Eski çalışma yöntemleri artık bankalar için çalışmıyor. Farklılaştırılmış müşteri deneyimi sunma baskısı artmaya devam ederken, çoğu banka yatırımlarını teknoloji yığınının en üstüne odakladı. Buna ön uç deneyimi, web portalları ve işe alım dahildir. Ancak mobil bankacılık uygulamalarının zarif görünümlerinin ardında, orta ve arka ofis iş akışları ve operasyonları, manuel adımlar ve tek kelimeyle özetlenebilecek erişilemeyen verilerle dolu: belgeler. Bu belgeler, PDF'ler, e-postalar, Slack mesajları, Zendesk biletleri gibi her türlü yapılandırılmamış bilgi biçiminde gelir ve müşteri yolculuklarının temelini oluşturur.

Son yıllarda bankalar ve sigortacılar, işlerini otomatikleştirmek ve modernize etmek için robotik ve iş süreci otomasyonuna yatırım yapıyorlar. Ancak, bu çaba büyük ölçüde başarısız oldu ve yalnızca yüzde 10'u fiilen ölçekte uygulandı.^[1] Bu teknolojiler yalnızca yapılandırılmış veriler için uygundur –– büyük bankaların ve sigortacıların kullandığı bilgilerin yalnızca yüzde 20'si.

Peki, verilerin diğer yüzde 80'inde neler oluyor? Bireysel bankacılık için banka hesap özetleri ve ödeme taslakları, yatırım bankacılığındaki standart ödeme talimatları ve komisyoncu onayları veya sigorta talepleri olsun, bunların hepsi hala insanların büyük ölçüde erişilemeyen verileri manuel olarak incelemesini, sıralamasını ve anlamasını gerektirir. Örneğin, ortalama bir ipotek başvurusu tamamlanmadan önce otuz beş manuel devirden geçer.^[2] Bu veri akışı, müşteri deneyimini doğrudan etkileyerek, belge anlamayı bankalar için temel bir farklılaştırıcı haline getiriyor. Neobankaların önceden var olan rekabetine ek olarak, son zamanlarda pandemi, uzun süredir var olan bu sorunu çözmek için yeni bir aciliyet yarattı.

Tam Otomasyonun Önündeki Engeller

Bankalar, orta ve arka ofis iş akışlarını otomatikleştirmeye çalışırken, kendi engelleriyle birlikte gelen üç temel soruyu yanıtlıyor:

Verileri nasıl anlıyoruz?

Genellikle şirket içi çözümleri içeren mevcut yaklaşımların tümü, tek bir basit nedenden ötürü iğneyi hareket ettirmede başarısız oluyor: belgelerin değişkenliği neredeyse sonsuzdur. Daha da kötüsü, değişkenlik daha fazla manuel iş yaratır. Bankaların tipik olarak yapılandırılmamış kaynaklardan veri çıkarmaya yaklaşımının üç yolu vardır:

• Şablon tabanlı çıkarma: her belge türü için şablon oluşturma. Bir belgedeki bilgilerin düzeni, orijinal haliyle tamamen aynı olduğu sürece, veriler şablon tarafından anlaşılabilir.
• Kural tabanlı çıkarma: programlanabilen net etiketler ve tutarlı nitelikler ile bir belgeden veri çıkarmak için bir dizi kural oluşturma. Örneğin, “'tarih' kelimesinin altında tarihi bulun” yazan bir kural yazmak.
• Makine öğrenimi çıkarımı: Örnek belgeler kullanın –– bulabileceğiniz kadar farklı türde –– ve bu örneklerdeki veri alanlarını tanımak için genel amaçlı bir model eğitin. Bilinmeyen belgeler daha fazla eğitim gerektirir.

Verileri yönetmek için uçtan uca bir çözümü nasıl yapılandırırız?

Sorunsuz bir müşteri deneyimi oluşturmak için tüm verilerinizi kullanmak, işletmenizin geri kalanıyla harici sistemleri entegre etmeyi gerektirir. Ancak, bir bankanın şirket içi altyapısının esnek olmayan yapısı, mevcut çözümleriyle yüksek düzeyde entegre olan teknolojilerin kullanılması anlamına gelir. Bir nokta çözümü basitçe işe yaramaz ve bir bankanın teknoloji yığını, farklı şeyler yapmak için farklı araçlardan oluşur. Farklı dosya formatlarındaki belgeler, yalnızca çok özel bir yapıyı tüketmekle sınırlı olan farklı departmanlara ve sistemlere yayılmıştır. Uçtan uca bir süreci yapılandırmak, bu çeşitli araçları sorunsuz bir şekilde bir araya getirmeyi veya bunu şirket içinde bir ekiple manuel olarak yapmayı gerektirir.

