หมวดหมู่: Articles

เมื่อวันศุกร์ที่ผ่านมาผมมีโอกาสได้ไปบรรยายในงานครบรอบ 10 ปีสถาบันคุ้มครองเงินฝากในหัวข้อเรื่อง Digital Disruptive Technology in Financial Services โดยได้ชี้เห็นว่าเทคโนโลยีที่กำลังเข้ามามีผลกระทบกับอุตสาหกรรมการเงินอย่างมากที่สุดอย่างหนึ่งก็คือ Big data analytics  สิ่งที่น่าสนใจก็คือว่า การที่เรานำเงินไปฝากไว้กับสถาบันการเงิน ไม่เพียงแต่จะมีเงินที่เข้ามาฝากไว้ที่สถาบันการเงิน แต่ยังมีข้อมูลต่างๆอีกเป็นจำนวนมาก อาทิเช่น ข้อมูลรายละเอียดส่วนบุคคล (ชื่อ,  ที่อยู่, อายุ, สถานที่ทำงาน), ข้อมูลด้านการเงิน (เงินฝาก, เงินกู้, รายได้, รายจ่าย) หรือข้อมูลธุรกรรมการเงินต่างๆอีกมากมาย ก็เลยอยากตั้งคำถามว่า ข้อมูลเหล่านี้เป็นของใคร ของลูกค้าหรือของสถาบันการเงิน

บางท่านอาจเข้าใจว่าเป็นของสถาบันการเงิน ผมอยากให้ลองคิดถึงข้อมูลทางการแพทย์โดยเฉพาะข้อมูลการรักษาพยาบาลของเรา ข้อมูลเหล่านั้นเป็นของโรงพยาบาล,ของเราหรือของรัฐบาล ผมคิดว่าหลายๆคนคงตอบว่า เป็นข้อมูลส่วนบุคคลของเรา เราคงไม่ยินยอมถ้าทางโรงพยาบาลหรือแพทย์จะเอาข้อมูลเหล่านั้นไปทำ Big Data Analytics มาทำการวิเคราะห์หรือคาดการณ์อะไรต่างๆกับตัวเราโดยที่เราไม่ทราบล่วงหน้า หากโรงพยาบาลอยู่ๆจะนำประวัติการรักษาของเรามาวิเคราะห์และมาคาดการณ์ว่าเราจะเป็นโรคนั้นโรคนี้โดยที่เราไม่ได้อนุญาตล่วงหน้าเราคงไม่ยินดี และถือว่าเป็นการละเมิดสิทธิส่วนบุคคลอย่างมาก ดังนั้นการวิเคราะห์ข้อมูลในวงการแพทย์จะต้องไม่สามารถที่จะสืบกลับมาได้ว่าเป็นข้อมูลของใคร และถ้าเป็นการคาดการณ์เรื่องของโรคร้ายต่างๆก็น่าจะเป็นการวิเคราะห์ภาพรวม ยกเว้นเสียแต่ว่าคนไข้จะยินยอมให้ใช้ข้อมูลส่วนบุคคลไปวิเคราะห์หรือทำ  Predictive analytics กับคนไข้เฉพาะราย

เช่นกันโดยหลักการข้อมูลที่อยู่สถาบันการเงินก็น่าจะเป็นข้อมูลของลูกค้า โดยหลักการสถาบันการเงินก็ไม่น่าที่จะมีสิทธิเอาข้อมูลลูกค้ามาวิเคราะห์เป็นรายบุคคลโดยไม่ขออนุญาตว่าจะทำการวิเคราะห์อะไร ไม่ควรที่จะมาวิเคราะห์ว่า

• ลูกค้ามีรายได้เท่าไร มีเงินเพียงพอหรือไม่
• ลูกค้าต้องการจะกู้ยืมหรือไม่
• ลูกค้ามีรายจ่ายอย่างไร ซื้อบ้านกี่หลัง ผ่อนรถกี่คน
• ลูกค้าไปใช้จ่ายเงินอย่างไร ประเภทใด ร้านค้าใด
• ลูกค้าชำระค่าน้ำ ค่าไฟ ค่าโทรศัพท์เดือนเท่าไร
• ลูกค้าเดินทางไปต่างประเทศบ่อยไหม

