بانکها، مؤسسات مالی و شبکه پرداخت هر روز میلیونها تراکنش را ثبت میکنند و همین اطلاعات میتواند تصویری دقیق از جریان پول، رفتار مشتریان، الگوهای مصرف، فعالیتهای غیرعادی و مسیر جابهجایی منابع در اقتصاد ارائه دهد.
به گزارش اقتصاد پویا، با این حال، برخورداری از حجم عظیم داده بهتنهایی به معنای برخورداری از «اطلاعات قابل استفاده» نیست. زمانی که دادهها پراکنده، ناهمگون، قدیمی یا با تأخیر در دسترس باشند، حتی پیشرفتهترین ابزارهای تحلیلی نیز نمیتوانند تصویری کامل از آنچه در شبکه مالی رخ میدهد ارائه کنند.
در نظام بانکی ایران، یکی از چالشهای مهم در این زمینه، تفاوت میان دسترسی به دادههای شبکه پرداخت و دسترسی به اطلاعات مربوط به تراکنشهای درونبانکی و بینبانکی است. در حوزه پرداخت، امکان دسترسی برخط به بخش قابل توجهی از تراکنشها وجود دارد، اما در حوزههای دیگر، دادهها الزاماً با همان سرعت و ساختار در اختیار نهادهای نظارتی قرار نمیگیرند.
این فاصله میان «وقوع تراکنش» و «قابل تحلیل شدن اطلاعات آن» میتواند در حوزههایی مانند مقابله با تقلب، پولشویی و شناسایی رفتارهای غیرعادی اهمیت زیادی داشته باشد.مسئله فقط سرعت نیست. ساختار فنی شبکه بانکی نیز در این میان نقش تعیینکنندهای دارد. بخشی از هستههای بانکی مورد استفاده در کشور قدمتی طولانی دارند و در برخی موارد، چند دهه از طراحی یا استقرار آنها گذشته است.
طبیعی است که سامانهای که بر مبنای نیازهای چند دهه قبل طراحی شده، الزاماً برای اقتصاد امروز که با میلیونها تراکنش دیجیتال، ابزارهای پرداخت جدید، بانکداری برخط و الگوهای پیچیده انتقال پول مواجه است، آماده پاسخگویی به همه نیازهای جدید نباشد.از سوی دیگر، نبود استاندارد یکسان در قالب و فرمت دادهها، مسئله را پیچیدهتر میکند.
وقتی اطلاعات بانکهای مختلف با ساختارهای متفاوت ذخیره شود، تجمیع و مقایسه دادهها دشوار خواهد شد. در چنین شرایطی، بخشی از انرژی کارشناسان و سامانههای تحلیلی به جای کشف رفتار مشکوک، صرف پاکسازی، تبدیل و هماهنگسازی دادهها میشود.
پولشویی پشت دیوار دادههای پراکنده
مبارزه با پولشویی و تقلب در نظام مالی، تا حد زیادی به توانایی شناسایی الگوهای غیرعادی وابسته است. یک تراکنش منفرد ممکن است کاملاً عادی به نظر برسد، اما مجموعهای از تراکنشها در بازه زمانی مشخص میتواند الگوی متفاوتی را نشان دهد. به همین دلیل، تحلیل رفتار مالی بدون دسترسی به دادههای کامل، دقیق و بهموقع، دشوار خواهد بود.
فرض کنید منابع مالی در چند حساب، چند بانک و چند مسیر مختلف جابهجا شوند. اگر دادههای این مسیرها در یک ساختار یکپارچه قابل مشاهده نباشد، تحلیلگر ممکن است تنها بخشی از زنجیره انتقال پول را ببیند. در این حالت، تراکنشی که بهتنهایی عادی به نظر میرسد، ممکن است بخشی از یک الگوی بزرگتر باشد که از دید سامانه نظارتی پنهان میماند.
اینجاست که مفهوم «حاکمیت داده» اهمیت پیدا میکند. حاکمیت داده صرفاً به معنای جمعآوری اطلاعات نیست؛ بلکه شامل تعیین استاندارد، کیفیت، مالکیت، سطح دسترسی، امنیت، قابلیت ردیابی و نحوه استفاده از دادههاست. اگر دادهای ناقص یا ناسازگار باشد، ارزش تحلیلی آن کاهش مییابد. اگر دادهای با تأخیر برسد، ممکن است فرصت واکنش از بین برود.
اگر ساختار داده در بانکهای مختلف متفاوت باشد، ترکیب آنها به فرآیندی پیچیده و پرهزینه تبدیل میشود.در این میان، اصطلاح «داده کثیف» معنای مهمی پیدا میکند. داده کثیف لزوماً به معنای داده غلط نیست؛ ممکن است داده صحیح باشد اما قالب نامناسب، تکرار، نقص، مغایرت، نبود شناسه مشترک یا فقدان برخی اطلاعات تکمیلی، استفاده از آن را دشوار کند.
