بانکداری

در سال های اخیر مقوله طراحی الگوی جبران خدمات مدیران و کارکنان سازمان ها، یکی از مباحث حساس، پیچیده و چالش برانگیز در حوزه ی مدیریت منابع انسانی در صنعت بانکداری می باشد. مدیران بانک ها می توانند از طراحى مناسب نظام جبران خدمات و پاداش کارکنان با تاکید بر مولفه های مدیریت دانش استفاده کنند . در پژوهش حاضر با استفاده از ادبیات نظری مؤلفه های موضوع استخراج گردید و در بخش بعد از طریق روش دلفی و مصاحبه با 15 نفر از خبرگان مدیریت منابع انسانی در بانک ملت با استفاده از پرسشنامه نیمه ساختار یافته ، مؤلفه ها و شاخص های استراتژی جبران خدمت و پاداش مبتنی بر دانش تعیین گردید .سپس مؤلفه ها و شاخص ها رتبه بندی شدند. یافته های پژوهش حکایت از این دارد برای طراحی الگوی جبران خدمت و پاداش مبتنی بر دانش در صنعت بانکداری باید 5 مؤلفه کلیدی با 5 شاخص در زمینه ساختاری ، 5 شاخص در زمینه ارزشی و 3 شاخص در زمینه رفتاری را به کار گرفت.

با توجه به اهمیت اعطای اعتبار در نظام بانکی، استفاده از عوامل مؤثر بر اعتبارسنجی جهت تصمیم گیری در اعتباردهی، بسیار مهم است. با توجه به این مهم، تحقیق حاضر به بررسی اعتبارسنجی مشتریان با تکیه بر هوش مصنوعی پرداخته است. مبحث مدیریت ریسک، یکی از موضوعاتی است که همواره در صنعت بانکداری باید مورد توجه سیاستگذاران اعتباری قرار گیرد. حال در بین ریسک های مختلفی که بانک ها با آن روبه رو هستند، ریسک اعتباری از مهم ترین آن ها محسوب می شود که در واقع از ضرر و زیان ناشی از ناتوانی یا تمایل نداشتن مشتری به انجام تعهدات خویش در برابر بانک ناشی می گردد که به منظور کنترل این ریسک، رتبه بندی اعتباری مشتریان، ضرورتی انکارناپذیر به حساب می آید از طرف دیگر، استفاده از هوش مصنوعی جایگاه خاصی را در صنایع مختلف به خود اختصاص داده که در این میان صنعت بانکی میتواند بهره مندی مناسبی را در ارزیابی و اعتبارسنجی مشتریان تسهیلات بانکی داشته باشد، پژوهش حاظر از نظرگردآوری داده ها از نوع توصیفی – پیمایشی بوده و از نوع هدف کاربردی می باشد.

این تحقیق به ارائه رویکردی مبتنی بر ارزش طول عمر مشتری (CLV) و شبکه های عصبی مصنوعی (ANN) برای دسته بندی مشتریان حقوقی بانک می پردازد. CLV در بانک به این معناست که هر مشتری برای بانک چقدر ارزش مالی ایجاد می کند. تحقیق از نوع کاربردی و شبه تجربی و جامعه آماری شامل 127.672 شناسه حقوقی در سامانه مشتریان حقوقی بانک تجارت است. داده ها از طریق فیش برداری از پرونده های مشتریان در یک دوره شش ماهه جمع آوری می شوند. نمونه گیری به صورت تمام شماری است. از الگوریتم های کا-میانگین و شبکه های عصبی مصنوعی برای خوشه بندی مشتریان استفاده می شود. شبیه سازی ها نشان داد که الگوریتم شبکه های عصبی مصنوعی نتایج دقیق تری را نسبت به الگوریتم کا-میانگین ارائه می دهند. این رویکرد می تواند به طور مؤثری مشتریان را به سه خوشه دسته بندی کند. خوشه ها بر اساس نظرات خبرگان بانکی بررسی شدند؛ تا تحلیل عمیق تری انجام شود. با توجه به اطلاعات مشتریان حقوقی بانک تجارت، این دسته ها از نظر CLV مورد بررسی قرار گرفتند. استراتژی های بازاریابی و فروش متناسب با هر خوشه مشتری تدوین شد. رویکرد پیشنهادی در این تحقیق می تواند به بانک ها در بهبود فرآیند دسته بندی مشتریان خود و در نهایت افزایش سودآوری و حفظ مشتریان کمک کند.