ข้อมูลเหล่านี้เป็นข้อมูลส่วนบุคคล ถ้าลูกค้าไม่ได้ร้องขอสินเชื่อให้ทำการวิเคราะห์ สถาบันการเงินก็ไม่สมควรที่จะนำไปทำการวิเคราะห์โดยไม่ได้รับความยินยอมจากลูกค้า หรืออยู่ดีๆจะมาแนะนำว่าผลการวิเคราะห์ลูกค้าใช้จ่ายอย่างไร จะต้องการกู้ยืมเงินไหมเพราะคิดว่าเรามีรายได้ไม่พอใช้

บางท่านอาจแย้งว่าลูกค้าได้เคย  consent อนุญาตให้ใช้ข้อมูลตั้งแต่เปิดบัญชีแล้ว จริงๆแล้วการ  consent น่าจะเป็นการใช้ข้อมูลโดยทั่วไป และไม่เคยมีการบอกมาชัดเจนว่าจะนำไปใช้อะไร ทำให้นึกถึงกรณีกฎระเบียบด้านข้อมูลอันใหม่ของ EU เรื่อง General Data Protection Regulation (GDPR) ได้เขียนไว้ชัดว่าข้อมูลต่างๆเหล่านี้เป็นของประชาชนและย่อมมีสิทธิที่จะทราบว่าผู้เก็บข้อมูลจะเอาไปทำอะไร แม้แต่การ Consent: ที่ต้องขอความยินยอมจากเจ้าของข้อมูลต้องเข้าใจง่าย และต้องระบุอย่างชัดเจนว่าจะนำข้อมูลไปใช้ทำอะไร เพื่อวัตถุประสงค์ใด หรือสิทธิของเจ้าของข้อมูล (ประชาชน) ที่จะขอดูข้อมูล ขอให้ลบและเคลื่อนย้าย

ข้อมูลที่เราเก็บไว้ในสถาบันการเงิน แตกต่างกับข้อมูลใน Social media อย่าง Facebook หรือ  Google พวก Social media เหล่านั้นลูกค้ามีสิทธิที่จะให้หรือไม่ให้ข้อมูลก็ได้ จะบอกที่อยู่ อายุ ชื่อจริง หรือเบอร์มือถือหรือไม่ก็ได้ แต่ข้อมูลที่อยู่กับสถาบันการเงินลูกค้าต้องใช้ข้อมูลจริง และเป็นข้อมูลส่วนบุคคลด้านการเงิน ที่สถาบันการเงินเก็บไว้ ซึ่งถือว่าเป็นข้อมูลที่สำคัญยิ่งและมีความอ่อนไหว (sentitive data) ไม่ควรต่อการให้ใครก็ได้นำมาวิเคราะห์ต่างๆโดยไม่ได้รับอนุญาต แต่เดิมลูกค้าอาจไม่เคยเห็นความสำคัญของข้อมูลเหล่านี้แต่ในปัจจุบันเราเริ่มเห็นกันแล้วว่าสินทรัพย์ที่สำคัญอีกอย่างหนึ่งที่เราฝากไว้กับสถาบันการเงินนอกเหนือจากตัวเงินก็คือข้อมูล เรามีสถาบันคุ้มครองเงินฝากของเรา แล้วใครละจะมาคุ้มครองข้อมูลของเราไม่ให้ถูกละเมิด

ธนชาติ นุ่มนนท์

IMC Institute

 

คำว่า Big Data กำลังเป็นศัพท์เทคนิคที่น่าสนใจในมุมของผู้บริหารองค์กรหลายๆแห่งทั้งภาครัฐและเอกชน ซึ่งนอกจากว่าผู้บริหารจำนวนหนึ่งจะมาใช้เป็นศัพท์ในการตลาดแล้วบางครั้งก็ทำให้ราวเหมือนกับว่ามันจะเป็นเทคโนโลยีวิเศษที่จะสร้างประโยชน์ให้กับองค์กรอย่างมากมาย