در نظامی که هدف آن شناسایی سریع تقلب و پولشویی است، همین نقصهای کوچک میتوانند در کنار یکدیگر به یک مشکل بزرگ تبدیل شوند.هوش مصنوعی و ابزارهای تحلیل پیشرفته نیز در چنین شرایطی راهحل جادویی نیستند.
یک الگوریتم قدرتمند برای عملکرد مناسب به داده باکیفیت نیاز دارد. اگر ورودی ناقص باشد، خروجی نیز ممکن است ناقص یا گمراهکننده شود. بنابراین قبل از آنکه صحبت از استفاده گستردهتر از هوش مصنوعی برای کشف تقلب و پولشویی باشد، باید مسئله زیرساخت داده حل شود.
نوسازی هسته بانکی؛ از هزینه به سرمایهگذاری
قدیمی بودن زیرساختهای بانکی فقط یک مسئله فنی نیست؛ این موضوع میتواند به یک مسئله اقتصادی و حتی نظارتی تبدیل شود. بانکداری مدرن نیازمند سامانههایی است که بتوانند حجم بالای تراکنشها را با سرعت، دقت و امنیت پردازش کنندو اطلاعات مورد نیاز را در اختیار بخشهای مختلف بانک و نهادهای نظارتی قرار دهند.
در چنین شرایطی، نوسازی هستههای بانکی باید بهعنوان یک سرمایهگذاری بلندمدت دیده شود، نه صرفاً یک پروژه فناوری اطلاعات. بانک مدرن بدون زیرساخت داده مدرن نمیتواند خدمات رقابتی ارائه کند و نهاد ناظر نیز بدون دسترسی مناسب به داده نمیتواند تصویری کامل از ریسکهای شبکه مالی داشته باشد.البته نوسازی هسته بانکی پروژهای ساده نیست.
تغییر زیرساختهای اصلی یک بانک میتواند بر میلیونها حساب، قرارداد، تراکنش و خدمت اثر بگذارد و کوچکترین خطا در این فرآیند هزینههای سنگینی ایجاد کند. بنابراین این مسیر نیازمند برنامهریزی مرحلهای، استانداردهای مشخص، آزمونهای متعدد و سازوکارهای پشتیبان است.
در کنار نوسازی، استانداردسازی داده نیز اهمیت اساسی دارد. اگر قرار است دادههای بانکی در سطح شبکه مالی برای مقاصد نظارتی و تحلیلی مورد استفاده قرار گیرد، باید زبان مشترکی برای تعریف و انتقال اطلاعات وجود داشته باشد. شناسههای مشترک، قالبهای استاندارد، زمانبندی مشخص برای انتقال اطلاعات و قواعد یکسان برای ثبت داده میتواند بخشی از مشکل موجود را کاهش دهد.
موضوع مهم دیگر، ایجاد تعادل میان دسترسی و امنیت است. افزایش دسترسی به دادهها نباید به معنای دسترسی بدون ضابطه باشد. اطلاعات بانکی از حساسترین دادههای اقتصادی و شخصی محسوب میشوند و هرگونه توسعه دسترسی باید همراه با کنترلهای امنیتی، ثبت سوابق دسترسی، سطحبندی مجوزها و حفاظت از حریم خصوصی باشد.
مقابله با تقلب و پولشویی را نمیتوان صرفاً به افزایش تعداد سامانههای نظارتی یا توسعه الگوریتمهای هوشمند محدود کرد. اگر زیرساخت داده همچنان پراکنده باشد، هستههای بانکی قدیمی باقی بمانند و استاندارد مشترکی برای داده وجود نداشته باشد، فناوریهای جدید نیز با سقف عملکردی مواجه خواهند شد.
اقتصاد دیجیتال، اقتصاد داده است و شبکه بانکی یکی از بزرگترین تولیدکنندگان داده اقتصادی کشور به شمار میرود. این داده زمانی ارزش واقعی پیدا میکند که بهموقع، دقیق، استاندارد، قابل اتصال و قابل تحلیل باشد. بنابراین اصلاح زیرساخت بانکی را باید از لایهای عمیقتر آغاز کرد؛ از معماری داده و حاکمیت آن.
اگر هدف، کاهش تقلب، مقابله مؤثرتر با پولشویی، افزایش شفافیت و تقویت نظارت مالی است، نخست باید مطمئن شد که نهاد ناظر تصویر کاملی از آنچه در شبکه مالی رخ میدهد در اختیار دارد. در غیر این صورت، ممکن است سامانههای نظارتی هر روز پیشرفتهتر شوند، اما بخشی از واقعیت اقتصادی همچنان در میان دادههای پراکنده و قدیمی پنهان بماند.