Verileri nasıl işe koyabiliriz?

Verileri kullanıma koymanın temeli, onu kuruluşunuz ve dünya çapındaki diğer şubeler arasında ölçeklendirmektir. Modern teknoloji, tipik olarak, büyük bankaların ve sigorta şirketlerinin yerinde güvenli teknolojileri kullanması gerektiği şekilde geniş ölçekte çalışamaz. İkincil olarak, günümüzün dijital odaklı müşterileri, daha fazla hizmet ve yazılımın kendilerine daha sık teslim edilmesini gerektiriyor. Bankaların ve sigortacıların ayak uydurabilmek için yalnızca gelen müşteri verilerinin tüm kaynaklarından eyleme dönüştürülebilir içgörüler çıkarabilmeleri değil, aynı zamanda çözümleri daha hızlı oluşturmak için çevik geliştirme yöntemlerine geçmeleri gerekir.

Yeni bir yaklaşım

Bankalar ve sigortacılar için veri sorunu çok büyük. Ancak diğer ezici derecede büyük problemlerde olduğu gibi, onu çözmenin en iyi yolu yönetilebilir parçalara ayırmaktır.. İşte bu fikrin eylem halindeki bir örneği:

Bankanızın bir faturadaki bilgileri anlamak istediğini söyleyin. Bir fatura için şablon oluşturmak veya faturalar üzerinde büyük bir makine öğrenimi modeli eğitmek yerine, bunun bir fatura olduğunu bir an için unutabilirsiniz. Aslında, daha önce bir fatura görmüş olmanız bile önemli değil, çünkü içindeki tüm bileşenleri zaten gördünüz – adlar, adresler, imzalar, tablolar, tarihler vb. - faturanın her bir bileşenine aynı anda uygulamak üzere paketleyebileceğiniz teknolojiler: imzayı bulmak için bilgisayarla görme; isimleri bulmak için doğal dil; tabloları bulmak için yapısal algılama vb. Sonuç, faturanın daha doğru ve net bir şekilde anlaşılmasıdır.

Bu, belgelerin deneyimlere dönüşen süreçlere dönüşmesini hızlandıran yeni bir otomasyon vizyonudur. Bu yaklaşımdan yararlanan otomasyon çözümlerini değerlendirirken şunları arayın:

• Yalnızca basit bir OCR uygulaması değil, yapılandırılmamış verilerden veri çıkarma için sınıfının en iyisi doğruluğu sağlayın
• Uçtan uca yönetim için tesisatın kolay konfigürasyonunu sunun ve belirli çözüm ihtiyaçları için birçok farklı teknolojinin kullanılmasına izin verin
• Çözümleri kuruluşunuz genelinde ve diğer şubelere dağıtmak için modüler bir yaklaşımı etkinleştirin
• Kubernetes gibi yeni çağ entegrasyonlarını kullanarak hibrit bir ortamda çalışabilir ve son derece güvenli ve ölçeklenebilir

Geniş ölçekte belge anlayışı

Üstün müşteri deneyimi sunma yarışında, bankalar ve sigortacılar, sıkışmış verileri gerçekten anlamak için geleneksel genel amaçlı araçlardan daha fazlasına ihtiyaç duyuyor. Otomasyonun maliyet tasarrufu potansiyeline odaklanma, şimdi en üst düzey değere kayıyor. Ve bu değişimle birlikte yeni bir çalışma şekli hızla ortaya çıkıyor.

Yeni nesil çözümler, türünün en iyisi teknolojileri, bilgisayarlı görme, doğal dil işleme ve diğer özütleme teknolojilerini yapı taşları halinde paketleyen çözümlere dönüştürecek. Buna karşılık, bu yapı taşları, uçtan uca uygulama iş akışları oluşturmak için kullanılabilir: doğru aşağı akış sistemine entegrasyon yoluyla belge paketi bölme, sınıflandırma, çıkarma, doğrulama, gözden geçirme. Müşteriler için kredi başvurusu onayı gibi bir zamanlar günler süren işlemler artık anında gerçekleşebilir. Müşteri deneyiminin içten dışa bu tür dijital dönüşümü, eski firmaların en büyük rekabet avantajını elde etme şeklidir.

Instabase.com'da daha fazla bilgi edinin

^[1] Makinede büyüme, Capgemini, 2018.

^[2] Trivaeo, “Arka Ofisi Otomatikleştirme”, Mart 2013

Coinsmart. Europa İçindeki En İyi Bitcoin-Börse
Kaynak: https://bankautomationnews.com/allposts/cust-xper/a-new-paradigm-for-document-understanding-in-banking/