มีคนเคยบอกความหมายของคำว่า Big data ในเชิงคบขำไว้ว่า “Big data is like teenage sex: everyone talks about it, nobody really knows how to do it, so everyone claims they are doing it... ”  (Prof. Dan Ariely ) คำพูดก็คล้ายกับที่ประเทศเราในตอนนี้ที่ทุกคนต่างก็พูดถึง Big Data บางทีข้อมูลเล็กนิดเดียวก็บอกว่าทำ Big Data บางครั้งก็สั่งงานให้ฝ่ายเทคโนโลยสารสนเทศไปเริ่มทำโครงการ Big Data ทั้งๆที่ Big Data น่าจะเริ่มจากกลยุทธ์ไม่ใช่เริ่มที่เทคโนโลยี แล้วบางคนก็บอกว่าทำโครงการ Big Data  เสร็จแล้ว

รูปที่ 1 ขั้นตอนการทำโครงการ Big Data

เมื่อวันก่อนผมมีโอกาสเขียนรูปภาพแสดงขั้นตอนง่ายๆให้เห็นว่าเราจะเริ่มทำโครงการ Big Data ได้อย่างไร  โดยมีขั้นตอนดังแสดงในรูปที่ 1

โครงการ  Big Data ต้องเริ่มต้นด้วยการทำกลยุทธ์ข้อมูล (Data strategy) ที่ผู้บริหารหน่วยงานต่างๆในองค์กรมากำหนดร่วมกัน ซึ่งกลยุทธ์ที่ดีไม่ได้ดูที่ว่ามีข้อมูลอะไรอยู่ในองค์กร แต่อยู่ที่ว่าธุรกิจมีเป้าหมายอะไร และข้อมูลใดที่จะช่วยให้บรรลุเป้าหมายนั้น

ซึ่งเมื่อได้กลยุทธ์แล้วเราจะเริ่มเข้าใจได้ว่าลักษณะข้อมูลที่ต้องการใช้เป็นอย่างไร ทั้งนี้ข้อมูลที่ต้องการจะนำมาใช้อาจแบ่งเป็นสองกลุ่มคือ

• ข้อมูลที่มีอยู่ในปัจจุบันอยู่แล้ว แต่เราไม่เคยนำมาวิเคราะห์ ข้อมูลลักษณะนี้เราเรียกว่า Dark data ซึ่งก็อาจเป็นข้อมูลขนาดใหญ่ในองค์กร
• ข้อมูลที่ยังไม่มี แต่คิดว่าน่าจะเป็นประโยชน์ ทั้งนี้อาจต้องไปหาข้อมูลเหล่านี้มาจากแหล่งอื่นๆเช่น พันธมิตร หรืออาจต้องซื้อข้อมูล บางครั้งอาจต้องหาเทคโนโลยีเช่น IoT เข้ามาช่วยในการเก็บซึ่งอาจต้องใช้เวลากว่าจะสะสมหรือหาข้อมูลได้

หากกลยุทธ์ต้องการข้อมูลกลุ่มหลังก็อาจต้องใช้เวลากว่าที่จะเริ่มทำโครงการได้ หรือบางครั้งเราอาจไม่มีข้อมูลเหล่านั้นเลยก็เป็นไปได้ ซึ่งสุดท้ายเราอาจจะต้องปรับกลยุทธ์ใหม่เพื่อให้ได้ข้อมูลที่มีอยู่แล้วเพื่อความรวดเร็วในการทำโครงการ

เมื่อเรามีข้อมูลที่เพียงพอคำถามถัดมาก็คือว่า ข้อมูลเหล่านั้นเป็นไปตามนิยามของ Big data ที่ว่า Volume, Variety, Velocity, Varacity จริงหรือไม่

• ถ้าใช่ เราก็อาจต้องลงทุนโครงสร้างพื้นฐานด้าน Big data เช่นการจัดหา Data Lake อย่าง Hadoop หรือ Cloud storage
• ถ้าไม่ใช่ บางครั้งโครงสร้างพื้นฐานที่มีอยู่อย่าง  ระบบ Database  ที่เป็น RDBMS ก็อาจเพียงพอและไม่จำเป็นจะต้องจัดหาระบบอย่าง  Data Lake

