کاربرد هوش تجاری و داده‌کاوی در صنعت بانکداری

امروزه بانک­ها به علت تعاملات زیاد با اشخاص حقیقی و حقوقی داراي انبوهی از داده هاي خام بوده و این امري بدیهی است که بانک ها همواره به دنبال جذب سرمایه ها و سرمایه گذاريهاي سودآور و ارائه خدمات نوین باشند. این داده هاي به ظاهر ساده از ابعاد مختلفی داراي ارزش مالی و گزارشات بانکی بوده اما آنچه بهره گیري از این داده ها را مشکل می سازد، زمان بر بودن و صرف نیروي انسانی زیاد در جهت فرآیند جمع آوري، طبقه بندي، تلخیص اطلاعات و تهیه گزارش هاي مالی و بانکی بوده و از آنجایی که مدیران بانکی با حجم گسترده و پراکندهاي از اطلاعات و گزارش هاي ارائه شده در فرآیند عملیاتی در شعبات خود مواجه هستند، نیاز به سیستمی که بتواند گزارشهاي تحلیلی و چند بعدي را در زمان کوتاهی تهیه و اطلاعات لازم را براي اتخاذ تصمیمهاي استراتژیک به آنها ارائه کند ضروري به نظر می رسد. با پیشرفت تکنولوژي، فناوري هاي نوین توانستند با ارائه سیستم نرم افزاري عملیاتی، داده ها را در ابعاد مختلف نگهداري و این امکان را فراهم آورند تا بانک ها علاوه بر انجام کارهاي روزانه و پیگیري عملیات جاري بتوانند پردازش این اطلاعات و توانایی ارائه گزاراشات در سطوح مختلف مدیریتی را نیز داشته باشند و در نهایت رفع این نیازمنديهاي مدیریتی تحت عنوان فناوري جدیدي به نام هوش تجاري به صنعت بانکداري معرفی شده است.

هوش تجاري (BI) ابزاري است که به شناسایی هوشمندانه داده هاي اطلاعاتی، تجمیع آنها و تحلیل چند بعدي داده ها که از منابع مختلف به دست آمده می پردازد و نیازهاي اطلاعاتی سازمانها را به شکل مناسب پاسخ داده و مدیران را در امر تصمیم گیري یاري و پشتیبانی مینماید. در واقع هوش تجاري در بانکها سیستمی است که اطلاعات مورد نیاز مدیران را در حداقل زمان ممکن و به صورتی اثربخش، سازماندهی کرده و ضمن یکپارچه سازي داده، امکان کنترل و ردگیري فرآیندهاي کلیدي را براي مدیران فراهم می آورد، به عبارت دیگر هوش تجاري باعث می شود تا بانک ها هوشمندانه تر عمل نمایند.

سیستم هاي هوش تجاري به دلیل افزایش مداوم نیاز سازمانهاي تجاري در زمینه تجزیه و تحلیل، تفسیر و پردازش داده ها، به بخشی جدایی ناپذیر از یک سازمان در قرن بیست و یکم تبدیل شده اند. تعریف هوش تجاري به یک مفهوم گسترده اي از هوشمندی کسب وکار که براي حمایت و بهبود تصمیم گیري، که به نوبه خود، منجر به افزایش بهره وري در یک سازمان میشود، اشاره دارد. استفاده از تکنولوژی های جدید، به ویژه هوش تجاری، به بانکها این فرصت را می دهد تا با استفاده کامل از پتانسیل عظیم به وجود آمده در سیستم اطلاعات اولیه روزانه، علاوه بر تحلیل روند داده‌های گذشته، بتوانند عملکرد مالی آتی سیستم و بسیاری از شاخص‌های تجاری خود را پیش‌بینی کنند و بهبود بخشند. بانک‌ها با استفاده از این تکنولوژی قادر به مدل‌سازی رفتار مشتری نه تنها از نظر استفاده از سرویسها و خدمات جدید، بلکه از دیدگاه مدیریت ریسک های بالقوه نیز هستند.

