Door Junta Nakai, RVP, Global Head of Financial Services and Sustainability bij Databricks
Van oudsher behaalde je concurrentievoordeel in de financiële dienstverlening door middel van schaalgrootte en kapitaal. Kortgezegd: hoe meer filialen en geld je hebt, hoe beter. Maar dit idee raakt steeds meer achterhaald nu we overgaan naar een digitale wereld. De juiste mensen gecombineerd met de juiste data bieden het grootste concurrentievoordeel, en deze combinatie ligt ten grondslag aan iedere succesvolle digitale transformatie. Data is het levensbloed van een organisatie: ongeveer 70% van alle financiële dienstverleners wereldwijd maakt reeds gebruik van data-intensieve machine learning (ML) om cash flow-ontwikkelingen te voorspellen of fraude op te sporen. Naarmate de hoeveelheid data in de financiële dienstverlening toeneemt, moeten organisaties voor hun mensen een gezonde datagedreven cultuur creëren om te overleven. Maar hoe?
Op weg naar een betere datagedreven cultuur
Er zijn veel overeenkomsten tussen een organisatie met een sterke datagedreven cultuur en een organisatie met een sterke bedrijfscultuur. AI en bedrijfscultuur zijn vergelijkbaar in de zin dat iedereen erover praat en de voordelen ervan inziet, maar dat niemand echt weet wat het inhoudt – tenzij ondersteund met duidelijke acties vanuit het leiderschap.
Een financiële instelling met een datagedreven cultuur is vergelijkbaar met een instelling met een sterke bedrijfscultuur. Hetzelfde geldt voor AI. Op lange termijn heeft dit aanzienlijke gevolgen voor ieder onderdeel van de bedrijfsvoering, van recruitment tot risicobeheer. Als je vandaag de dag wereldwijd naar financiële organisaties kijkt, blijken banken met een sterke bedrijfscultuur het beste in staat toptalent aan te trekken en nemen ze gemiddeld genomen betere beslissingen. Door een sterke bedrijfscultuur te combineren met een sterke datagedreven cultuur, kunnen organisaties zowel nieuwe manieren vinden om te innoveren met behulp van hun krachtigste assets (data), als de beste tech-talenten (mensen) werven en behouden. Zo zijn ze in staat te groeien.
Van “ondersteund door data” naar datagedreven
Eenvoudige, open en gemakkelijk toegankelijke data is uiteraard een belangrijke voorwaarde voor datagedreven werken. Maar een datagedreven cultuur binnen de organisatie verankeren die dategedreven werken ondersteunt is geen makkelijke opgave – zeker niet als je een grotere organisatie bent. Hoe ga je hiermee om?
1. Leer snel te falen van de ‘jonge honden’
Start-ups zijn doorgaans goed vertrouwd met het omgaan met risico’s en hebben meer intrinsieke motivatie om te experimenteren. De ruimte voor kortcyclische iteraties en verbeteringen stellen hen uiteindelijk in staat te innoveren. Grotere banken en financiële organisaties zijn daarentegen ontworpen op stabiliteit en zijn gewend risicovolle situaties te vermijden. Een ‘start-up-achtige’ datagestuurde cultuur binnen een gevestigde instelling lijkt tegenstrijdig met hoe financiële organisaties in het verleden zijn geleid, maar is noodzakelijk voor lange termijn succes.
Ter inspiratie kunnen gevestigde organisaties kijken naar challengers zoals bijvoorbeeld het Nederlandse Fraudio, een financiële dienstverlener die AI-gedreven oplossingen aanbiedt voor betalingen, fraudedetectie en bestrijding van witwassen. Zij verzamelen data uit de gehele organisatie op één centrale locatie, waardoor de AI-algoritmes efficiënter worden en medewerkers beschikken over een single source of truth.
