الرؤية الشاملة للعميل للخدمات المالية

فهم عملائك والتعرف على سلوكياتهم والتنبؤ باحتياجاتهم

تحتاج مؤسسات الخدمات المالية، وخاصة تلك الموجودة في مساحة المستهلكين، مثل بنوك البيع بالتجزئة، ومُصدري بطاقات الائتمان، وشركات إدارة الثروة الخاصة، وشركات التأمين، إلى الحصول على معلومات ذكية عن عملائها، والأسواق، والمنتجات، والمزيد لإدارة الحملات التسويقية الناجحة، والبيع العابر والارتقاء بالصفقات، ودعم العملاء بفعالية طوال العلاقة. تستخدم بعض الحالات—على سبيل المثال، تقديم توصيات المنتجات والتنبؤ باحتياجات العملاء والاستجابة لها عند حل مشكلة الرضا—والتي تتطلب ذكاءً في الوقت الفعلي. يتطلب آخرون جمع البيانات المناسبة لتعلم النماذج من أجل توليد رؤى يمكن استخدامها لتحسين التسويق والمبيعات والعمليات، وبشكل حاسم، تجربة العملاء.

في جميع حالات الاستخدام هذه، تُعد معرفة العملاء أمرًا حيويًا. تطور مفهوم الرؤية الشاملة للعميل بشكل كبير، وتطور من فهم أساس للتفاعلات العديدة التي يمتلكها العميل مع مؤسسة إلى فهم عميق ومفصل لكل عميل على أنه فرد يتمتع بسلوكيات ورغبات واحتياجات فريدة تمتد إلى ما هو أبعد من تفاعلات الخدمات المالية لديه. يتوقع عملاء اليوم أن يكون كل تفاعل سهلاً ومريحًا وبديهيًا—سواء كانوا يطلبون المغادرة أو تقديم مطالبة بالتأمين أو فتح حساب جارٍ—وهم يريدون تجربة متسقة ومتماسكة وسلسة سواء كانوا يتفاعلون عبر الإنترنت أو باستخدام تطبيق أو شخصيًا.

العملاء الذين يشعرون بالرضا الشديد أكثر عُرضة مرتين ونصف لفتح حسابات جديدة أو اعتماد منتجات جديدة مع بنكهم الحالي من أولئك الذين يشعرون بالرضا فحسب. في حين تواصل البنوك الاستثمار لتلبية توقعات عملائها المتزايدة، كافحت لمواكبة قطاعات البيع بالتجزئة الأخرى التي تحتفظ بها البنية التحتية لتكنولوجيا المعلومات القديمة ومستودعات البيانات—وتحديات جودة البيانات والتسلسل التي تسببها. حتى بالنسبة للمؤسسات تتباهى بتجربة عملاء أفضل من المتوسط، يكون عادةً تصنيف تجربتها على أنها ممتازة من نصف إلى ثلثي العملاء.

لتلبية توقعات عملائها، يجب على مؤسسات الخدمات المالية الاستمرار في مواجهة التحديات التي تسببها البيانات المنعزلة في البنية التحتية القديمة مع استخدام التعلم الآلي والذكاء الاصطناعي وبيانات العملاء شاملة في الوقت نفسه للتحول من التفاعل التفاعلي إلى التفاعل التنبؤي. بالنسبة للمؤسسات التي تحقق ذلك، يمكن أن تكون المكافآت كبيرة؛ ووفقًا لتحليل McKinsey، كان لدى بنوك البيع بالتجزئة الأمريكية التي احتلت المرتبة الأولى في تجربة العملاء نمو إيداع أعلى بشكل ملحوظ على مدار السنوات الثلاث الماضية مقارنة بأقرانها، بفضل قدرتها على جذب عملاء جدد وتعزيز العلاقات مع العملاء الحاليين.