هدف:  امروزه در صنعت بانکداری با ظهور پلتفرم دیجیتال و تغییرات پویا، شرایط رقابتی بسیار گسترده شده است. بانک ها به عنوان یکی از مهم ترین ارکان صنعت مالی در معرض این تغییرات اکوسیستمی قرار دارند و در صورت بی توجهی ممکن است نقش آن ها را تضعیف کرده یا از اکوسیستم دیجیتال حذف کنند؛ بنابراین، هدف پژوهش حاضر شناسایی و رتبه بندی عوامل موثر بر اکوسیستم بانکداری دیجیتال می باشد.روش شناسی پژوهش:  ﭘﮋوﻫﺶ ﺣﺎﺿﺮ از ﻧﻈﺮ ﻫﺪف ﮐﺎرﺑﺮی و از ﻧﻈﺮ ﺟﻤﻊآوری دادهﻫﺎ، ﺗﻮﺻﯿﻔﯽ-ﭘﯿﻤﺎﯾﺸﯽ است. با استفاده از روش تصمیم گیری چند شاخصه بهترین-بدترین، عوامل موثر بر اکوسیستم بانکداری دیجیتال شناسایی و رتبه بندی شدند. ﺑﺮای ﺷﻨﺎﺳﺎﯾﯽ عوامل از روش ﮐﺘﺎﺑﺨﺎﻧﻪای اﺳﺘﻔﺎده ﺷﺪ. همچنین روش ﻣﻄﺎﻟﻌﻪ ﻣﯿﺪاﻧﯽ ﺑﺮای ﺗﻮزﯾﻊ ﭘرسش نامه درﻣﯿﺎن  ﺧﺒﺮﮔﺎن ﺻﻨﻌﺖ بانکداری استان لرستان ﺑﻪ ﻣﻨﻈﻮر ﺗﺜﺒﯿﺖ و اوﻟﻮﯾﺖﺑﻨﺪی اﯾﻦ ﺷﺎﺧﺺ ﻫﺎ به کار گرفته شد. از نرم افزار 2019 Excel هم جهت تجزیه وتحلیل داده ها استفاده گردید.یافته ها: نتایج نشان می دهد که اکوسیستم بانکداری دیجیتال از چهار بعد (فعالیت های اصلی و کلیدی بانکداری دیجیتال، توانمندسازها در بانکداری دیجیتال، زیرساخت های بانکداری دیجیتال و ابزارها، خدمات و محصولات بانکداری دیجیتال) و 16 معیار تشکیل شده است، به طوری که زیرساخت بانکداری دیجیتال بهترین عامل و ابزارها، خدمات و محصولات بانکداری دیجیتال به عنوان بدترین مشارکت کنندگان شناسایی شده اند.اصالت/ارزش افزوده علمی:  این چارچوب به بانک ها کمک می کند تا منابع خود را به شکل بهینه تخصیص دهند و به اولویت های اصلی برای بهبود زیرساخت ها، توسعه خدمات و محصولات دیجیتال و ارتقای سطح همکاری و مشارکت در این اکوسیستم توجه بیشتری داشته باشند.