กรณีที่ข้อมูลที่ต้องการไม่ใช่ Big Data ก็คงต้องวิเคราะห์ต่อว่า จะมีการทำ Predictive Analytic โดยการใช้ Machine Learning หรือ เพราะถ้ามี ก็อาจจำเป็นต้องจัดหาเครื่องมือในการทำเรื่องนี้มาใช้ เพราะภาษา SQL ที่ใช้กับระบบ Database ไม่สามารถจะมาใช้ทำ Predictive Analytic ได้

แต่ถ้าข้อมูลไม่ใช่ Big data มีแค่จำนวนเป็นหลักสิบล้านและไม่ได้เข้าข่ายนิยามอะไรที่เป็น Big data แลัวก็ยังไม่มีการทำ Predictive Analytic  เน้นแต่การสอบถามข้อมูล (Data query) ทำ Dashboard เป็นโครงการทำ Data warehouse และ Business Intelligence แต่ผู้บริหารอยากเรียกว่า Big data เราก็คงต้องเข้าใจว่าเป็นอย่าง Prof. Dan Ariely ว่า ก็ยอมๆไปแล้วกันครับ เพราะผู้บริหารต้องการใช้คำว่า Big data ในการตลาด

สุดท้ายถ้าเรามีข้อมูลขนาดใหญ่และต้องการทำ Predictive analytics เราก็อาจใช้ทีม Data science ที่เข้าใจ Machine learning มาช่วยงาน และอาจต้องมีการแสดงผลผ่าน Data visualisation ซึ่งเราก็จะอาจจะได้ผลลัพธ์ตามกลยุทธ์ที่กำหนดไว้ในตอนต้น แต่โครงการทั้งหมดก็ต้องใช้เวลาในการทำงาน ตั้งแต่รวบรวมข้อมูล การทำโครงสร้างพื้นฐาน และการวิเคราะห์ข้อมูล ไม่มี Quick win ในการทำโครงการ  Big data ครับ

ธนชาติ นุ่มนนท์

IMC Institute

พฤษภาคม 2561

 

 

ผมไปงาน  Cloud Expo Asia ติดต่อกันมา 5 ปี และปีนี้ก็ไปอีกครั้งในช่วงสัปดาห์ที่ผ่านมา (11-12 ตุลาคม) งานนี้เขาจัดใหญ่ขึ้นเรื่อยๆจากเดิมที่เคยจัดที่ SunTec ก็ย้ายมาจัดในสถานที่ใหญ่ขึ้นตรง Marina Bay Sands และก็มีงานที่จัดร่วมกันหลายๆงานอาทิเช่น Data Center World, Big Data World, และ Smart IoT Singapore พร้อมกับมีห้องสัมมนาหลายๆด้านกว่า 300 หัวข้ออาทิเช่น

• Cloud Expo Asia Keynote Theatre
• DevOps, Containers, Open Cloud and Software Architecture Theatre
• Infrastructure, Storage and Virtualisation & Agile Networks Theatre
• Multi-Cloud Strategies & Managed Services Theatre
• Cloud Innovations & Cloud Service Providers Theatre
• Fintech, Finance & Banking Technology Theatre

รวมถึงห้องสัมมนาของงานที่จัดร่วมคือ

• Big Data and Analytics Theatre
• Big Data Open Air Theatre
• The Internet of Things Theatre
• Data Centre World Keynote Theatre
• Critical Equipment and Facilities Management
• Energy Efficiency, Cost Management, DCIM & Design and Build Theatre

งาน Cloud Expo Asia ครั้งนี้ก็มีจัดแสดงโซลูชั่นด้าน Cloud Computing, Big Data และ Data Center จาก Sponsor จำนวนมากอาทิเช่น Google Cloud, Oracle, Fujitsu, Huawei, SAP, Cloudera, Hortonworks โดยมีผู้ร่วมออกบูธมากกว่า 300 รายและมีคนเข้าชมในช่วงสองวันของการจัดงานหลายพันคน และทาง  IMC Institute ก็พาผู้เข้าอบรมในหลักสูตร Cloud Computing for Senior Management เข้าไปร่วมดูงาน

