Oletko dataisti vai datanihilisti? Mitä voimme oppia pankeilta data-analytiikan ja tekoälyn käytöstä?

Dataohjattu, dataohjautuva, päätöksiä dataan perustuen, datapainotteinen liikatoimintamalli. Olemme kaikki kuulleet nämä muotitermit eli buzzwordit. Mutta onko näiden taustalla muutakin kuin henkilön tai organisaation deterministinen suhtautuminen datan sovelluksiin? Toiset meistä ovat taipuvaisempia uskomaan datan kaikkivoipaisuuteen ja toiset taas mieltävät datan korkeintaan erääksi apukädeksi liiketoiminnassa ja äärimmillään jotkut ovat jopa sitä mieltä että sen käyttöä pitäisi vähentää tietyssä mielessä. Näiden ääripäiden edustajien näkemyksiä voisi kutsua dataismiksi ja datanihilismiksi. Mutta onko dataismissa ja datan merkityksen palvonnassa mitään mielekästä? Entä onko mitään mieltä täydellisessä datanihilismissäkään? Kuten arvata saattaa kumpikaan ääripää ei välttämättä ole tehokkain ratkaisu liiketoiminnalle. Mutta mikä sitten on? Vastaus saattaa löytyä rahoituslaitosten eli pankkien liiketoiminnan kannustimista.

Riskejä kaikkialla

Liikepankkien toimintaan tunnetusti kohdistuu paljon riskejä. Toiset niistä ovat liiketoiminnan sisältä tulevia ja toiset ulkopuolelta tulevia. Tässä on niistä muutama: luottoriskit, likviditeettiriskit, sääntely- ja oikeudelliset riskit, korkoriskit, puhumattakaan markkina-, maine-, operatiivisista ja kyberturvallisuuteen liittyvistä riskeistä, jotka ovat osana muitakin toimialoja kuin pankkeja ja rahoituslaitoksia. Pankkeihin kohdistuvat riskit ovat isoja ja niistä koituvat potentiaaliset vahingot mittavia muillekin kuin pankille itselleen ja sen välittömille asiakkaille. Millä tavalla nämä kaikkialla vellovat riskit muuttavat pankkien liiketoimintaa ja miten pankit niihin ovat vastanneet viime vuosikymmeninä? Voimmeko soveltaa pankkien oppeja parantaakseen muiden alojen tuottavuutta?

Miksi nostin esille juuri liikepankkeja? Sen takia, että modernien pankkien liiketoimintaympäristö on sanellut aika pitkälti miten dataan kannattaa suhtautua ja miten sitä kannattaa hyödyntää. Pankit ovat suhtautuneet dataan pragmaattisesti ja yhdessä merkittävien investointien kanssa IT-infran puolella tämä on kasvattanut niiden tuottavuutta muita aloja merkittävästi enemmän. Edellä mainitut riskiluokat ja niistä aiheutuvat sääntelyvaatimukset ovat käytännössä kannustaneet pankkeja analysoimaan ja keräämään dataa yhä tehokkaammin. Ja kun dataprosessit ovat kehittyneet, ennakko-odotukset niiden hyödyntämiseksi ovat kannustaneet sääntelyviranomaisia vaatimaan pankeilta yhä tehokkaampia ja tiukempia otteita riskienhallintaan. Muna vai kana?

sivutuotteena asiakaspoistuma-, luotto-, ja korkoriskejä pystyttiin hinnoittelemaan yhä tarkemmin

Kaiken alku

Nyt pankeilla on käytössä valtavia datamassoja ja pankit ovatkin usein edelläkävijöitä sen hyödyntämisessä monista syistä, ja pankeilla on käytössä mitä moninaisempia dataan perustuvia ennustemalleja ja algoritmeja. Pysähdytään hetkeksi pohtimaan sitä, miten tähän tilanteeseen on tultu ja miltä kehitys on näyttänyt riskienhallinnan näkökulmasta. Moderni IT-kehitys pankeissa sai alkunsa 1960-luvulla isokokoisista keskustietokoneista, joita käytettiin aktiivisesti yksinkertaisten petosten ja rahansiirtovirheiden havaitsemiseen. Nämä tietokoneet vähensivät ihmisten tekemien virheiden negatiivisia vaikutuksia pakottamalla datan tiettyyn muotoon eli kyse oli alkeellisista bisnesprosessien automaatioista ja datamalleista.