فناوری بلاکچین به عنوان یک پدیده نظهور در حوزه مالی توانسته است موج جدیدی از تحولات اقتصادی و بانکی را رقم بزند در همین راستا؛ در این مقاله، محقق با استفاده از تحلیل مضمون و روش تاپسیس، به شناسایی و اولویت بندی فرصت ها و تهدیدات از طریق مصاحبه با 10 نفر از خبرگان دانشگاهی که نسبت به حوزه ی فناوری مالی و بلاکچین دارای اطلاعات و تخصص هستند، می پردازد. به همین منظور، با انجام مصاحبه ها با افراد خبره 21 مضمون پایه به همراه 3 مضمون سازمان دهنده شامل فرصت ها و چالش های ساختاری، قانونی و مالی شناسایی شد که بر اساس استنتاج محقق دسته بندی شدند. در گام دوم اقدام به اولویت بندی یافته های تحقیق پرداختند که نتایج نشان داد در بخش فرصت ها به ترتیب کاهش واسطه گری مالی، اجرای هوشمند مدیریت مالی بانکی، کمک به احراز هویت مشتریان، یکپارچگی و افزایش سطح دسترسی، ایمن سازی اطلاعات، اتصال به شبکه های مالی دنیا، کارآمدسازی مالی، تسهیل و تسریع مبادلات، امکان ثبت اطلاعات خودکار و کاهش نقدینگی و در بخش چالش ها به ترتیب شامل فرار مالیاتی در عرصه بانکی، عدم حاکمیت دولتی بر آن، پولشویی، ضعف در شفاف سازی مالی، عدم تأثیرپذیری از مقررات جدید، عدم نظارت قانونی، ضعف در پشتوانه مالی و اقتصادی، امکان قانون گریزی ، عدم ترازبندی مالی مطلوب، امکان هک اطلاعات و عدم اعتماد عمومی مردم می باشد.

هدف اصلی پژوهش حاضر شناسایی عوامل موفقیت استارت آپ های فناورمحور در حل چالش های صنعت فینتک ایراناست. این پژوهش در چارچوب رویکرد آمیخته و با بکارگیری روش داده بنیاد صورت گرفته است. ابزار گردآوری در بخش کیفی با انجام مصاحبه نیمه ساختاریافته از نمونه انتخاب شد. سپس در بخش کمی برای رتبه بندی عوامل از مقیاس زوجی(دوتایی) با تکنیک AHP استفاده شد. جامعه موردمطالعه، خبرگان (کارشناسان)، اعضای هیات علمی و بنیان گذاران استارت آپ ها در صنعت فینتک بودند. روش نمونه گیری به صورت هدفمند و انتخاب نمونه طبق فرایند گلوله برفی تا رسیدن به اشباع نظری پیش رفت و 22 نفر به عنوان نمونه انتخاب شدند . برای تحلیل داده ها در بخش کیفی از روش استراوس و کوربین استفاده شد. جهت روایی و پایایی سوالات از روش تطبیق توسط اعضا و روش توافق درون موضوعی استفاده شد . یافته های پژوهش نشان می دهد که شرایط علی شامل ( تمرکز بر نیازهای واقعی مشتریان، بکارگیری فناوری های پیشرفته ، … )، پدیده محوری شامل(موفقیت استارت آپ های فناورمحور در حل چالش های صنعت فینتک ایران)، شرایط زمینه ای شامل( حمایت حاکمیت و ایجاد محیط کسب وکار مناسب، توسعه استعدادها و نیروی انسانی متخص ، … )، شرایط مداخله گر شامل(حمایت حاکمیتی و قانونی، توسعه نیروی انسانی متخصص، ... )، راهبردها شامل(ارتقای توانمندی های فناورانه استارت آپ ها در حوزه فینتک، ایجاد بازارهای سرمایه تخصصی برای جذب سرمایه گذاری ، ... )، پیامدها شامل(توسعه و رشد پایدار صنعت فینتک در ایران، بهبود کیفیت و کارایی خدمات مالی و پرداخت، ... ) می باشد. سرمایه گذاری در امنیت سایبری با استفاده از فناوری های رمزنگاری و احراز هویت چندعاملی می تواند اعتماد کاربران را افزایش دهد. همچنین، به کارگیری هوش مصنوعی و یادگیری ماشین برای تحلیل داده ها و ارائه خدمات شخصی سازی شده، از اهمیت بالایی برخوردار است .