تحلیل صحیح و سریع داده‌ها، تاثیر انکارناپذیری در عرصه رقابت سازمان ها در سطح داخلی و چه در عرصه بین‌المللی دارد. راهکارهای هوش تجاری و داشبورد مدیریتی پاسخی کارآمد و آزموده شده به این نیاز جدی هستند. این راهکارها انبوه اطلاعات سیستم‌های عملیاتی سازمان را در ساختاری تجمیعی، خلاصه شده، تحلیلی و مناسب برای نیازهای اطلاعاتی مدیران و تحلیل‌گران کسب و کار آماده می‌کنند تا گزارش‌گیری، ساخت نمایه های گرافیکی و امکانات تجزیه و تحلیل اطلاعات را در محیط کاربری ساده و کاربردی امکان‌پذیر کنند.

به طور خلاصه، مهمترین کاربردهای هوش تجاری در حیطه صنعت بانکداری عبارتند از مدیریت ارتباط با مشتری (CRM)، مدیریت عملکرد (PM)، مدیریت ریسک (RM)، مدیریت دارایی و بدهی (ALM)  و همخوانی با استانداردها از جمله قوانین بازل، تشخیص تقلب، مدیریت پورتفولیو و مبادلات اوراق بهادار، سیستم ضدپولشویی، انبار داده و پردازش تحلیلی آنلاین (OLAP) از پایگاههای اطلاعاتی.

متاسفانه به دلیل جدا بودن بسیاری از سیستم ها و ناسازگاری آنها این داده ها نمی توانند بطور موثری در تصمیم گیری ها مورد استفاده قرار گیرند زیرا در حال حاضر، مخازن داده الکترونیکی بسیار بزرگی به وسیله بانک‌ها و دیگر مؤسسات مالی در دنیا نگه‌داری می‌شوند. این داده‌ها که در واقع داده‌های خام و رکوردهای ادواری هستند به خودی خود و بدون تحلیل، اطلاعات خاصی را منعکس نمی‌کنند. در این حال برای بدست آوردن اطلاعات مفید و کاربردی (که جهت کشف دانش از انواع گوناگون مخازن داده داخلی و خارجی طراحی شده‌اند) و برای پشتیبانی از تصمیم‌گیری‌های بهتر تمرکز دارند استفاده از سیستم‌های هوش تجاری توصیه می‌شود. همچنین تکیه برتکنیک‌های داده‌کاوی برای کشف دانش از پایگاه داده بسیار پر اهمیت است.

وضعیت کنونی بانک‌ها نشان می‌دهد به دلیل رویارویی با حجم زیاد داده ناشی از عملیات روزانه سیستم‌های عملیاتی، با مشکلاتی از جمله نحوه جمع آوری، نگه‌داری، تحلیل و استفاده مؤثر از آن مواجه شده‌اند، که جهت برطرف‌سازی این مشکل استفاده از انبار داده واحد ضروری به نظر می‌رسد، از سوی دیگرهوش تجاری، یک سرمایه گذاری دراز مدت و موثر در زمینه فناوری اطلاعات به شمار می‌آید و در زمان انجام، پروژه هوش تجاری به دلیل عدم گسیختگی در فعالیت‌های روزانه و عدم تأثیر در سیستم‌های فعلی و عملیاتی، با ریسک پائین در پیاده‌سازی مواجه خواهد بود.

هوش تجاری باعث اتصال فعالیت‌ها به استراتژی سازمان (Scorecards ,BPM) شده و نتیجه آن ایجاد زبان سازمانی است. به همین دلیل خلق یک نسخه واحد از داده‌های واقعی کمک شایانی به انجام بهتر و هوشمندانه‌تر فرآیند‌ها می‌کند. با به‌کارگیری سامانه انباره داده و سیستم هوش تجاری، بانک‌ها از وضعیت تمرکز صرف در ارائه خدمات بانکی به تمرکز روی خواسته‌های مشتری روی آورده و تحول چشمگیری در صنعت بانکداری خلق می‌کنند. در اینجا چگونگی یکپارچه کردن این اطلاعات و تبدیل آنها به اطلاعات قابل استفاده برای تصمیم گیران سازمان در مورد ترجیحات و وفاداری مشتریان، الگوهای خرید، عملکرد سازمان های ذینفع، کلاهبرداری های بالقوه، پیوستگی محصول، و پیش بینی های مالی و موجودی منابع با استفاده از سیستم های هوش تجاری در صنعت بانکداری مورد بررسی قرار گرفته و مزیت ها و فواید آن به منظور کسب مزیت رقابتی بیان می شود.