اجعل معرفة عملائك ذات قيمة مستخدمًا التعلم الآلي

توضح البنية التالية كيف تم تصميم بنية بيانات Oracle لمساعدة مؤسسات الخدمات المالية على تطبيق التحليلات المتقدمة والتعلم الآلي والذكاء الاصطناعي على جميع البيانات المتاحة لتوفير الرؤى اللازمة لإنشاء تجارب عملاء مُخصصة وعالية الصلة في الوقت الحالي. يتيح لهذا التركيز على المشاركة الاستباقية، مما يساعدهم على تنفيذ كل نقطة اتصال عبر دورة حياة العميل بأكملها، بدءًا من التسوق وفتح الحساب إلى التأهيل، وتوسيع العلاقات، وتقديم الخدمات أو معالجة مطالبات التأمين.

توضح هذه الصورة كيف يمكن استخدام منصة بيانات Oracle للخدمات المالية لدعم عرض شامل لأنشطة العملاء. وتشمل المنصة الدعائم الخمس التالية:

1. 1. مصادر البيانات، الاكتشاف
2. 2. الاتصال والاستيعاب والتحويل
3. 3. الاحتفاظ، التوقع، الإنشاء
4. 4. التحليل والتعلم والتنبؤ
5. 5.Measure. الإجراء

يتضمن ركيزة مصادر البيانات والاكتشاف فئتين من البيانات.

1. 1. تشتمل سجلات الأعمال (بيانات الطرف الأول) على معاملات بطاقات الائتمان والودائع والسحب ومعلومات الحساب وبيانات إدارة علاقات العملاء وبيانات إدارة الحالات وتدفقات أحداث ماكينات الصراف الآلي وبيانات الموقع.
2. 2. تتضمن بيانات الطرف الثالث المواجز الاجتماعية.

تضم دعامة الاتصال والاستيعاب والتحويل أربع إمكانات.

1. 1. يستخدم النقل المجمع OCI FastConnect ونقل بيانات OCI وMFT وOCI CLI.
2. 2. يستخدم استيعاب الدفعة أدوات تكامل بيانات OCI وOracle Data Integrator وDB.
3. 3. يستخدم تسجيل بيانات التغيير OCI GoldenGate وOracle Data Integrator.
4. 4. يستخدم استيعاب التدفق OCI Streaming وKafka Connect.

تتصل جميع الإمكانات الأربع بشكل أحادي الاتجاه إلى إمكانات تخزين البيانات/بحيرة البيانات السحابية داخل الركيزة Persist وCrecision وCreate.

بالإضافة إلى ذلك، يرتبط استيعاب التدفق بمعالجة التدفق ضمن دعامة التحليل والتعلم والتنبؤ.

تتكون دعامة الاستمرار والدقة والإنشاء من أربع قدرات.

1. 1. يستخدم مخزن بيانات الخدمة الشامل للعميل Autonomous Data Warehouse وExadata Cloud Service.
2. 2. تخزين السحابة/بحيرة البيانات تستخدم OCI Object Storage.
3. 3. تستخدم المعالجة الدفعية تدفق بيانات OCI.
4. 4. تستخدم الحوكمة OCI Data Catalog.

هذه القدرات مرتبطة بالركيزة. تخزين السحابة/بحيرة البيانات متصلة بشكل غير مباشر بمخزن بيانات الخدمة؛ كما أنها متصلة بشكل ثنائي الاتجاه بمعالجة الدفعة.

تتصل إحدى الإمكانيات في ركيزة التحليل والتعلم والتنبؤ: يتصل مخزن بيانات الخدمة بشكل أحادي الاتجاه بالتحليلات والتمثيل المرئي وخدمات الذكاء الاصطناعي وإمكانات التعلم الآلي والتوجيه ثنائيًا إلى قدرة تحليلات البث.

تشتمل دعامة التحليل والتعلم والتنبؤ على أربع إمكانات.

1. 1. تستخدم التحليلات والتمثيل المرئي Oracle Analytics Cloud وGraphStudio وموردي البرامج المستقلين (ISV).
2. 2. تستخدم خدمات الذكاء الاصطناعي Oracle Digital Assistant وOCI Language وOCI Speech وOCI Vision.
3. 3. يستخدم التعلم الآلي OCI Data Science، وAuto ML، وOracle Machine Learning Notebooks.
4. 4. تستخدم تحليلات التدفق OCI GoldenGate Stream Analytics.

