฏิบัติตามอย่างเคร่งครัด ซึ่งบางครั้งกลายเป็นข้อจำกัดในการขยายบทบาทของธนาคารในการนำเสนอรูปแบบบริการใหม่ ๆ เพราะกฎระเบียบต่าง ๆ ยังไม่เอื้ออำนวยให้ธนาคารสามารถปรับเปลี่ยนบทบาท และรูปแบบธุรกิจได้อย่างอิสระเหมือนกับธุรกิจประเภทอื่น ๆ 

ดังนั้น ธนาคารต้องอาศัยความร่วมมือจากธุรกิจประเภทต่าง ๆ เพื่อสร้างความหลากหลายของบริการและการเข้าถึงลูกค้าได้อย่างตรงจุดมากขึ้น ซึ่งในปัจจุบันมีตัวอย่างมากมายที่แสดงให้เห็นถึงการร่วมมือระหว่างธนาคารกับธุรกิจในอุตสาหกรรมอื่น ๆ เพื่อใช้ประโยชน์จาก Digital Ecosystem ยกตัวอย่างเช่น  

การนำเสนอบริการอื่น ๆ ให้กับลูกค้าผ่านทางแอปพลิเคชัน Mobile Banking เช่น การจองตั๋วหนัง การสะสมคะแนนตาม Loyalty Program การซื้อสินค้าบน e-Commerce Platform ซึ่งถือเป็นการร่วมมือกันที่ได้ประโยชน์ครบทุกฝ่าย ทางด้านผู้บริโภคก็ได้รับความสะดวกสบายในการใช้บริการโดยครบจบในแอปเดียว และทางด้านธุรกิจที่มาร่วมมือกับธนาคารก็ได้ลูกค้าเพิ่มจากผู้ใช้แอป Mobile Banking ซึ่งมีจำนวนมหาศาล และเป็นการได้มาโดยใช้ต้นทุนทางการตลาดที่ต่ำกว่าการหาลูกค้าด้วยตนเอง 

การให้บริการของธนาคารผ่านธุรกิจอื่น ๆ เช่นการจับมือร่วมกันระหว่างธนาคารต่าง ๆ กับร้านสะดวกซื้ออย่าง 7-Eleven เพื่อให้บริการฝาก ถอนเงินสดได้ 24 ชม. เพียงแค่ใช้งาน Mobile Banking ที่ร้านสะดวกซื้อ ซึ่งเป็นการเปลี่ยนแปลงก้าวใหญ่ที่ทำให้ธนาคารได้ Touch Point เพิ่มขึ้นกว่า 11,100 จุดทั่วประเทศ โดยที่ไม่ต้องลงทุนในการสร้างสาขาเพิ่ม นับเป็นการร่วมมือที่สร้างประโยชน์ให้กับธนาคารได้อย่างมหาศาล 

อีกกรณีที่น่าสนใจ คือ การที่ธนาคารกสิกรไทยร่วมมือกับ Social Media Platform ที่มีฐานลูกค้ากว่า 44 ล้านคนในประเทศไทย อย่าง LINE ก่อตั้งบริษัทใหม่ในชื่อ บริษัท กสิกร ไลน์ จำกัด ซึ่งเป็นบริษัทที่จะนำเสนอบริการทางการเงินที่ใช้งานง่ายและสะดวกมากยิ่งขึ้น เช่น การให้กู้เงินแบบ Digital Lending ผ่านแพลตฟอร์ม LINE ซึ่งเป็นบริการที่จะพลิกโฉมการปล่อยสินเชื่อของธนาคารในด้านของความสะดวกรวดเร็วต่อผู้บริโภค การจับมือกันดังกล่าวทำให้ KBank เข้าถึงข้อมูลลูกค้าได้อย่างมหาศาลและสามารถนำข้อมูลดังกล่าวไปต่อยอดธุรกิจ เพื่อพัฒนาผลิตภัณฑ์ใหม่ ๆ ที่ตอบโจทย์ความต้องการของผู้บริโภคแบบเฉพาะกลุ่ม (Personalized Service)  

แนวโน้มของธนาคารในการปลดล็อกบทบาทของตัวเอง เพื่อสร้าง Digital Platform  

ในการประกอบธุรกิจของธนาคาร ทรัพย์สินที่มีค่าที่สุด คือ ลูกค้า ดังนั้น เพื่อที่จะสร้างศักยภาพในการแข่งขันให้เหนือกว่าคู่แข่ง แต่ละธนาคารจะต้องสร้างฐานลูกค้าให้ได้มากที่สุด ซึ่งแน่นอนว่า ในปัจจุบันกลยุทธ์ในการดึงดูดลูกค้าไม่ได้อยู่ที่การออกผลิตภัณฑ์ทางการเงิน หรือการออกโปรโมชันที่ถูกที่สุดเพียงอย่างเดียวเท่านั้น แต่ธนาคารที่จะอยู่รอดจะต้องเป็นผู้ที่พัฒนาแพลตฟอร์ม เพื่อตอบสนองลูกค้าได้อย่างครบวงจร  