کلید موفقیت تجاری برای بسیاری از بانکها، استفاده صحیح از داده ها جهت اخذ تصمیمات بهتر، سریعتر و بدون نقص میباشد. بانکها برای رسیدن به این هدف نیازمند استفاده از ابزارهای قوی و کارآمد مانند هوش تجاری به عنوان کاتالیزور مثبت هستند که میتواند این مؤسسات را در مکانیزه نمودن وظایف تحلیل، تصمیم سازی، تدوین استراتژی و پیش بینی یاری رساند. به عبارتی، هدف استفاده از هوش تجاری در این نهادها، گردآوری، پردازش و تحلیل حجم وسیعی از داده ها و تبدیل آنها به ارزش تجاری مؤثر در تصمیمگیری از طریق ایجاد بستر گزارشات هوشمند تحلیلی است.

در چه مواردی عملیاتی کردن هوش تجاری و بهره گیری از کاربردهای آن میتواند زمینه افزایش عملکرد مالی بانک صادرات ایران را فراهم کند؟ به عبارتی، عملیاتی کردن هوش تجاری و بهره گیری از کاربردهای آن میتواند باعث ارتقا شاخص های سلامت مالی بانک باشد؟

بطور کلی؛ بازده دارایی، بازده سرمایه، نسبت وام به دارایی و نسبت هزینه به درآمد به عنوان نماینده ای از شاخصهای سلامت مالی بانک برای بیان عملکرد مالی بانکها تعریف می شوند:

• سرمایه بازده (ROE)

نسبت بازده سرمایه که به آن بازده حقوق صاحبان سهام نیز گفته میشود، یکی از معیارهای سودآوری بانکها میباشد که بیانگر درآمد خالص به ازای هر واحد سهمی میباشد و به مفهوم عوایدی است که برای جبران هزینه و ریسکی که سرمایه گذاران با فراهم آوردن سرمایه بانک متقبل شده اند، به آنان پرداخت میشود. این نسبت از تقسیم سود خالص بر حقوق صاحبان سهام به دست می آید و میتواند بیانگر ارزش افزوده سیستم بانکی و توانایی بالقوه بانک برای تشکیل سرمایه داخلی باشد. نسبت استاندارد برای بازده حقوق صاحبان سهام برابر 15 درصد است.

• بازده دارایی (ROA)

بازده دارایی ها از مهمترین معیارهای سودآوری است که از تقسیم سود خالص بر کل داراییها حاصل میشود و میزان سود کسب شده در یک دوره مالی از ارزش هر واحد دارایی است. از سوی دیگر این شاخص، یکی از شاخص های مهم در ارزیابی توانایی مدیریت در استفاده بهینه از منابع واقعی سرمایه ای و مالی بانک در خلق سود میباشد. کارشناسان بانکی این نسبت را شاخص نهایی برای تشخیص کفایت و کارایی مدیریت در اداره امور بانکها نیز میدانند. نسبت استاندارد برای بازده داراییها برابر یک درصد است.

• نسبت تسهیلات اعطایی به دارایی ها (LA)

نسبت مانده تسهیلات اعطایی بر کل دارایی ها، سهم پرتفوی تسهیلات بانک در دارایی های آن را نشان میدهد. هر چقدر این نسبت بیشتر باشد نقدینگی بانک کمتر خواهد بود و ریسک ناشی از کاهش نقدینگی بانکها بیشتر خواهد بود.

• نسبت هزینه به درآمد (CI)

نسبت هزینه به درآمد یکی از معیارهای مهم برای تشخیص کارایی یک بانک و یکی از شاخصهای متداول جهت بررسی سلامت مدیریت است. این نسبت نشان میدهد که هزینه های اداری شامل هزینه های پرسنلی، ملزومات، اجاره محل، استهلاک، بیمه اموال و… چند درصد از درآمد عملیاتی بانک است.

برای کمی نمودن هوش تجاری چهار شاخص ذیل در نظر گرفته می شود.