Edellä kuvattua kehitystä kesti noin 20 vuotta, kunnes mikrotietokoneet ja tietokantainnovaatiot alkoivat levitä. Suurten ja nopeasti ulottuvilla olevien datamassojen aikakausi oli alkanut. Relaatiotietokantojen ansiosta datalähteiden yhdistäminen ja integraatio loivat pohjan asiakkaan kokonaisvaltaiselle ja kvantitatiiviselle profiloinnille. Esimerkiksi luottoriskejä pystyttiin mittaamaan yhä tarkemmin dataan perustuen. Jo kymmenen vuoden sisällä tämän vaiheen alkamisesta suurin osa pankeista oli seuraavalla kehitysasteella, kun internet oli lyönyt itsensä läpi maanpuolustuksen ja akateemisten alojen ulkopuolella 1990-luvulla. Tietojenvaihto oli helpottunut kertalaakilla ja pääoman liikkuminen paikasta toiseen helpottui ainakin saman verran. Petosten havaitsemisen ja siihen liittyvän kansallisen rajoja ylittävän riskienhallinnan oli tehostuttava sen mukana niin ikään.

Kiihtyvästi lisää dataa

2000-luvulle tultaessa oli selvää, että internet tulee kasvattamaan datamassoja entisestään. Harva kuitenkin osasi ennustaa sen todellisia mittasuhteita. 2000-luvun ensimmäisellä vuosikymmenellä ei-rakenteellisten netistä peräisin olevien datalähteiden yhdistäminen pankkien perusdataan kehittyi voimakkaasti, mikä paransi esimerkiksi markkinariskien hallintaa ja siitä koituvia likviditeettiriskejä. Parantuneen laskentatehon ansiosta petosten havaitseminen muuttui yhä ennakoivammaksi ja näin kyseenalaisia transaktioita opittiin estämään jo ennen niiden toteutumista. Internetin ansiosta helpottuneet pääomaliikkeet pakottivat sääntelyviranomaiset yhä tiukempiin KYC-asetuksiin, jotka vaativat pankkeja tunnistamaan asiakkaita yhä yksityiskohtaisemmin. Sääntelyn vaatima uusi ja tarkempi asiakasdata tarkoitti parempaa asiakkaiden profilointia, jolloin sivutuotteena asiakaspoistuma-, luotto-, ja korkoriskejä pystyttiin hinnoittelemaan yhä tarkemmin.

Tallennuskapasiteetin kasvaminen ja halpeneminen, sekä kommunikaation nopeutuminen kulkevat käsi kädessä kasvavien datamassojen ja transaktioiden kanssa 2010-luvulle tultaessa. Pilviteknologiat alkavat kasvaa vauhdilla ja skaalaetujen ansiosta ne tarjoavat ennennäkemätöntä buustia jo ennestään kovalle laskentateholle ja tallennuskapasiteetille. Turvallisuus- ja sääntelysyistä infrapuolen ulkoistaminen vie pankeissa muita tietoaloja enemmän aikaa, mutta pankit liittyvät pikkuhiljaa muiden alojen seuraan ja monesti jopa ohittavat muita pilviteknologioiden käyttöönotossa. Isojen pankkien sääntelyvaatimusten johdosta hitaampi pilven käyttöönotto luo kasvupohjaa uuden ajan fintech-yrityksille jotka vievät petosten kitkemis-, kyberturvallisuus-, ja rahaliikenneratkaisuja uudelle reaaliaikaiselle tasolle, joista monet myöhemmin integroituvat kokonaisvaltaisiksi riskienhallinnan ratkaisuiksi perinteisten pankkien puolella. Jälleen riskienhallinta pelaa erittäin suurta roolia.

