Ngành ngân hàng dùng AI để cải thiện dữ liệu quan trọng

BNY Mellon (Bank of New York Mellon) - một ngân hàng lâu đời tại Mỹ đang sử dụng một công cụ dựa trên trí tuệ nhân tạo (AI) để giúp giải quyết các vấn đề tồn tại trong cơ sở dữ liệu (CSDL) khách hàng của mình.

Dữ liệu về khách hàng là cốt lõi trong hoạt động kinh doanh của bất kỳ ngân hàng nào. Tại Bank of New York Mellon, sự chú ý tập trung vào dữ liệu đã xuất hiện trong sơ đồ tổ chức. Giám đốc Dữ liệu (CDO) Eric Hirschhorn báo cáo trực tiếp với giám đốc công nghệ thông tin (CIO) và trưởng bộ phận kỹ thuật.

Hirschhorn chia sẻ kinh nghiệm: “Điều này có ý nghĩa vì có nhiều cơ hội cho chúng tôi xung quanh dữ liệu đòi hỏi phải tích hợp chặt chẽ với công nghệ. Tôi là đồng nghiệp với các CIO cấp bộ phận của ngân hàng và chúng tôi làm việc sát cánh bên nhau vì chúng tôi không thể tách rời, tôi có thể đưa ra chính sách, nhưng chỉ điều đó thôi thì không thể hoàn thành công việc".

Hirschhorn, người đã gia nhập BNY Mellon vào cuối năm 2020, đã làm việc trong lĩnh vực dịch vụ tài chính hơn 3 thập kỷ, trong suốt. khoảng thời gian này, mối quan tâm của ngành tài chính về dữ liệu đã thay đổi đáng kể.

Ông nói: “20 năm trước, chúng tôi đã cố gắng đảm bảo hệ thống của mình không bị sụp đổ. 10 năm trước, chúng tôi lo lắng về tầm quan trọng của hệ thống và sự lây lan của virus. Khi bạn quan tâm nhiều hơn về cấu trúc, tất cả sẽ quay trở lại dữ liệu. Chúng tôi cực kỳ lạc quan trong việc xây dựng các khả năng nâng cao để hiểu được tính liên kết của thế giới xung quanh chúng ta từ góc độ dữ liệu".

Chìa khóa cho nỗ lực đó là có thể xác định được tất cả các dữ liệu liên quan đến một khách hàng cá nhân và xác định được các mối quan hệ liên kết khách hàng đó với những người khác. Các ngân hàng có yêu cầu theo quy định để biết họ đang giao dịch với ai - thường được gọi là KYC hoặc “biết khách hàng của bạn” (know your customer) - để đáp ứng các nghĩa vụ chống rửa tiền và các nghĩa vụ khác.

Hirschhorn nói: “Vấn đề ban đầu mà chúng tôi tìm cách giải quyết đã tồn tại từ lâu trong thị trường tài chính và các ngành được quản lý với bộ dữ liệu lớn, đó là việc giải quyết các thực thể hoặc định hướng hồ sơ,” hoặc xác định và liên kết các hồ sơ của cùng một khách hàng.

Khả năng xác định khoản vay nào trong số nhiều khoản vay đã được thực hiện cho cùng một người hoặc công ty cũng rất quan trọng đối với các ngân hàng để quản lý mức độ rủi ro. Vấn đề không chỉ đối với các ngân hàng, vì nhiều công ty có thể hưởng lợi từ việc hiểu rõ hơn về khả năng tiếp xúc của họ với các nhà cung cấp hoặc khách hàng riêng lẻ.

Xác định thông tin khách hàng bằng dữ liệu

Nhưng để biết về khách hàng, trước tiên các ngân hàng nói chung phải xác định được chính xác những gì tạo nên thông tin khách hàng. Hirschhorn nói: “Chúng tôi đã có phương pháp. Chúng tôi đi khắp doanh nghiệp và hỏi, "Khách hàng là gì?"”

Ban đầu, có sự khác biệt giữa các bộ phận về số lượng trường và loại dữ liệu cần thiết để xác định khách hàng, nhưng cuối cùng chúng tôi cũng đã thống nhất được một chính sách chung.

Nhận thấy các bộ phận đã có những ưu tiên chi tiêu riêng, ngân hàng dành một khoản ngân sách tập trung mà mỗi bộ phận đều có thể sử dụng để thuê các nhà phát triển nhằm đảm bảo tất cả họ đều có nguồn lực để thực hiện quy trình quản lý khách hàng này. Hirschhorn nói: “Thuê các nhà phát triển và chúng tôi trả tiền để họ tiếp tục công việc".

Với việc hài hòa các định nghĩa về khách hàng, ngân hàng có thể tập trung vào việc loại bỏ các bản sao. Ví dụ: nếu có một trăm bản ghi về John Doe, thì cần tìm ra việc có bao nhiêu John khác nhau, và những bản ghi nào liên quan đến cùng một người, dựa trên số ID thuế, địa chỉ và dữ liệu khác.