يشتمل القياس، ركيزة Act على ثلاثة مستهلكين: لوحات المعلومات والتقارير والتطبيقات ونماذج التعلم الآلي.

تشتمل لوحة المعلومات والتقارير على تصنيف العملاء وقيمة بقاء العميل (CLV)

تشتمل التطبيقات على توصيات مخصصة وتحليل خسارة العملاء

تشتمل نماذج التعلم الآلي على تحليل المشاعر وتحليل البيع الأفقي وزيادة المبيعات

الركائز الأساسية الثلاثة - الاستيعاب، والتحويل؛ والاستمرار، والدقة، والإنشاء، والتحليل، والتعلم، والتنبؤ - مدعومة بالبنية الأساسية، والشبكة، والأمان، وIAM.

توجد ثلاث طرق رئيسة لإدخال البيانات في بنية لتمكين مؤسسات الخدمات المالية من إنشاء رؤية شاملة لعملائها.

• لبدء عمليتنا، نحتاج إلى استيعاب معاملات عملائنا. تتضمن بيانات المعاملات الإيداع والسحب؛ يتم تنظيم هذه البيانات بشكل كبير وإتقانها في الأنظمة والتطبيقات البنكية الأساس أو التشغيلية. غالبًا ما تتكون مجموعات البيانات هذه من أحجام كبيرة من البيانات المحلية غالبًا، وفي معظم الحالات، يكون استيعاب الدفعة عقب معالجة المصادر أكثر كفاءة في العادة. يتم استيعاب هذه البيانات بشكل عام في جدول معين، مثل بالساعة بعد 30 دقيقة من الساعة أو اليوم في الساعة 00/14 (تكون الفترات الزمنية أطول من تلك الخاصة بالعمليات المُعقدة في بعض الأحيان).
• تتطلب غالبًا بيانات العميل الواردة من أنظمة علاقات العملاء والتجارب تحولاً أو تجميعًا بسيطًا أثناء الإدخال، ويمكن معالجتها من خلال عملية تغيير تسجيل البيانات فحسب لتسجيل التغييرات على مجموعات البيانات التي تم تحميلها بشكل مُجمع في البداية. يمكن الحصول على مزيد من البيانات من الأنظمة التشغيلية، ونقرات الويب، وموجزات الوسائط الاجتماعية، وموجزات بيانات عملاء الطرف الثالث.
• يتم استخدام استيعاب التدفق لاستيعاب البيانات المقروءة من إشارات في مواقع الفروع من خلال IoT والاتصالات من جهاز إلى جهاز وغيرها من الوسائل. كما يمكن استهلاك التصوير بالفيديو بهذه الطريقة. بالإضافة إلى ذلك، نعتزم في هذا المثال تحليل مشاعر المستهلك والاستجابة لها بسرعة من خلال تحليل رسائل الوسائط الاجتماعية، والاستجابات لمنشورات الطرف الأول، ورسائل الاتجاهات. يتم استيعاب رسائل/أحداث الوسائط الاجتماعية (التطبيق) مع خيار إجراء بعض التحويل/التجميع الأساس قبل تخزين البيانات فيتخزين السحابة أو مستودع البيانات. يمكن استخدام تحليلات التدفق الإضافية لتحديد ارتباط أحداث المستهلكين وسلوكهم، ويمكن تغذية الأنماط المحددة (يدويًا) لعلوم بيانات OCI لفحص البيانات الأولية.

يتم بناء استمرارية البيانات ومعالجتها على ثلاثة مكونات (أربعة مكونات اختياريًا).