จากการได้ทำงานร่วมกับธนาคารชั้นนำหลาย ๆ แห่ง บลูบิค (Bluebik) ในฐานะที่ปรึกษาชั้นนำผู้ให้บริการดิจิทัลทรานส์ฟอร์เมชันครบวงจร ได้เห็นการปรับตัวของธนาคารที่เป็นไปอย่างรวดเร็วและเปลี่ยนแปลงตลอดเวลา เพื่อให้ทันกับความต้องการของลูกค้าในยุคดิจิทัล ซึ่งเกือบทุกธนาคารในประเทศไทยมีการลงทุนด้านดิจิทัลในมูลค่ามหาศาล และมุ่งเน้นในการหาพันธมิตรในกลุ่มอุตสาหกรรมประเภทอื่น ๆ เพื่อผลักดันและใช้ประโยชน์จาก Digital Ecosystem อย่างมีประสิทธิภาพ และเพื่อสร้างบริการที่ครบครันในการตอบโจทย์สิ่งที่ลูกค้าต้องการมากที่สุด 

ในเวลานี้ ไม่เพียงแต่ธนาคารที่ควรจะต้องปรับตัว แต่ธุรกิจในอุตสาหกรรมอื่น ๆ ก็ควรจะพิจารณาหาหนทางในการนำบริการและผลิตภัณฑ์ที่มีมาเข้าร่วม และใช้ประโยชน์จาก Digital Platform เช่นเดียวกัน เนื่องจากปัจจุบันการพัฒนาธุรกิจเพื่อแข่งขันกันในเรื่องเดิม ๆ นั้น ทำได้ยากขึ้นเรื่อย ๆ ดังนั้น การร่วมมือกันของธุรกิจที่มี Synergy ต่อกัน เพื่อสร้างคุณค่าใหม่ ๆ อาจจะเป็นทางเลือกในการดำเนินธุรกิจที่ยั่งยืนมากกว่า 

สำหรับธุรกิจที่ต้องการวางกลยุทธ์ด้าน Digital Ecosystem เพื่อเพิ่มศักยภาพการแข่งขันและสร้างการเติบโตให้องค์กร บลูบิค (Bluebik) มีทีมงานผู้เชี่ยวชาญด้าน Digital Excellence & Delivery ที่สามารถให้บริการโซลูชันครบวงจร และการวิเคราะห์ข้อมูลขั้นสูง ตั้งแต่ระดับกลยุทธ์ไปจนถึงการนำไปปรับใช้ให้เหมาะสมกับองค์กร ผู้สนใจสามารถติดต่อสอบถามหรือปรึกษาได้ที่ hello@bluebik.com หรือโทรศัพท์ 02-636-7011 

ขอบคุณข้อมูลอ้างอิงจาก kasikornbank 

The post Digital Ecosystem คืออะไร ทำไมเป็นกุญแจสำคัญในการแข่งขันของยุคดิจิทัล appeared first on Bluebik.

นอกจากนี้ ด้านภาคเอกชน ธนาคารพาณิชย์ต่าง ๆ ยังได้ออกมากระตุ้นการชำระเงินผ่านระบบอิเล็กทรอนิกส์ ด้วยการเปิดการชำระเงินผ่านระบบ QR Code เป็นต้น  

การก้าวสู่ยุคสังคมไร้เงินสดอย่างเต็มรูปแบบ 

จากข้อมูลของธนาคารแห่งประเทศไทย หรือ ธปท. ระบุว่า ภาพรวมการชำระเงินของประเทศไทยในช่วงที่ผ่านมา รูปแบบการชำระเงินได้มีการเปลี่ยนแปลงเข้าสู่การชำระเงินทางอิเล็กทรอนิกส์หรือ Digital Payment  อย่างเห็นได้ชัด โดยตั้งแต่ปี 2559 จนถึงปี 2561 พบว่า การใช้  Digital Payment  ของไทยมีการพัฒนาอย่างรวดเร็ว โดยมีการใช้บริการชำระเงิน-โอนเงิน ผ่านโทรศัพท์มือถืออย่างแพร่หลาย  