BNY Mellon không bắt đầu lại từ đầu. “Chúng tôi thực sự đã tự xây dựng một số phần mềm khá phức tạp để phân biệt CSDL khách hàng của chính mình", Hirschhorn nói. Có một số tác vụ tự động hóa xung quanh quy trình, nhưng phần mềm vẫn yêu cầu can thiệp thủ công để giải quyết một số trường hợp và ngân hàng cần thứ gì đó tốt hơn.

Hirschhorn cho rằng, việc cải thiện giải pháp nội bộ sẽ tốn nhiều thời gian. “Đó không phải là khả năng cốt lõi và chúng tôi đã tìm thấy những người hỗ trợ mình”.

Trong số đó có Quantexa - một nhà phát triển phần mềm của Anh sử dụng công nghệ máy học và nhiều nguồn dữ liệu công khai để nâng cao quy trình giải quyết thực thể.

Kết quả là có nhiều hồ sơ được gắn cờ là có khả năng liên quan đến cùng một người - và tỷ lệ cao hơn khi được giải quyết tự động.

Ông nói: “Có mức độ tin cậy khi bạn thực hiện các mối tương quan như thế này và chúng tôi đang tìm kiếm độ tin cậy cao vì chúng tôi muốn thúc đẩy tự động hóa một số thứ nhất định”.

Sau khi dành thời gian để thiết lập cơ sở hạ tầng và sắp xếp quy trình dữ liệu, BNY Mellon đã chuyển sang triển khai đầy đủ, có sự tham gia của nhân viên từ nhà phát triển phần mềm và ba nhóm tại ngân hàng: nhóm công nghệ, nhóm dữ liệu, các chuyên gia tại trung tâm xuất sắc KYC. Ông nói: “Họ là những người đảm bảo rằng chúng tôi sẽ có cơ hội làm tốt điều này từ góc độ quy định".

Nền tảng phần mềm của Quantexa không chỉ thực hiện phân giải thực thể, nó còn có thể lập bản đồ các mạng kết nối trong dữ liệu - ai giao dịch với ai, ai chia sẻ địa chỉ, v.v...

Hirschhorn nói: “Bạn kết nối hồ sơ khách hàng với các nguồn dữ liệu bên ngoài, sau đó hãy kết nối chúng với hoạt động của chính ngân hàng. Chúng tôi hiện đang thực hiện một bản thông tin về khái niệm để thêm nhiều bộ dữ liệu hơn vào tổ hợp, vì một khi bạn bắt đầu nhận được giá trị của việc tương quan các bộ dữ liệu này, bạn sẽ nghĩ đến nhiều kết quả hơn.

Đầu tư vào các nhà cung cấp công nghệ

BNY Mellon không chỉ là khách hàng của Quantexa mà còn là một trong những nhà đầu tư vào Quantexa. Lần đầu tiên Quantexa nhận cổ phần vào tháng 9/2021, sau khi làm việc với BNY Mellon được một năm.

Hirschhorn nói: “Chúng tôi muốn có ý kiến ​​đóng góp về cách phát triển sản phẩm và chúng tôi muốn có mặt trong ban cố vấn của Quantexa".

Việc đầu tư vào Quantexa không phải là hiện tượng cá biệt. Trong số các nhà cung cấp công nghệ khác của ngân hàng mà BNY Mellon đã đầu tư vào có các công cụ quản lý danh mục đầu tư chuyên nghiệp Optimal Asset Management, BondIT, và Conquest Planning; nền tảng phát triển ứng dụng mã thấp Genesis Global; và nền tảng quản lý tài sản CNTT Entrio.

Tuy nhiên, vai trò khách hàng và nhà đầu tư không phải lúc nào cũng đi cùng nhau. Ông nói: “Chúng tôi không nghĩ rằng chiến lược này có thể áp dụng cho mọi công ty công nghệ mới".

Mặc dù một số công ty có thể mua cổ phần của một nhà cung cấp chính để ngăn chặn các đối thủ cạnh tranh sử dụng nó, nhưng đó không phải là mục tiêu của BNY khi đầu tư vào công nghệ của Quantexa, Hirschhorn nói.

“Đây không phải là độc quyền, chúng tôi cần mọi người trở nên xuất sắc hơn trong việc này. Tin tặc đang trở nên tinh vi hơn trong cách họ phạm tội. Theo kịp tốc độ của tin tặc là điều thực sự quan trọng đối với sức khỏe của thị trường tài chính", ” Hirschhorn nói.

Vì vậy, khi Quantexa tìm kiếm khoản đầu tư mới vào tháng 4/2023, BNY Mellon lại có mặt - lần này còn có sự tham gia của hai ngân hàng khác là ABN AMRO và HSBC.

“

Tài liệu tham khảo:
1. https://thepaypers.com/online-...
2. www.cio.com/article/47...
3. bnymellon.com/us/e...
4. https://techwireasia.com/2019/...