• يتم تخزين البيانات الأولية المستوردة في تخزين السحابة. سوف نستخدم تدفق بيانات OCI من أجل معالجة الدفعة لهذه البيانات المستمرة الآن، مثل التغريدات (JSON) وبيانات الموقع وبيانات المستشعر من المنارات والتطبيقات وبيانات التخطيط الجغرافي والبيانات المرجعية للمنتج. يتم إرجاع مجموعات البيانات التي تمّت معالجتها هذه إلى التخزين السحابي للاستمرارية، والطول، والتحليل، وفي النهاية للتحميل في نموذج محسّن إلى مخزن بيانات الخدمة. بدلًا من ذلك، وفقًا للتفضيل الهيكلي، يمكن إنجاز ذلك باستخدام OCI Big Data Service كمجموعة ‏Hadoop ‏مُدارة.
• لقد أنشأنا الآن مجموعات بيانات معالجة جاهزة للاستمرار في نموذج العلاقات المحسّن لأداء الاستعلام والمدة في مخزن بيانات الخدمة. يمكننا ذلك من تحديد وإرجاع أهم العلامات التجارية للمنتجات والمستهلكين، التي يمكن إثراؤها بالموقع والمخزون وبيانات المنتج من أنظمة المؤسسة.

تعتمد القدرة على التحليل والتعلم والتنبؤ على تقنيتين.

• تقدم خدمات التحليلات والتمثيل المرئي تحليلات وصفية (تصف الاتجاهات الحالية مع المدرجات التكرارية والرسوم البيانية)، والتحليلات التنبؤية (تتوقع الأحداث المستقبلية، وتحدد الاتجاهات، وتحدد احتمالية النتائج غير المؤكدة)، والتحليلات التوجيهية (تقترح إجراءات مناسبة، تؤدي إلى اتخاذ القرارات على النحو الأمثل)، مما يمكّن مؤسسات الخدمات المالية من الإجابة على أسئلة مثل
  • هل يتوافق نشاط البيع الرأسي مع توقعات الحملة وتم تغيير نشاط مشاركة العملاء نتيجة لذلك؟
  • ما المنتجات التي تعزز معظم تفاعلات العملاء؟ كيف تتم مقارنتها بالمنتجات والخدمات الأفضل مبيعًا في قسم أو شعبة؟
  • هل نشهد "الدعاية المفرطة للقناة"، وإذا كان الأمر كذلك، فهل يتسبب ذلك في انفصال العملاء عن القناة؟
• إلى جانب استخدام التحليلات المتقدمة، يتم تطوير نماذج التعلم الآلي وتدريبها ونشرها. يمكن الوصول إلى هذه النماذج عبر واجهات برمجة التطبيقات، أو نشرها في مخزن بيانات الخدمة، أو تضمينها كجزء من مسار تحليلات تدفق OCI GoldenGate.
• يمكن أن تحتوي البيانات والنماذج المُعالجة والمختبرة وعالية الجودة لدينا على قواعد وسياسات الحوكمة المطبقة ويمكن عرضها كمنتج بيانات (واجهة برمجة التطبيقات) داخل بنية شبكة بيانات للتوزيع عبر مؤسسة الخدمات المالية.

تلبية توقعات العملاء باستخدام التحليل الذكي الآلي

من خلال الاستفادة من جميع البيانات المتاحة عبر دورة حياة كل عميل—بما في ذلك البيانات المُهيكلة، وشبه المهيكلة، وغير المهيكلة—وتطبيق تحليلات البيانات الكبيرة المُتقدمة، والتعلم الآلي، والذكاء الاصطناعي على سجل كامل لتفاعلات العملاء السابقة، يمكن لمؤسسات الخدمات المالية

• تصميم تجارب عملاء شخصية ومناسبة للغاية في الوقت المناسب.
• دمج بيانات الطرفين الثاني والثالث لتحسين تجربة العملاء واستخدام التحليلات للتنبؤ بسلوك العملاء (وتأثيره).
• استخدم الذكاء الاصطناعي للتوصية بأفضل الإجراءات التالية، مع تقديم تفاعلات عملاء أكثر اتساقًا وتحسين نتائج العملاء.
• يمكنك تطوير الأنشطة الاستشارية وأنشطة المبيعات من كونها تفاعلية إلى الاستباقية من خلال الاستفادة من المستشارين الواردين لتوفير أدوات الخدمة الذاتية ومساعدة الموظفين على خدمة العملاء بشكل أفضل.
• فهم تاريخ كل عميل، وتوقع احتياجاته، وضمان تجاوز تجربته، في كل مرحلة من مراحل دورة حياة العميل، لتوقعاته.