สิ่งหนึ่งที่เห็นถึงการเปลี่ยนแปลงของงานนี้คือ Cloud Adoption ในสิงคโปร์ค่อนข้างจะอยู่ในขั้นก้าวหน้า การถกเถียงเรื่องว่าจะใช้ Cloud หรือไม่นั้นคงไม่ใช่เป็นประเด็นที่สำคัญ เขาสามารถที่จะดึง Cloud Provider รายใหญ่ๆหลายรายมาลงทุนในประเทศเนื่องจากตลาดที่ใหญ่พอ และกฎระเบียบต่างๆของประเทศเขาก็เร่งปรับเปลี่ยนให้สอดคล้องกับการเปลี่ยนแปลงเทคโนโลยี นอกจากนี้ก็ยังเห็นผู้ให้บริการ Cloud หลายๆที่เป็นบริษัทในประเทศเขาเอง เพราะรัฐบาลก็มีนโยบายการส่งเสริมให้ใช้และสร้างเทคโนโลยีด้าน Cloud Computing

งานนี้ถือว่าเป็นงานระดับเอเซียที่เราเห็นผู้คนจากหลายๆประเทศเข้ามาชมงานและฟังสัมมนา สิ่งหนึ่งที่น่าชื่นชมคือห้องสัมมนาสิบกว่าห้องนั้นคนร่วมงานต้องแย่งกันเข้าคิวเพื่อที่จะรอฟังสัมมนาหัวข้อถัดไป ซึ่งส่วนใหญ่จะเต็มทุกห้อง และหัวข้อในการสัมมนาจำนวนอยู่ในขั้น Advance มากกว่าจะพูดถึงขั้นพื้นฐานที่มาแนะนำ Cloud Computing หรือ Big Data ทำให้ผมตั้งขอสังเกตผู้ใช้ของเขาเองซึ่งอาจเป็นคนไอทีหรือ End-user ก็มีความเข้าใจและคุ้นเคยกับการใช้เทคโนโลยีใหม่ๆเหล่านั้นเป็นอย่างดี และพวกเขาก็กระตือรือล้นที่จะทำความเข้าใจกับเทคโนโลยีต่างๆจากการฟังสัมมนาและชม Exhibition

สุดท้ายสิ่งที่เห็นเป็นการเปลี่ยนแปลงมากก็คือ Theme ของงานเอง ที่แต่ก่อนอาจจะเน้นเรื่องของการแนะนำการใช้ Cloud Technology พูดถึง Cloud Governance หรือ  Cloud Security หรือปีที่ผ่านมาก็อาจเน้นเรื่องของการนำมาประยุกต์ใช้กับ Big Data แต่ Theme ในปีนี้คือการเน้น Cloud Platform มาทำเรื่องของ Artificial Intelligence หรือ Machine Learning ซึ่งทำให้ผู้พัฒนาระบบสามารถที่พัฒนาโซลูชั่น AI ต่างๆได้อย่างรวดเร็ว และก็เห็นได้ว่า Cloud Provider ทุกรายต่างมุ่งเน้นมาทำเรื่องนี้ไม่ว่าจะเป็น Google, Oracle, Microsoft, AWS หรือ Alibaba

หากเปรียบเทียบเนื้อหาและความสนใจของคนที่มางาน Cloud Expo Asia กับงานต่างๆที่จัดอยู่ในบ้านเรา ก็คงจะเห็นว่าเรายังห่างไกลกับเขาอีกมาก ถ้าจะแข่งได้คงไม่ใช่ที่จะไปจัดงานแข่ง แต่ต้องเน้นสร้างคนให้มีคุณภาพเร่งพัฒนาเทคโนโลยี งานต่างๆเป็นแค่สีสันที่ Vendor อาจเอาโซลูชั่นและสินค้าใหม่ๆมาแสดง แต่หากผู้ที่เข้ามาร่วมงานขาดความรู้พื้นฐานและประสบการณ์การใช้เทคโนโลยีใหม่ๆเหล่า เราก็คงเป็นได้แค่คนมาชมงานกับเนื้อหาง่ายๆที่ไม่ได้สร้างศักยภาพการแข่งขันใดๆของประเทศเรา

