حمید توسلی، عضو هیأت مدیره بانک قرضالحسنه مهر ایران، درنشست تخصصی“کلان داده ها لازمه بهره گیری از AI و خلق ثروت”با عنوان”راهی بزن که آهی بر ساز آن توان زد”، گفت: تحول دیجیتال بهسرعت در حال تغییر شکل کسبوکارها و فرآیندهای اقتصادی است. امروزه، رابطه میان فناوری اطلاعات و کسبوکارها بیش از هر زمان دیگری تقویت شده است. تحول دیجیتال به سازمانها امکان میدهد تا کلاندادهها را بهعنوان یکی از اصلیترین داراییهای خود در نظر بگیرند و از آن برای بهینهسازی فرآیندها، تصمیمگیریهای دقیقتر و افزایش سودآوری استفاده کنند.
دادهها و اطلاعات امروزه بهعنوان “طلای دیجیتال” شناخته میشوند. هر کسبوکاری که بتواند از دادههای خود بهدرستی استفاده کند، مزیت رقابتی قابلتوجهی نسبت به رقبا خواهد داشت.
بیشتر بخوانید: تحول دیجیتال و تغییر قوانین کسبوکار
روند رشد دادهها و اهمیت کلانداده (Big Data)
توسلی با تأکید بر اینکه با توسعه فناوریهای دیجیتال، روند تولید و پردازش دادهها دچار تحول اساسی شده است، گفت که این تحول را میتوان در سه نسل وب ۱.۰ (دهه ۹۰ میلادی): کاربران تنها مصرفکننده اطلاعات بودند، وب ۲.۰ (اوایل دهه ۲۰۰۰): ارتباط دوطرفه شکل گرفت و کاربران به تولید محتوا پرداختند و وب ۳.۰ (امروز): دادهها بهصورت هوشمند و خودکار پردازش میشوند و بسیاری از تعاملات انسانی جای خود را به هوش مصنوعی و یادگیری ماشین دادهاند، مشاهده کرد.
وی با اشاره به ویژگیهای کلانداده، بیان کرد:
- حجم زیاد (Volume): روزانه پتابایتها داده تولید میشود.
- سرعت بالا (Velocity): دادهها با سرعت بیسابقهای پردازش میشوند.
- تنوع گسترده (Variety): شامل دادههای متنی، صوتی، تصویری و تراکنشی است.
- کیفیت داده (Veracity): اگر دادهها بهدرستی پاکسازی و تحلیل نشوند، ارزشی ندارند.
وی تأکید کرد که سازمانها باید بتوانند این دادههای کلان را به “دانش” و سپس به “ارزش اقتصادی” تبدیل کنند.
مدلهای رایج مدیریت داده در سازمانها
عضو هیأت مدیره بانک قرضالحسنه مهر ایران ادامه داد: «سازمانها در پنج سطح بلوغ دادهای زیر قرار دارند:
۱.سطح ابتدایی: دادهها پراکنده و بدون استراتژی مدیریت میشوند.
۲.سطح سازمانی: جمعآوری دادهها آغاز شده، اما استفاده از آنها یکپارچه نیست.
۳.سطح توسعهیافته: دادهها در تصمیمگیریها استفاده میشوند، اما تحلیلها سنتی است.
۴.سطح پیشرفته: هوش مصنوعی و یادگیری ماشین برای تحلیل دادهها به کار میروند.
۵.سطح هوشمند: تصمیمگیریها بهصورت بلادرنگ و خودکار انجام میشود.
توسلی در مورد ساختار مدیریت داده گفت که این ساختار در چند لایه زیر قرار دارند:
- لایه دریافت داده: جمعآوری از منابع مختلف مانند شبکههای اجتماعی و تراکنشهای بانکی.
- لایه ذخیرهسازی: استفاده از دیتابیسها و فضای ابری.
- لایه پردازش و تحلیل: کشف الگوها و بینشهای کاربردی.
- لایه ارائه و تصمیمگیری: استفاده از دادههای پردازششده برای تصمیمگیری هوشمند.
وی افزود: هوش مصنوعی و یادگیری ماشین، سرعت و دقت تحلیل دادهها را بهطور چشمگیری افزایش دادهاند.
بیشتر بخوانید: تفاوت تحول دیجیتال و اقتصاد دیجیتال: دو مفهوم کلیدی در عصر فناوری
چالشهای حکمرانی داده (Data Governance)
توسلی با اشاره به اهمیت حکمرانی داده، گفت: امروزه سازمانها حجم عظیمی از داده را در اختیار دارند، اما بدون مدیریت صحیح، این دادهها نهتنها مفید نیستند، بلکه میتوانند منجر به ریسکهای امنیتی و عملیاتی شوند.
وی مهمترین چالشها را اینگونه برشمرد:
- عدم یکپارچگی دادهها: اطلاعات در سیستمهای مختلف پراکنده است.
- مشکلات امنیتی: افزایش تهدیدات سایبری و سرقت دادهها.
- نبود استراتژی کلان: بسیاری از سازمانها صرفاً داده جمعآوری میکنند، بدون آنکه از آنها استفاده استراتژیک کنند.
کاربرد هوش مصنوعی و دادهمحوری در بانکداری
توسلی به کاربردهای هوش مصنوعی در صنعت بانکداری پرداخت که شامل نکات زیر است:
۱.امنیت و پیشگیری از تقلب: شناسایی تراکنشهای مشکوک با تحلیل الگوهای رفتاری.
۲.بازاریابی هوشمند: شخصیسازی خدمات مالی براساس سوابق مشتریان.
۳.بهینهسازی عملیات بانکی: استفاده از چتباتهای هوشمند برای پاسخگویی به مشتریان.
۴.کاهش هزینهها: جایگزینی فرآیندهای دستی با اتوماسیون هوشمند.
عضو هیأت مدیره بانک قرضالحسنه مهر ایران نتیجهگیری کرد که بانکهایی که بتوانند از هوش مصنوعی و کلانداده بهصورت مؤثر استفاده کنند، در آینده جایگاه رقابتی مستحکمتری خواهند داشت.
منبع: فابا
بیشتر بخوانید: مدیران ارشد فناوری (CIO) چگونه هوش مصنوعی مولد در سازمانها را هدایت میکنند
- نقشآفرینی کلاندادهها در تحول دیجیتال