• فناوری اطلاعات

بیشترین تلاش سازمانها برای ایجاد بستر مناسب هوش تجاری در راستای بهبود وضیعت زیرساخت های تکنیکی آن بوده است. تمرکز نیازها در این مرحله بر روی افزایش دادن قابلیت های گزارشات و آنالیزهای پایه میباشد در صورتیکه گزارشات و تحلیلهای مورد نیاز مدیران، براساس غیرمکانیزه داده ها را از منابع موجود جمع آوری میکنند از ظرفیت و قابلیت بسیار اندکی برای آشکارسازی اطلاعات برخوردار است. این در حالی است که استفاده از فناوری هوش تجاری میتواند شفافیت و قابلیت گزارشات مالی، بازاریابی و میزان فروش را افزایش دهد. به عنوان نمونه با استفاده از فناوری اطلاعات میتوان گزارشات مالی نهادهای دولتی، میزان فروش مربوط به یک ناحیه و منطقه را محاسبه نمود. میتوان برای کمی کردن شاخص فناوری اطالعات، از تعدادی دستگاههای POS در هر بانک استفاده کرد.

• منابع انسانی (كاركنان(

یک سیستم هوش تجاری در نهایت با نیروی انسانی شاغل در سازمان تعامل خواهد داشت و کارایی این سیستم وقتی میتواند به بهترین حالت برسد که این تعامل به بهترین نحو انجام شود. طراحی مناسب نرم افزار به گونه ای که کاربران در کار با آن راحت باشند، عامل مهم در این حوزه است ولی تواناییهای خاص مهارتی کارکنان شرایط الزم این فاکتور میباشند. نیروی کار متخصص که دارای تحصیلات بالا و مربوطه باشد میتواند پروکسی مناسبی برای این شاخص در نظر گرفته شود.

• رقبا

یکی از کاربردهای هوش تجاری شناسایی مشتریان و سودآوری آنها است؛ بنابراین بانک با به کارگیری این رویکرد همواره در تلاش است تا مشتریان خود را راضی نگه دارد؛ بنابراین همواره در رقابت با سایر بانکها خواهد بود. به عبارتی هوش تجاری میتواند به بانکها در تعیین استراتژیهایی که رقبا برای در اختیار داشتن مشتریان به کار میگیرد، کمک کند. به عبارتی رقابت یکی از شاخصهای اندازه گیری هوش تجاری میباشد که میتوان از نسبت دارایی هر بانک به دارایی کل بانکها و مؤسسات مالی غیردولتی استفاده کرد.

• مشتریان

همانگونه که ذکر شد یکی از اهداف به کارگیری هوش تجاری شناسایی مشتریان و سودآوری آنها و همچنین اعتبارسنجی آنها بوده است. کارتهای صادر شده به عنوان شاخصی برای تعداد مشتریان در راستای ارزیابی رفتار مالی آنها، میتواند به عنوان یکی از شاخصهای هوش تجاری مورد استفاده قرار گیرد.

برای محاسبه شاخص هوش تجاری (BI)از یک شاخص کلی استفاده میشود که از ترکیب این 4 مؤلفه به دست میآید، برای به دست آوردن بهترین ترکیب از این 4 مؤلفه از روش تحلیل عامل با مؤلفه های اصلی استفاده میشود. تحلیل عاملی به عنوان یک تکنیک کاهش دهنده داده هاست. براساس این روش میتوان تعداد زیادی از متغیرهای اندازه گیری شده همپوش را به مجموعه کوچکتری از عوامل کاهش داد.