ธนชาติ นุ่มมนท์

IMC Institute

บริษัท Startup กำลังนำเทคโนโนโลยีใหม่ๆเข้ามาให้บริการลูกค้าในกลุ่มธุรกิจการเงินการธนาคาร หรือที่เรียกว่า FinTech (Financial Technology) ทำให้เกิดรูปแบบการแข่งขันใหม่ๆเช่น การให้บริการชำระเงิน (เช่น PayPal, AliPay)  การบริการกู้เงิน (เช่น Lendingclub) จนบางคนตั้งข้อสังเกตว่า FinTech อาจจะทำให้ของธนาคารพาณิชย์แข่งขันลำบากในอนาคต เพราะกลุ่ม Startup มีความคล่องตัวในการทำงาน ลดค่าใช้จ่าย และเข้าถึงกลุ่มลูกค้าได้ดีกว่าโดยการใช้เทคโนโลยี

แต่แท้จริงแล้วธนาคารพาณิชย์ก็ยังมีจุดแข็งที่เป็นสถาบันที่ได้รับความเชื่อมั่นจากประชาชน ที่มั่นใจจะมาทำธุรกรรมต่างๆกับธนาคารมากกว่า FinTech Startup ธนาคารพาณิชย์ยังมีฐานลูกค้าปัจจุบันจำนวนมาก และมีข้อมูลการทำธุรกรรมจำนวนมหาศาลของลูกค้า นอกจากนี้ธนาคารพาณิชย์ยังเป็นผู้ได้รับอนุญาตจากหน่วยงานที่กำกับดูแลสถาบันการเงินให้ทำธุรกรรมต่างๆได้ ก็คงยังเป็นจุดที่ทำให้ Startup ต่างๆเข้ามาแข่งขันในช่วงนี้ได้ยาก

แต่อุปสรรคที่สำคัญของธนาคารพาณิชย์ที่จะนำเทคโนโลยีใหม่ๆเข้ามาใช้งานในการแข่งกับ Startup ก็คือระบบ Core-banking โดยมากยังเป็นระบบไอทีแบบเดิมๆ ยากต่อการปรับนำเทคโนโลยีใหม่ๆบางด้านเข้ามา และมักจะมีความล่าช้าในการดำเนินงาน ข้อสำคัญบางครั้งธนาคารก็อาจไม่มีทีมงานที่จะมาเน้นงานวิจัยที่จะศึกษาเทคโนโลยีใหม่ๆเหล่านี้ในการที่จะนำมาใช้ในระบบของธนาคาร ประกอบกับธนาคารเป็นหน่วยงานที่ใหญ่จึงไม่มีความคล่องตัวเช่นบริษัท FinTech จึงทำให้ธนาคารพัฒนาเทคโนโลยีใหม่ๆช้ากว่ากลุ่ม FinTech ที่อาจเน้นธุรกรรมการเงินเฉพาะในบางด้าน

