ほんの数年前、人間はテキストを理解し、画像を認識する必要がありました。機械学習などのコグネティブテクノロジーを使用して、これらの機能を自動化することがますます可能になっています。実際、機械学習の最初の実用的な展開の1つである手書き小切手の自動処理は、1990年代初頭に銀行業務で始まりました。
それ以来、私たちは長い道のりを歩んできました。過去数年間、自動化された意思決定の分野で重大な混乱が見られました。これは主に、若くて革新的なテクノロジー企業が主導しています。 ビジネスリーダーは、コグネティブテクノロジーを使用して、顧客体験を向上させ、従来の業界の境界を超えて拡大しています。 これらのテクノロジーは大幅な改善をもたらし、急速に発展しています。
自動化された意思決定の次のフロンティアは、レコメンデーションエンジンです。これは、意思決定プロセスを強化または完全に自動化するための機械学習テクノロジーのインテリジェントな展開です。 購入したいと思われる製品を顧客に推奨するなど、洞察に満ちた推奨を行うことは、長い間、あらゆる商業会社の聖杯でした。また、顧客が洞察に満ちた推奨事項に対応する方法にも根本的な変化が見られます。
レコメンデーションエンジンを使用する可能性を利用することを選択した銀行は、顧客により個人的な体験を提供し、従業員の能力を強化することにより、競争上の優位性を生み出しています。
レコメンデーションエンジンはここにとどまります
レコメンデーションエンジンは、過去の顧客の行動から得られた洞察を活用して、将来の顧客の要望を予測するために機能します。いくつかのユビキタスな例：
- Amazonは世界最大の小売業者であり、そのレコメンデーションエンジンは売上の大部分を占めています。このエンジンは、顧客との関連性が最も高いと考えられる製品を提案することで、魅力的なユーザーエクスペリエンスを生み出します。
- Netflixは、過去の選択データ、ユーザーの評価、フィードバックを活用する優れたレコメンデーションエンジンにより、ナンバーワンのコンテンツプロバイダーになりました。このデータを使用して、関連性のある、パーソナライズされた映画の提案を顧客に提供します。
銀行の運営方法の変革
では、これは銀行業界にとって何を意味するのでしょうか。銀行向けのレコメンデーションエンジンの主な用途と利点は次のとおりです。
- 大規模なパーソナライズ
洞察に基づく銀行は、収集したクライアントに関する知識を抽出して、カスタマイズされた顧客体験を形成します。例としては、顧客がオンラインバンキングプラットフォームに入るときに表示されるインターフェイスや、消費者がモバイルアプリを使用しているときに表示される製品の提案などがあります。
一般的な銀行の顧客には、2つの目的があります。より賢く支出し、より賢く投資する。残念ながら、これらの各目標の背後にある原動力は、多くの場合、顧客ごとに異なります。そのため、レコメンデーションシステムによって有効化されたカスタマイズが非常に効果的である可能性があります。
レコメンデーションシステムは、トランザクションデータを分析し、お金を節約する方法についてクライアントにカスタマイズされた提案を行うことができます。また、同様の特性を持つ他の顧客の行動を分析し、彼らのために働いた製品を推奨することもできます。
- 労働力の増強
レコメンデーションエンジンを使用すると、従業員はより適切な意思決定を行い、よりスマートな方法で時間を費やすことができます。より良い意思決定は、従業員の生産性と付加価値を向上させ、これにより、ビジネス全体のパフォーマンスが向上します。
不正行為は、銀行にとって非常にコストがかかります。従来、不正検出ではルールベースのパターンマッチングアプローチが使用されていましたが、これは維持に時間がかかり、常に進化する不正手法のために効果がないことがよくありました。機械学習を使用すると、銀行は異常をはるかに正確に検出し、疑わしいアクティビティにすばやくフラグを立てることができます。これにより、不正検出が増加し、誤警報が減少します。
- 自動化オーケストレーション
自動化された意思決定のメリットを最大限に活用するには、組織のさまざまな部分をリンクし、エンドツーエンドの旅を作成する必要があります。自動化された意思決定がビジネスの一部に適用されると、孤立したプロセスやトランザクションの自動化をはるかに超える機会を生み出すことができます。
銀行は、毎日大量の取引を処理しています。娯楽、旅行、食事、家賃などの購入の種類ごとに、各顧客の取引をリアルタイムで分類する銀行を想像してみてください。これは、同様の過去のトランザクションで発見されたパターンに基づいて、各購入を適切な支出カテゴリに割り当てる推奨エンジンで可能です。
実際、一部の銀行はすでに顧客支出のリアルタイム分類を使用しています。銀行はこの情報を使用して、顧客に支出分析を提供できます。次に、支出分析は、お金を節約する方法や投資する製品について顧客にアドバイスするレコメンデーションエンジンへの入力として使用できます。
今後の方向性
自動化された意思決定は、銀行がバリューチェーン全体にわたってサービスを提供する方法をすでに急速に変革しています。それらの展開により、大規模なパーソナライズと労働力の増強が可能になり、これによりさらに自動化の機会が生まれます。レコメンデーションエンジンのメリットを最大限に活用するには、銀行は、すでに行っているように、カスタマージャーニーについてさらに全体的な見方をする必要があります。デロイトのウェブサイトでコグネティブテクノロジーの詳細をご覧ください。