2. Van inspiratie naar praktijk
Een goede eerste stap om geleerde lessen in de praktijk te brengen is consolidatie van data binnen een architectuur als een data lakehouse. Dit is momenteel de meest effectieve data-architectuur om data op te slaan, op te schonen en te analyseren. In tegenstelling tot een datawarehouse stelt een data lakehouse datateams in staat om in één systeem samen te werken aan de gehele data- en AI-workflow.
3. Zorg voor vangrails
Vervolgens moeten managers bepalen wie toegang moet hebben tot alle data. In veel situaties kan datatoegang worden beperkt tot een selecte groep, maar alsnog hebben verschillende gebruikers toegang nodig tot verschillende datasets. Het is belangrijk om dat op de juiste manier in te regelen, om datafragmentatie te voorkomen of onverhoopt data drift te veroorzaken (onverwachte of ongedocumenteerde veranderingen in de datastructuur). Ten slotte moeten ze de datastrategie afstemmen op de behoeften van de organisatie en de bijbehorende security-, compliance- en privacy-vereisten te volgen. Managers die werknemers actief aanmoedigen om een datagedreven cultuur te omarmen en hen de tools geven om dat in de praktijk te brengen, stimuleren collectieve innovatie.
4. Neem actief het voortouw om datagedreven te worden
Veranderingen die worden gesteund door het topmanagement hebben een grotere kans van slagen. De top van de organisatie moet prioriteit geven aan investeringen in en het gebruik van de krachtigste IT-instrumenten die beschikbaar zijn, zoals bijvoorbeeld cloud technologie, Data Analytics technologie en open source. Investeringen in dergelijke fundamentele bouwstenen stellen financiële ondernemingen in staat mensen en data op de meest productieve manier samen te brengen. Want in een datagedreven cultuur draait het niet om dat ene toptalent die een revolutie in een bedrijf bewerkstelligt. Het gaat erom nieuwe omgangsvormen met data binnen de gehele organisatie in te richten. De inzet van “champions”, medewerkers die verder gevorderd zijn in hun data- en AI-vaardigheden, door het leiderschap, kan innovatie versnellen. Het is bijvoorbeeld de moeite waard om de vacatures op de sites van innovatieve bedrijven in de sector zorgvuldig te bekijken, evenals het aantal en het type banen waarvoor ze werven. Welke inzichten kun je halen uit de vaardigheden, cultuur en andere aspecten die belangrijk zijn voor deze organisaties?
Hoe ziet een datagedreven financiële instelling eruit?
Datagebruik heeft al een revolutie teweeggebracht, bijvoorbeeld in de manier waarop banken fraude opsporen. De meeste financiële organisaties maken daarvoor gebruik van historische analyse op transactionele datasets om afwijkende patronen, en daarmee mogelijke fraude, op te sporen. Dat werkt, maar deze aanpak is rigide, gebaseerd op beperkte datasets én kijkt eigenlijk alleen maar naar het verleden. Fraudeurs innoveren voortdurend en vinden constant nieuwe mogelijkheden.
Financiële organisaties moeten net zo wendbaar zijn. In plaats van botte instrumenten als de huidige rigide fraudealgoritmen, zouden financiële organisaties moderne, realtime analyse van transactiegegevens kunnen combineren met bijvoorbeeld geospatiale data. Zo kunnen ze abnormale patronen identificeren door eerst te snappen hoe ‘normaal’ gedrag eruitziet. Echter, Als je honderdduizenden of miljoenen klanten hebt, is het analyseren van patronen en afwijkingen een uitdaging waarvoor data en AI broodnodig is. Een bijkomend voordeel van een toekomstbestendige data-architectuur is dat, naast opsporen van afwijkend gedrag, ook betere personalisering via AI mogelijk wordt. Organisaties kunnen dus, dankzij data en AI, een beter inzicht krijgen in het bestedingsgedrag van individuele klanten.
Een datagedreven organisatie met een focus op analyse en gedrag kan in ieder aspect van de bedrijfsvoering verbeteren – van fraudedetectie tot risicobeheer en MVO. Het resultaat? Betere resultaten!