fintech-yrityksen märkä uni on pankkilisenssi, kun taas pankkiiri haluaisi itselleen vihdoin ja viimein hienosti toimivia appeja

Pelko menetyksestä

Riskinäkökulma on vain yksi monista syistä miksi moderneilla pankeilla on ollut kova insentiivi sijoittaa IT-infraan ja data-analytiikkaan. Sääntely itsessään saattoi toimia insentiivinä paremmille IT-ratkaisuille, mutta syy-seuraussuhde sääntelyn ja investointien välillä ei ole ollut aina yhtä selkeä. Tietoturva, yksityisyys, kilpailuasetelma, asiakasymmärrys ja -personointi ovat myös yhtä valideja perusteluja investoinneille, mutta ne kuuluvat enemmän samaan sarjaan haasteita, joita kohtaavat muidenkin alojen organisaatiot. Riskinäkökulma sen sijaan tuppaa ylikorostumaan rahaan ja pääomaan liittyvillä toimialoilla. Pankkien ylikorostunut riskienhallinta ei kuitenkaan ole täysin poikkeuksellista. Esimerkiksi terveydenhuollossa ollaan tekemisissä sellaisten riskien kanssa, jotka välillä kalpenevat pankkien riskien rinnalla. Lisäksi yhteiskunnan kannalta perusinfraan liittyvät toimialat voivat olla kriittisiä riskienhallinnan kannalta.

Nyt tullaan lopulta siihen kysymykseen, jonka asetin aluksi: mitä voimme oppia pankeilta data-analytiikan ja tekoälyn käytöstä? Ainakin sen, että riskienhallinta voi toimia insentiivinä paremmalle data-analytiikalle. Onko siis niin, että olemassa olevien ratkaisujen, tuotteiden, markkinaraon ja asiakkaiden potentiaalinen menettäminen, voi motivoida luomaan sellaisia liiketoimintaprosesseja, jotka luovat relevanttia dataa? Pankkien tapauksessa riskienhallinnan asettaminen etusijalle loi selkeät vaatimukset tarvittavalle datalle ja vedenpitävät perustelut datastrategialle. Ajan myötä monipuolistuvat datareservit toimivat polttoaineena tekoälylle ja sellaisille algoritmeille, jotka auttavat liiketoimintaa muuttumaan reagoivasta ennakoivaksi, joka on liiketoiminnassa kuin liiketoiminnassa suuri kilpailuetu.

Uusia haasteita edessä

Historialliset tuotot eivät ole tae tulevista tuotoista, kuten osakemarkkinoilla on tapana sanoa. Yhä voimakkaammin kasvava datamassa vaatii uudenlaisia innovaatioita sen tietoturvallistamiseksi ja murskaamiseksi informaatioksi. Onko perinteisistä pankeista tullut liian isoja ollakseen riittävän innovatiivisia? Tähän voi jokainen vastata itselleen mielekkäällä tavalla, mutta vilkaisu fintech-maailmaan perinteisten pankkien ulkopuolelle antaa jotain osviittaa. Pankkilisenssien ulkopuolella olevat tahot voivat työntää rajoja rahoitusmarkkinoilla aiheuttamatta sääntelyrikkomuksia, jotka olisivat muuten kohdistuneet pankkilisenssin alaisuudessa toimiviin instituutioihin. Mutta monesti ollaan kuitenkin siinä tilanteessa, että fintech-yrityksen märkä uni on pankkilisenssi, kun taas pankkiiri haluaisi itselleen vihdoin ja viimein hienosti toimivia appeja.

Onko liiketoiminnallasi vaikeuksia hahmottaa mitä hallussanne olevilla datalähteillä voi tehdä? Entä puuttuuko teiltä tarvittavaa dataa? Oletko pohtinut minkälaisia riskejä liiketoimintaasi kohdistuu? Cloudriven auttaa teitä mielellään näissä kysymyksissä.