ดังนั้นจึงจำเป็นอย่างยิ่งที่ธนาคารพาณิชย์จะต้องปรับระบบเทคโนโลยีด้านไอทีให้สามารถที่จะให้บริการธุรกรรมต่างร่วมกับกลุ่ม FinTech Startup เหล่านี้ให้ได้ โดยอาศัยการปรับเทคโนโลยี Core Banking ให้สนับสนุนการใช้  API (Application Programming Interface) เพื่อให้โซโลชั่นของกลุ่ม FinTech สามารถเชื่อมต่อและเรียกใช้งานได้ โดยอาศัยจุดแข็งของธนาคารที่มีใบอนุญาต มีลูกค้าจำนวนมากในปัจจุบันที่มีอยู่ในฐานข้อมูลลูกค้า (CRM) และมีระบบในการตรวจสอบตัวตนลูกค้า (KYC) ซึ่งไม่ใช่จุดแข็งของกลุ่ม FinTech Startup แนวโน้มของธนาคารพาณิชย์ปัจจุบันจึงจะต้องปรับตัวเป็น Neo-API bank ที่อาจมีโมเดลดังรูปที่ 1 ที่เป็นการใช้ Core Banking Platform  + API Layer + KYC + CRM  + Banking License ของธนาคารพาณิชย์ร่วมกับโซลูชั่นของกลุ่ม FinTech ที่เชื่อมต่อผ่าน API Layer ทั้งนี้ Neobank จะมีความแตกต่างกับ Challenge Bank ที่เป็นธนาคารใหม่ซึ่งอาจต้องมีใบอนุญาตใหม่แล้วมีการทำธุรกรรมโดยไม่ใช้รูปแบบเดิมๆเช่นอาจเป็น Digital Bank ล้วนๆโดยไม่มีสาขา แต่ทั้งนี้นิยามของ Neobank เองก็ยังสับสนบางแห่งก็ระบุว่าเป็นบริษัทที่ให้บริการธุรกรรมทางการเงินโดยไม่ได้เน้นเรื่องใบอนุญาตธนาคาร

รูปที่  1 Neo-API Bank (Core banking platform + API Layer + CRM + KYC + Banking License + FinTech Companies)  [ภาพจาก The next 10 years in Fintech, Kantox]

นอกจากนี้หากเราพิจารณาถึงระดับขั้นของการเปลี่ยนแปลง (Disruption) ที่ทาง FinTech จะมีผลกระทบต่อระบบหลักของธนาคารอาจแบ่งได้ตามกลุ่มของต่างๆดังรูปที่ 2 ซึ่งกลุ่มวงนอกจะกระทบต่อสถาบันการเงินก่อนวงในๆ กล่าวคือ กลุ่มของ Banking Tech เช่นการทำ Data Management, Analytic, CRM หรือ Security จะเป็นกลุ่มแรกที่เข้ามาเปลี่ยนแปลงวิธีการทำธุรกรรมของธนาคาร ขั้นต่อมาคือกลุ่มของ Payments เช่น Mobile Payment หรือ P2P Money Transfer ระดับขั้นที่สามคือ Cyber Currency สกุลเงินดิจิทัลเช่น Bitcoin หรือ Digital Wallet ขั้นต่อมาคือ กลุ่มของ Business Finance เช่น CrowdFunding หรือ P2P Business Lending ระดับขั้นที่ห้า คือกลุ่มของ Consumer Finance เช่น Personal Finance Management, Mortage Lending, Robo Advisor หรือ P2P Consumer Lending และขั้นสุดท้ายคือการทำ Alternative Core เช่น Alternative car insurance หรือ  Digital Bank

รูปที่ 2 Layers of disruption in FinTech [ภาพจาก SparkLabs]

ในปัจจุบันเราเริ่มเห็นตัวอย่างของ FinTech ที่ร่วมกับ Neobank หลายๆแห่งอาทิเช่น Moven ซึ่งเป็น mobile first experience platform โดยร่วมมือกับ CBW Bank หรือ Simple ซึ่งเป็น FDIC-insured checking accounts โดยร่วมมือกับ Compass Bank และ Bancorp Bank ทั้งนี้ทาง Techfoliance ได้จัดทำ The Global NeoBank Landscape และนำเสนอเป็นบทความและรายชื่อของ Neobank ที่สำคัญทั่วโลกดังรูปที่ 3

รูปที่ 3 The Global NeoBank Landscape [ภาพจาก Techfoliance]

กล่าวโดยสรุปธนาคารพาณิชย์ต่างๆคงต้องปรับระบบ  Core banking เพื่อให้สามารถใช้จุดแข็งของธนาคารเพื่อให้ร่วมมือกับ FinTech ได้มากขึ้น ทั้งนี้กลุ่มแรกที่จะเห็นก็คงเป็นเรื่องของ Banking Tech และ Payment

ธนชาติ นุ่มนนท์

IMC Institute