بانکها، ازجمله نهادها و سازمانهایی هستند که با اساتفاده از این فناوری، میتوانند با جمع آوری و پالایش داده های حاصل از تراکنش های مالی روزانه، تحلیل و بازیابی اطلاعات، فرآیند تصمیم گیری برای مدیران را آسان و کارآمد سازند. به طوریکه حتی با استفاده از هوش تجاری می توانند با ایجاد درکی صحیحی از وضعیت فعلی بانک، چشم انداز آتی را ترسیم نموده و در ارائه دیدگاه بلندمدت و استراتژیک به مدیران بانک ها یاری رساند؛ زیرا هدف اولیه و اساسی بانک همانند سایر سازمانهای انتفاعی، حداکثر کردن ثروت صاحبان آن میباشد. در راستای افزایش ثروت صاحبان سهام، بانک میتواند تصمیماتی در خصوص نحوه تخصیص داراییها، سرمایه گذاریها و توزیع تسهیلات با سررسیدهای متفاوت داشته باشد. لذا این نهاد مالی میبایست همواره عملکرد مالی خود را بررسی و زمینه بهبود و ارتقا شاخص های آن را فراهم آورد. اتخاذ این تصمیمات نیاز به ارزیابی عملکرد مالی را با اهمیت تر ساخته تا از این طریق بانکها عملکرد خود را از لحاظ سودآوری، کفایت سرمایه، ساختار دارایی و نقدینگی نسبت به بانکهای رقیب مورد بررسی قرار داده تا بتوانند موقعیت خود را سنجیده و نسبت به بهبود و ارتقاء عملکرد خود اقدام نمایند.

هوش تجاری با ارائه اطلاعات میتواند بسیاری از جمله چالش های موجود در حوزه های مختلف بانک مانند اعتبارسنجی، عملکرد شعبات، بانکداری الکترونیکی، بخش بندی و حفظ مشتریان و … را پوشاش داده و این بخشها میتوانند حوزه های کاربردی بسیار خوبی برای طیف گسترده ای از تکنیک ها و مفاهیم هوش تجاری شامل داده کاوی، انباره های داده ای و نظامهای پشتیبانی تصمیمگیر باشند.

مهمترین این کاربردها عبارتند از مدیریت ارتباط با مشتری (CRM) مدیریت عملکرد (PM) مدیریت ریسک (RM) مدیریت دارایی و بدهی Asset Liability Management (ALM) ،تشخیص تقلب (FD)  و همخوانی با استانداردها ،مدیریت پورتفولیو و مبادلات اوراق بهادار، سیستم ضد پولشویی، انبار داده و پردازش تحلیلی آنالین (OLAP) از پایگاه های اطلاعاتی. بانکها با استفاده از فناوری هوش تجاری میتوانند با ارزیابی مدیریت ریسک، بررسی وضعیت اعتباری مشتری و همچنین سودآوری مشتری، میزان مطالبات معوق خود را کاهش دهند و با داشتن اطلاعات کامل و داده کاوی در خصوص مشتریان، توانایی کاهش ریسکهای اعتباری را خواهند داشت.

ارائه هوش تجاری کاربردی و موثر (Operational BI) در بانک‌ها باید بر پایه چهار اصل کلی استوار شود:

• جمع آوری داده به صورت اتوماتیک
• مقایسه عملکرد با اهداف
• نمایش اطلاعات به صورت داشبورد
• مدیریت هشدار زمانی درحالیکه عملکرد خارج از مسیر اهداف باشد

.

از جمله کاربردهای هوش تجاری و داده‌کاوی در صنعت بانکداری عبارتست از:

• بازاریابی

بازاریابی بانک در حقیقت تطبیق بین منابع بانک و نیازهاي مشتري جهت نیل به بهترین حالت سوددهی می باشد.

نقش هوشمندی تجاری در بازاریابی صنعت بانکداری:

هوش تجاری در بازاریابی صنعت بانکداری باعث ایجاد برتری رقابتی با استفاده از ابزارهای قدرتمند تحلیل رقبا و همچنین باعث ایجاد نظارت هوشمند بازار و شناسایی تغییرات آنی و فرآیند بالابردن سوددهی سازمان در بازار رقابتی می‌شود. هوش تجاری بر بازاریابی، کشف تقلب، تشخیص میزان ریسک در موارد مختلف، تعیین استراتژی های آینده بانک، سودآوری سازمان، خلاقیت نیروی انسانی، عملکرد کارکنان، داشبورد مدیریتی، رضایت‌مندی و وفاداری مشتریان، کشف تقلب بازاریابی، قابلیت پردازش داده‌ها را در کمترین زمان و با دقت بالا در بانک ها تأثیر دارد.

• مدیریت ریسک

مدیریت ریسک فرآیندي است که در آن ریسکهاي بانکی شناسایی، تعریف، اندازهگیري، نظارت و کنترل میشوند.

