Datele sunt noua monedă a băncilor. Cum transformă analytics și GenAI industria financiară

Datele nu mai sunt doar un suport pentru deciziile bancare – devin un motor al transformării digitale. De la automatizarea contact center-elor și personalizarea serviciilor, până la anticiparea nevoilor clienților și susținerea inițiativelor de sustenabilitate, domeniul Analytics redefinește modul în care băncile operează și interacționează cu clienții. Într-un peisaj dominat de tehnologii emergente precum inteligența artificială generativă, provocările legate de volum, relevanță și etică devin tot mai complexe. Despre cum arată această revoluție din interior și ce înseamnă să construiești soluții scalabile cu impact global vorbește Andreea Mihăilescu, IT area lead pentru domeniul Analytics în cadrul ING Hubs România.

Care este rolul datelor într-un grup bancar și cum ajută colectarea și analiza lor la eficientizarea banking-ului?

Cred că de foarte multă vreme se vorbește despre rolul esențial al datelor în organizații și, mai ales, în instituții financiare. În realitate, datele sunt coloana vertebrală a unei companii. Ele susțin tot ceea ce înseamnă decizii de business, dezvoltare de produs, eficientizarea proceselor, îmbunătățirea experienței clientului și, nu în ultimul rând, joacă un rol critic în zona de risc și conformitate.

Ce e diferit acum este faptul că datele, combinate cu tehnologiile emergente, cum ar fi inteligența artificială generativă, duc tot acest ecosistem la un nivel nou de eficiență și relevanță pentru client. Ne permit să automatizăm, să personalizăm și să oferim răspunsuri rapide și precise, adaptate în timp real.

GenAI ne aduce, concret, proiecte care contribuie la hiperpersonalizare și la crearea unor experiențe mai intuitive, cum e cazul contact center-elor automatizate prin chatbots. Pentru client, eficiența înseamnă simplitate. Înseamnă să nu mai fie nevoit să treacă prin mai multe etape inutile atunci când vrea să își deschidă un cont sau să aplice pentru un credit. Îi oferim trasee directe, rapide, fără fricțiuni, în timp ce menținem standardele bancare și de siguranță.

În plus, datele ne ajută să anticipăm nevoi care nu sunt încă exprimate direct. Un exemplu relevant este zona de sustenabilitate: mulți clienți își doresc să fie mai „verzi”, dar nu știu exact cum. Noi putem analiza comportamentul financiar și, pe baza acestuia, să oferim recomandări personalizate sau produse care să-i sprijine în acest demers.

Cum contribuie divizia de Analytics la dezvoltarea platformelor pentru grupul bancar?

Contribuția majoră vine din înțelegerea profundă a domeniilor în care construim produse de analytics și a problemelor de business reale pe care încercăm să le rezolvăm. Fără această înțelegere, modelele sau analizele generate nu ar avea aplicabilitate reală.

Echipele mele lucrează într-un context global, pe proiecte extrem de variate: de la financial crime la chatbot-uri conversaționale sau inițiative legate de sustenabilitate. Ce au în comun aceste proiecte este faptul că sunt scalabile și au un impact global. Ne uităm la produse care nu doar că funcționează local, ci pot fi replicate și adaptate în diferite piețe în care grupul ING e prezent.

Ce tehnologii și instrumente sunt utilizate în mod frecvent de echipa dvs. pentru a analiza datele? Puteți da câteva exemple de proiecte de impact?

Lucrăm cu o gamă largă de instrumente, începând cu tool-uri clasice de analiză și vizualizare, cum sunt Power BI sau Cognos, mergând până la algoritmi tradiționali de machine learning și, mai recent, la soluții bazate pe inteligență artificială generativă.

Ce ne diferențiază este faptul că rulăm proiecte de amploare globală, cu un volum uriaș de date, folosind tehnologii care ne permit să construim modele robuste, aplicabile și eficiente. Dincolo de tool-uri, diferențiatorul vine din profilul echipei: oameni care combină abilități solide de analytics cu background tehnic. Am crescut aceste profile intern, pentru că sunt greu de găsit pe piață, iar în multe cazuri a fost nevoie de reconversii sau de dezvoltare accelerată.

Care sunt cele mai mari provocări pe care le întâmpinați în analiza datelor bancare?

Aș menționa două provocări majore, din două sfere diferite.