ข้อมูลเชิงสถิติชี้ให้เห็นชัดเจนว่า การใช้บริการชำระเงินผ่านโทรศัพท์มือถือในช่วง 2 ปีที่ผ่านมาเติบโตเฉลี่ยร้อยละ 116 ต่อปี ซึ่งหนึ่งในปัจจัยสำคัญ มาจากการขับเคลื่อนของหลายภาคส่วน ภายใต้แผน National e-Payment Master Plan ซึ่งธนาคารแห่งประเทศไทยเป็นผู้รับผิดชอบหลักในโครงการระบบพร้อมเพย์และโครงการขยายการใช้บัตร  

อย่างไรก็ดี จากสถิติพบว่าการใช้ e-Payment ต่อประชากร ในปี 2559 มีการใช้งานจำนวน 49 รายการ/คน/ปี ในปี 2560 พบมีการใช้งานเพิ่มเป็น 63 รายการ/คน/ ปี และในปี 2561 มีจำนวนการใช้งานเพิ่มเป็น 89 รายการ/คน/ปี โดยการใช้ Digital Payment ที่สูงขึ้นส่วนใหญ่ยังเป็นการใช้จ่ายด้วยเงินสด และจากสถิติยังพบปริมาณการใช้ Digital Payment เติบโตถึง 83 เปอร์เซ็นต์  

นอกจากนี้ ยังพบว่าในปี 2559 มีการใช้งาน Digital Payment จำนวน 3,205  ล้านรายการ ในปี 2560 มีการใช้งานเพิ่มขึ้นเพิ่มเป็น 4,171 ล้านรายการ และในปี 2561 มีปริมาณการใช้งานเพิ่มสูงขึ้นเป็น 5,868 ล้านรายการ โดยตัวเลข Mobile Internet Banking มีอัตราการเติบโตสูงถึง 263 เปอร์เซ็นต์ในช่วง 3 ปีที่ผ่านมาอีกด้วย  

จากข้อมูลจะเห็นได้อย่างชัดเจนว่า ประเทศไทยกำลังจะก้าวสู่ยุคสังคมไร้เงินสดเต็มรูปแบบในอีก 5 ปีข้างหน้า ด้วยการจ่ายเงินแบบไม่ต้องใช้เงินสด ไม่ต้องใช้บัตร ไม่ต้องใช้มือถืออีกต่อไป กับการจ่ายเงินรูปแบบใหม่ที่กำลังจะมาถึง นั่นก็คือ การจ่ายเงินแบบ Biometric Payment หรือเรียกสั้น ๆ ว่า Bio-payment 

Bio-payment คืออะไร 

Biometric Payment  หรือ Bio-payment คือ การจ่ายเงินโดยใช้อัตลักษณ์ของผู้จ่ายเป็นสิ่งยืนยันตัวตน เช่น หน้าตา ลายนิ้วมือ เสียง ม่านตา เส้นเลือด เป็นต้น 

สำหรับการใช้จ่ายเงินแบบ Bio-payment ผู้ใช้ไม่จำเป็นต้องจำรหัสลับ ไม่ต้องพกบัตร อุปกรณ์อื่น ๆ อย่างมือถือ หรือแท็บเล็ต เพื่อใช้จ่ายเงินอีกต่อไป ทำให้เกิดความสะดวกสบายในการจับจ่ายได้มากขึ้น และทำให้การจ่ายเงินสามารถทำได้รวดเร็วและง่ายมากยิ่งขึ้นด้วย นับเป็นการให้ประสบการณ์ในการจ่ายเงินที่ดีกว่ารูปแบบที่เคยมีอยู่เดิมให้กับลูกค้าและผู้ใช้งาน 

อย่างไรก็ตาม ประโยชน์ที่ลูกค้าหรือผู้ใช้งานจะได้รับจะแตกต่างกันไป ตามโหมดของการใช้งาน เช่น การใช้ลายนิ้วมือ ซึ่งเป็นโหมดที่เป็นทางเลือกในการจ่ายเงิน แต่มีผู้ใช้งานจำนวนหนึ่งซึ่งมากถึง 15% มีปัญหากับการใช้ลายนิ้วมือในการจ่ายเงิน และบางส่วนไม่เชื่อถือการใช้งานโหมดดังกล่าว  

ความท้าทายด้านความปลอดภัยของ Bio-payment  

การก้าวสู่ยุคสังคมไร้เงินสดได้อย่างแท้จริง ด้วยการนำ Bio-payment  มาใช้งานจะต้องเผชิญกับความท้าทายด้านความปลอดภัย เพราะอัตลักษณ์ของแต่ละคนนั้นไม่ใช่ความลับ และอาจจะมีการพยายามทำเลียนแบบ เพื่อโจรกรรมขโมยการใช้จ่ายจากเจ้าของตัวจริง ดังนั้น การพิสูจน์เพื่อให้บอกได้ว่าอัตลักษณ์นั้นเป็นของเจ้าตัวจริง ๆ จึงเป็นเรื่องที่สำคัญอย่างมาก ความถูกต้อง และการได้มาของข้อมูล Biometric  