الزامات رگلاتوری برای بانک‌ها و مؤسسات مالی؛ همگام با تغییرات تکنولوژی، تغییرات دموگرافیک و تغییر انتظارات مشتریان، مسبب تعریف و تبیین قوانین جدید به ‌طور مستمر شده است.  تجربه ورشکستگی و برآورده نشدن انتظارات مشتریان توسط بانک‌ها و مؤسسات مالی در طول تاریخ صنعت بانکی در جهان منجر به کاهش اعتماد مشتریان و درنتیجه افزایش انتظارات در حوزه امنیت و مدیریت ریسک شده است؛ تا جایی که نبود تضمین امنیت داده، مالی، وعده‌های درآمدی و غیره منجر به ورشکستگی و سقوط بانک یا مؤسسات مالی می‌شود.

باوجوداینکه قانون‌گذار، بستری برای کاهش ریسک بانک‌ها و مؤسسات مالی و افزایش اعتماد مشتریان ایجاد کرده است، مدیریت ریسک و تضمین امنیت برای هر بانک و موسسه مالی نمی‌تواند فقط محدود به قوانین تعیین‌شده باشد. شناخت ریسک‌ها و خطرات منحصربه‌فرد هر موسسه و مقابله با آن جزء، از نیازهای اساسی و حیاتی مؤسسات و بانک‌هاست.

ابعاد مختلف آن ازجمله ریسک‌های نقدینگی، اعتباری، شهرت، بازار و … در صنعت بانکی، توسط متخصصان ریسک در حوزه مالی و بانکی قابل‌تشخیص است. تحلیل و مدیریت ریسک در هر سازمان مبتنی بر داده‌های صنعت است. داده‌های داخل و خارج از سازمان شامل اطلاعات سایر بازیگران صنعت، نرخ ارز، روندهای رفتاری مشتریان و … بر تحلیل ریسک تأثیر می‌گذارد.

باهدف حداقل کردن زمان و هزینه آماده‌سازی داده‌ها و تضمین کیفیت و صحت آن‌ها و تهیه شاخص‌های کلیدی تحلیل ریسک، استخراج دانش و تهیه گزارش‌های مبتنی بر استانداردها و چارچوب‌های مدیریت ریسک (BASELIII، CAMELS و …)، استفاده از ابزارهای هوش تجاری گریزناپذیر است.

در میان اقدامات واحد مدیریت ریسک در بانک‌ها و مؤسسات که شامل تهیه انباره ریسک، تعیین حدود برای هر ریسک، تدوین استراتژی مدیریت ریسک و پروسه‌های موردنیاز برای اجرایی کردن آن، ارزیابی داخلی ریسک، برنامه‌ریزی برای سرمایه و نقدینگی بانک، آزمون‌های بحران و گزارش دهی است، وظیفه هوش تجاری تنها به جمع‌آوری و یکپارچه‌سازی داده‌ها و به‌طور خاص در مدیریت ریسک، به تهیه انباره ریسک خلاصه نمی‌شود.

در یک پروژه مدیریت ریسک، متخصصان حوزه‌های داده، آمار، مالی و ریسک، نقش اصلی در تعیین شاخص‌ها، حدود ریسک و نحوه اندازه‌گیری آن‌ها دارند. متخصصان در قالب واحد مدیریت ریسک بانک با استفاده از قوانین داخلی و بین‌المللی حدود ریسک را برای بانک یا موسسه مالی خود بومی‌می‌کنند و استراتژی مدیریت ریسک را تدوین می‌کند.

ابزارهای هوش تجاری در کنار جمع‌آوری و افزایش سطح کیفی داده‌ها، ارزیابی انواع شاخص‌های ریسک در کوتاه‌ترین زمان و باکیفیت موردنیاز فراهم می‌کند. همچنین با استفاده از ابزارهای داده‌کاوی و هوش مصنوعی می‌توان به پیش‌بینی، تعریف سناریو و انجام آزمون‌های بحران پرداخت.

اقدامات فوق باید باهدف ایجاد بینش نسبت به وضعیت سازمان از منظر انواع ریسک در حوزه‌های مختلف سرمایه‌گذاری، نقدینگی، دارایی و بدهی، تسهیلات و … صورت گیرد. همچنین باعث بهبود و تسریع فرآیند تصمیم‌گیری در خصوص تخمین سرمایه موردنیاز و نقدینگی کافی برای مقابله با ریسک‌های موجود برای بانک یا موسسه مالی شود.