Prima ține de recrutare. Profilurile pe care le căutăm, un hibrid între tech și analytics, sunt destul de rare în România. În Vest sunt mai des întâlnite, dar la noi, industria abia începe să dezvolte specialiști care să răspundă acestui mix de cerințe. În plus, pozițiile din middle management presupun și un set solid de soft skills, respectiv people management, comunicare, ownership. Nu e suficient să fii foarte tehnic, trebuie să știi să conduci echipe, să navighezi contexte complexe.

A doua provocare este legată de volumul mare de date, care poate genera mult „noise”. Astfel, ”filtrarea” datelor relevante e o provocare constantă.

Analytics-ul, ca domeniu, e încă în formare în România; multe companii lucrează cu sisteme și platforme care nu sunt aliniate la cele mai recente standarde internaționale, ceea ce face tranziția către practici avansate destul de dificilă.

Ce competențe tehnice și soft skills sunt esențiale pentru candidații care doresc să lucreze în domeniul analizei de date?

Din punct de vedere tehnic, totul depinde de rol. Poate fi Python, SQL, Cloud (în special GCP), algoritmi de machine learning, până la cunoștințe în zona de LLM. Dar ceea ce contează cu adevărat este înțelegerea conceptelor. Analytics nu e despre un tool anume, ci despre cum gândești problema, cum construiești o ipoteză, cum validezi un model.

Mulți dintre seniorii din industrie sunt autodidacți, pentru că nu au avut în facultate acces la astfel de tehnologii. Acum însă vine un val nou, cu generații educate de industrie, mai pregătite, mai conectate la nevoile reale. Noi deja vedem această tranziție.

Din perspectiva soft skills, curiozitatea e fundamentală. Apoi vin autonomia, proactivitatea, capacitatea de a învăța repede. Mediul e foarte dinamic, tehnologiile se schimbă de la un an la altul, așa că trebuie să fii genul de om care „preia inițiativa și o duce la capăt”. Lucrăm Agile, în echipe auto-organizate, unde înțelegerea contextului e esențială, trebuie să pui întrebările potrivite, să înțelegi problema, nu doar să livrezi un task.

Un exemplu: am avut colegi care au pornit de analiza de date clasică și au reușit să construiască chatbots și să lucreze cu GenAI. S-au reinventat, au învățat singuri, și-au schimbat complet rolul. Adaptabilitatea a fost cheia.

Ce tehnologii și proiecte sunt atractive? Cum încurajați inovația în această divizie?

Cele mai atractive sunt proiectele care au un impact clar și folosesc tehnologii de vârf: GenAI, chatbots, zona de Customer Due Diligence. GenAI, de exemplu, permite clienților să primească informațiile necesare mult mai rapid, reduce numărul de interacțiuni cu contact center-ul și optimizează timpul de răspuns. În zona de CDD, aceleași tehnologii le permit analiștilor să petreacă mai puțin timp căutând date și mai mult timp analizând în profunzime profilul clienților.

Când vezi impactul imediat al muncii tale și folosești tehnologii noi care te provoacă constant, e imposibil să nu fii motivat.

Încurajăm inovația prin sesiuni interne dedicate, în care echipele pot explora idei și direcții noi. În plus, ne încurajăm oamenii să aloce timp studiului individual pentru dezvoltare personală, aprofundare sau chiar experimentare cu tool-uri și concepte emergente. E o cultură în care învățarea continuă nu e un „nice to have”, ci o condiție esențială.

Cum vedeți evoluția domeniului de analytics în următorii ani și cum anticipați că se va schimba impactul asupra industriei bancare?

Analytics deja generează transformări profunde în industria bancară, iar ritmul schimbării va continua să accelereze. Vedem deja adoptarea GenAI în multe zone: de la optimizarea experienței clienților până la eficientizarea proceselor interne. Dar apar și noi provocări și responsabilități: explicabilitatea modelelor, etica în utilizarea algoritmilor, reglementările legate de deciziile automatizate.

Model ethics devine o componentă critică, trebuie să te asiguri că un algoritm nu discriminează, că poate explica de ce un client are o anumită rată sau de ce este încadrat într-un anumit nivel de risc. Regulamentele vor deveni tot mai stricte, iar analytics va fi un pilon în respectarea lor.

Pe lângă acestea, vedem o extindere spre sustenabilitate, spre hiperpersonalizare, spre produse bancare create „la comandă”, în funcție de stilul de viață al fiecărui client. Iar lista nu se oprește aici, este un domeniu în plină expansiune, în care rolul uman, combinat cu tehnologia potrivită, poate redefini complet modul în care înțelegem banking-ul.

Pagini de [cod] – Articol susținut de ING Hubs