รวมถึงองค์ประกอบทางเทคโนโลยี และการรักษาความลับของระบบข้อมูล เป็นสิ่งสำคัญมากในการทำระบบ Bio-payment โดยข้อมูลการจ่ายแบบ Bio-payment เป็นข้อมูลที่ไม่เป็นความลับ แต่เป็นข้อมูลที่แสดงรูปพรรณสัณฐานของบุคคล และต้องได้รับการปกป้องตามกฎหมายที่เกี่ยวกับความเป็นส่วนบุคคล สหภาพยุโรป หรือ EU ได้ให้แนวทางปฏิบัติเกี่ยวกับเรื่องดังกล่าวไว้เมื่อปี 2555 โดยแนะนำว่า ข้อมูล Biometric ควรได้รับการดูแลว่า เป็นข้อมูลที่มีความ Sensitive มากกว่าเป็นเพียงแค่ข้อมูลส่วนตัว  

เทคโนโลยี Bio-payment ในธุรกิจธนาคาร 

ทั้งนี้ เพื่อการใช้งานเทคโนโลยีอย่างชาญฉลาดและเกิดประโยชน์สูงสุด กลุ่มธุรกิจธนาคารจำเป็นต้องมีการลงทุนหรือหาพันธมิตรด้าน Biometric Authentication เพื่อสร้างบริการ Payment ที่มีประสิทธิภาพด้านการใช้งาน รวมทั้งมีความปลอดภัยสูงสุด เพื่อความเป็นผู้นำด้าน Payment ซึ่งถือเป็นผลิตภัณฑ์สำคัญที่ช่วยดึงฐานลูกค้าเข้าสู่ธนาคาร 

ด้วยการเร่งสร้างและเสริมแกร่งด้าน Customer Biometric Authentication รวมทั้งลงทุนในการอบรมภายใน จับมือกับพันธมิตร เพื่อขับเคลื่อนกลยุทธ์ทาง Digital Business Ecosystem ของธนาคาร นอกจากนี้ ยังควรขยายการลงทุนด้านกระบวนการทำงานด้านเอกสารและการพิสูจน์ การพัฒนาผลิตภัณฑ์และบริการให้ทุกหน่วยงานในธนาคารพร้อมขยับเมื่อถึงเวลา  

นอกจากนี้ ในกลุ่มอุตสาหกรรมอื่น ๆ  โดยเฉพาะอุตสาหกรรมค้าปลีก ควรเริ่มศึกษาการนำ Bio-payment มาใช้ เพราะในอนาคตเมื่อมีการใช้งานแพร่หลายมากขึ้น การเตรียมพร้อมออกแบบกระบวนการการจ่ายเงินให้สอดคล้อง กับพฤติกรรมการจับจ่ายใช้สอยของลูกค้าแบบราบรื่น ไร้รอยต่อจะกลายเป็นแต้มต่อทางธุรกิจ ช่วยสร้างความแตกต่างในการสร้างประสบการณ์ที่ดีให้กับลูกค้า เพิ่มความรวดเร็ว ลดระยะเวลาในการจ่ายเงิน และลดต้นทุนพนักงานลงได้ในที่สุด 

สำหรับธุรกิจที่ต้องการวางกลยุทธ์ด้านการพัฒนาแอปพลิเคชันและเทคโนโลยี เพื่อเพิ่มศักยภาพการแข่งขันและสร้างการเติบโตให้องค์กร บลูบิค (Bluebik) ในฐานะที่ปรึกษาชั้นนำผู้ให้บริการดิจิทัลทรานส์ฟอร์เมชันครบวงจร มีทีมงานผู้เชี่ยวชาญด้าน Digital Excellence & Delivery ที่สามารถให้บริการโซลูชันครบวงจร และการวิเคราะห์ข้อมูลขั้นสูง ตั้งแต่ระดับกลยุทธ์ไปจนถึงการนำไปปรับใช้ให้เหมาะสมกับองค์กร ผู้สนใจสามารถติดต่อสอบถามหรือปรึกษาได้ที่ hello@bluebik.com หรือโทรศัพท์ 02-636-7011 

The post Bio-payment มิติใหม่ของการจ่ายเงินยุคสังคมไร้เงินสด  appeared first on Bluebik.