در راستای اجرایی کردن پروژه مدیریت ریسک مبتنی بر هوش تجاری در بانک، علاوه بر گزارش‌ها و داشبوردهای شاخص‌های کلیدی عملکرد، سامانه‌های متعددی با به‌کارگیری تکنیک‌های داده‌کاوی و هوش مصنوعی طراحی‌شده‌اند. ازجمله این سامانه‌ها می‌توان به سامانه مبارزه با پول‌شویی (AML: Anti Money Laundering)، سامانه ذی‌نفع واحد، سامانه کشف تقلب و سامانه مدیریت دارایی و بدهی (Asset Liability Management) اشاره کرد.

این سامانه‌ها علاوه بر توانمندسازی سازمان در مقابله، انتقال و کاهش ریسک، به بهبود عملکرد در حوزه سودآوری نیز کمک می‌کند. برای مثال سامانه «مدیریت دارایی و بدهی» درواقع مکانیزمی‌است برای رویارویی با ریسک‌های ناشی از ناهم‌خوانی دارایی و بدهی‌ها به علت تمرکز این سامانه بر سودآوری بادوام؛ و در کنار آن ارزیابی ریسک نرخ بهره و حاشیه سود خالص (Net Interest Margin) صورت می‌گیرد. امنیتی که از طریق این سامانه فراهم می‌شود فرصت‌های بهبود ارزش ویژه (Net Worth)  را پیش روی بانک قرار می‌دهد.

در حال حاضر بر اساس الزامات بانک مرکزی برخی از سامانه‌های مدیریت ریسک مانند سامانه مبارزه با پول‌شویی در بانک‌ها و مؤسسات مالی کشور پیاده‌سازی شده است؛ اما هنوز جای خالی داشبوردها و گزارش‌های شاخص‌های کلیدی مدیریت ریسک، سامانه‌های «کشف تقلب»، سامانه «مدیریت دارایی و بدهی» و سامانه‌های مبتنی بر هوش مصنوعی برای پیش‌بینی و اجرا کردن «آزمون‌های بحران» در بسیاری از بانک‌های داخلی احساس می‌شود.

• تشخیص تقلب (Fraud Detection)

تقلب عملی عمدي است که منجربه به افزایش ناعادلاتی و یا قانون شکنی میشود و تقلبهاي مالی به سوء استفاده از قوانین، نقض قوانین و مقررات مالی، و سوء رفتار اخلاقی در تجارت اشاره دارد که شامل گزارشگري مالی متقلبانه، سوء استفاده از داراییها، تهیه درآمد غیر قانونی یا داراییهاي غیرقانونی است. تشخیص تقلب در بانکها عبارت است تلاشهاي مستمر و مداوم بانکها که خود را در مقابل هر اقدامی که چه بصورت عمدي یا حذف و از قلم انداختن که به منظور فریب و اغفال دیگران صورت میگیرد محافظت نماید و با انجام اصول پیشگیرانه شرایطی را فراهم سازند تا بانک بتواند به نحو موثر، خطر وقوع تقلب را مدیریت کند.

سیستمهای شناسایی تقلب به عنوان ابزار مقابله و پیشگیری در برابر افراد سودجو و متقلب مورد استفاده قرار میگیرد. با پیشرفت بیشتر در زمینه استفاده از فناوری اطلاعات و شکل گیری  بانکداری الکترونیکی بستر مناسبتری برای انجام تقلب، کلاهبرداری و اختلاس در موسسات مالی و بانکها فراهم شده است. سیستم کشف تقلب؛ بازرسان، حسابرسان و مدیران بانکی را در جهت نظارت و تحلیل تراکنشهای مالی همراهی مینماید. با پیشرفت فناوری اطلاعات و شکل گیری بانکداری الکترونیکی بستر مناسبتری برای انجام تقلب، کلاهبرداری، اختلاس نفوذ و دسترسی غیر مجاز به اطلاعات در موسسات مالی و بانکها فراهم شده است.

این سیستم بعنوان یکی از دغدغه های صنعت بانکداری، با استفاده از تکنولوژیهای جدید، امکان بررسی داده های حجیم را برای شناسایی افراد متقلب و مشکوک در اختیار بانکها و موسسات مالی قرار میدهد و یادگیری مهمترین خصیصه آن محسوب  میشود. ماژولهای تشخیص تقلب این سیستم عبارتند از : ماژول کارت، حسابداری، مشتری، بانکداری خرد، تسهیلات، مدرن به همراه بسیاری امکانات اضافه مانند انواع بازرسی ها و افزودن قوانین جدید به سیستم.

• مدیریت پورتفولیو

اصطلاح مدیریت پورتفولیو مالی به معناي مجموعه سرمایه گذاري است. به عبارت دیگر، سرمایه گذاري در بیش از یک دارایی یا ورقه بهادار مجموعه سرمایه گذاري (Portfolio) نام دارد.

• مبادلات اوراق بهادار
• پروفایل مشتری و مدیریت ارتباط با مشتری

نرم افزارهاي کاربردي در هوش تجاري می باشد که جهت برقراري ارتباط و تعامل با مشتري در جهت ارائه خدمات بانکی و به منظور برآورده نمودن نیازهاي خاصی طراحی و پیاده سازي گردیده است.

• سیستم ضد پول شویی

پولشویی عملی غیرقانونی است که درآمد حاصل از خلاف شرع و یا قانون طی فرآیندي ساده و یا پیچیده قانونی می شود، یا به عبارتی پول کثیف ناشی از خلاف، تبدیل به پولهاي به اصطلاح تمیز می گردد و در بدنه اقتصاد به جریان میافتد.

• برپا سازی بازل بر اساس هوش تجاری

بازل، معیاري جهانی براي ارزیابی سلامت مالی بانک ها شده که هدف اصلی آن جلوگیري از کاهش سرمایه بانک ها و ایجاد زمینه فعالیت همسان براي بانک هاي بین المللی میباشد و به موجب آن تمام دارایی بانکها را بسته به میزان ریسک اعتباري وام گیرنده به چهار دسته با وزن ریسک از صفر تا 100 درصد طبقه بندي می کند.

• داشبوردهای مدیریتی بر اساس ۴ منظر کارت امتیاز

داشبوردهاي مدیریتی در سازمانها یک مفهوم جدید در مدیریت اطلاعات ارایه داده است و ابزار دیداري داده هاي حیاتی که مجموعه انبوهی از تحلیل هاي مربوط به فرآیند مدیریتی را در زمینه هاي مورد نیاز به افراد ارایه می دهد.

• متوازن و اصول مدیریت

براساس این سیستم، عملکرد سازمان هاي مالی با توجه به چهار محور مالی، مشتري، فرایندهاي داخلی و رشد و یادگیري کارکنان، مورد ارزیابی قرار گرفته است. از این رو در برنامه عملیاتی چالش ها و شاخص هاي هر محور شناسایی وتعیین چالش ها، شاخص ها وفرایند هدف گذاري بر اساس اصول مدیریت بر مبناي (Management by Objective) هدف قرار گرفته است.

عملیاتی کردن هوش تجاری و بهره‌گیری از کاربردهای آن مزایای رقابتی زیادی دربانک‌ها ایجاد می‌کند و بسترهای مناسبی را جهت سرمایه‌گذاری افزایشی در زمینه فناوری اطلاعات به‌وجود می‌آورد. مزایا و عوامل کاربردی هوش تجاری و داده‌کاوی در صنعت بانکداری و نیز تاثیر تکنولوژی‌های نوین بر این مقوله جایگاه بررسی و تامل فراوان دارد.

شرکت نرم افزاری سورا آیریا مهر (سآمکو)، فعال در ارائه راهکارهای مهندسی داده، با تکیه ‌بر تخصص فنی خود در حوزه مدیریت و تحلیل داده بخشی از این سامانه‌های مرتبط را به بانک‌ها و شرکت‌های پرداخت الکترونیک ارائه کرده است و آمادگی توسعه و ارائه راهکارهای کامل ‌تر با تکنولوژی‌های روز داده ‌کاوی و هوش مصنوعی را در راستای فراهم کردن بستر مدیریت ریسک در صنعت بانکی دارد.