۱۴ مرداد ۱۴۰۴
نقش رایانش لبه در بانکداری مدرن؛ راهی نو به‌سوی خدمات مالی هوشمند
صنعت بانکداری و خدمات مالی با مجموعه‌ای عظیم و بسیار حساس از داده‌ها سروکار دارد؛ داده‌هایی که از مکان‌های مختلف و دور از هم مانند شعب بانک، دستگاه‌های خودپرداز (ATM) و اپلیکیشن‌های موبایلی جمع‌آوری می‌شوند. استفاده مؤثر از این داده‌ها، بدون گرفتار شدن در چالش‌های مقرراتی، امنیتی و پایداری سیستم‌ها، کاری بسیار پیچیده و چالش‌برانگیز است؛ به‌ویژه وقتی سخت‌افزار و نرم‌افزارهای پردازش و تحلیل این داده‌ها در فضای ابری یا مرکز داده‌ای متمرکز قرار داشته باشند.
رایانش لبه در بانکداری با غیرمتمرکز کردن منابع محاسباتی و توزیع آن‌ها در «لبه‌های شبکه»، یعنی همان جایی که بیشتر عملیات بانکی انجام می‌شود، این چالش را برطرف می‌کند. اجرای اپلیکیشن‌ها و پردازش داده‌ها در لبه، امکان تحلیل و دریافت بینش در زمان واقعی را فراهم می‌کند، بسیاری از نگرانی‌های امنیتی و الزام‌های قانونی را کاهش داده و این اطمینان را می‌دهد که حتی در صورت قطع اتصال اینترنت، سیستم‌ها بدون وقفه به کار خود ادامه دهند.
در این مقاله، چهار مورد از کاربردهای رایانش لبه در بانکداری بررسی و مزایای آن برای صنعت خدمات مالی معرفی می‌شود. علاوه‌بر این توصیه‌هایی برای حفظ مقیاس‌پذیری، تاب‌آوری و بهره‌وری زیرساخت‌های مبتنی‌بر رایانش لبه نیز ارائه می‌شود.
کاربردهای رایانش لبه در بانکداری
۱.نظارت تصویری مبتنی‌بر هوش مصنوعی
استاندارد PCI DSS بانک‌ها را ملزم می‌کند که مکان‌های کلیدی مانند شعب و دستگاه‌های خودپرداز (ATM) را به‌صورت مداوم با دوربین‌های مداربسته تحت نظر داشته باشند، داده‌های تصویری را به‌طور منظم بررسی و تحلیل کرده و حداقل تا ۹۰ روز ویدیوها را ذخیره کنند. با این حال، بررسی لحظه‌به‌لحظه تصاویر دوربین‌ها از عهده نیروی انسانی خارج است، اما سیستم‌های هوشمند در این زمینه عملکردی سریع‌تر و دقیق‌تر دارند.
امروزه مؤسسات مالی از راهکارهای هوش مصنوعی استفاده می‌کنند که می‌توانند جریان ویدیویی را تحلیل کرده و فعالیت‌های مشکوک را با دقت و سرعتی بسیار بیشتر از اپراتورهای انسانی شناسایی کنند.
استفاده از این راهکارهای نظارتی مبتنی‌بر هوش مصنوعی در بستر رایانش لبه در بانکداری، امکان تحلیل ویدیویی را به‌صورت لحظه‌ای و در محل فراهم می‌کند؛ به‌طوری‌که حتی ممکن است جرم را در همان لحظه وقوع شناسایی کرد. همچنین، با نگهداری داده‌های تصویری در محل، هزینه‌های پهنای باند و تأخیر شبکه کاهش می‌یابد و ریسک‌های امنیتی و الزامات قانونی، که در صورت ذخیره‌سازی ویدیوها در فضای ابری وجود دارد، به حداقل می‌رسد.
۲.تحلیل رفتار مشتریان در شعب
بانک‌ها حجم زیادی از داده‌های مشتریان را از طریق شعب، اپلیکیشن‌های وب، موبایل و دستگاه‌های خودپرداز دریافت می‌کنند. ترکیب این داده‌ها با نرم‌افزارهای تحلیل‌گر داده مجهز به هوش مصنوعی و یادگیری ماشین (AI/ML)، می‌تواند بینش‌های ارزشمندی درباره بهبود تجربه مشتری و افزایش درآمد ارائه دهد.
اجرای این تحلیل‌ها از طریق رایانش لبه در بانکداری، به‌جای پردازش در فضای ابری یا مرکز داده مرکزی، این امکان را فراهم می‌کند که بینش‌ها به‌صورت لحظه‌ای تولید شوند و در نتیجه، بانک بتواند در همان لحظه تعامل با مشتری تجربه‌ای بهتر و شخصی‌سازی‌شده ارائه دهد.
برای مثال، یک نرم‌افزار مبتنی‌بر هوش مصنوعی در لبه می‌تواند سوابق مالی مشتری، میزان ریسک‌پذیری و اهداف بازنشستگی او را در لحظه تحلیل کند و مشاوره‌ای فوری و شخصی‌سازی‌شده برای سرمایه‌گذاری ارائه دهد. همچنین می‌تواند از داده‌های نظارتی تصویری برای تحلیل جریان رفت‌وآمد مشتریان استفاده کرده و در ساعات شلوغ، کارکنان بانک را در مکان‌های مناسب مستقر کند تا از ایجاد صف و انتظار جلوگیری شود.
بیشتر بخوانید:
چگونه رایانش ابری، شیوه‌‌های مدیریتی را تغییر می‌دهد؟
۳.پردازش داده در محل
به دلیل مقررات سخت‌گیرانه‌ای که در صنعت خدمات مالی وجود دارد، بانک‌ها موظف‌اند پروتکل‌های دقیق امنیتی و حفظ حریم خصوصی را رعایت کنند تا داده‌های حساس مشتریان از دسترسی افراد سودجو محافظت شود. ارسال این اطلاعات حساس به فضای ابری یا مراکز داده برای پردازش، خطر رهگیری داده‌ها را افزایش می‌دهد و رعایت الزامات قانونی مربوط به ثبت دسترسی‌ها و کنترل‌های امنیتی را دشوارتر می‌کند.
با بهره‌گیری از رایانش لبه در بانکداری، بانک‌ها می‌توانند پردازش داده‌ها را در محل و در درون محیط ایمن شبکه خود انجام دهند. برای مثال، فرم‌های درخواست وام معمولاً شامل اطلاعات بسیار حساس و شناسایی‌پذیر (personally identifiable information) هستند. پردازش این درخواست‌ها در همان محل، خطر رهگیری توسط شخص ثالث را تا حد زیادی کاهش می‌دهد و امکان کنترل دقیق بر دسترسی به داده‌ها را فراهم می‌سازد؛ کاری که در فضای ابری یا مراکز داده اشتراکی به‌مراتب سخت‌تر است.
۴.ارتقای قابلیت‌های هوش مصنوعی در عملیات فناوری اطلاعات
مؤسسات مالی از فناوری AIOps یا هوش مصنوعی برای عملیات فناوری اطلاعات در راستای تحلیل داده‌های حاصل از تجهیزات فناوری، زیرساخت‌های شبکه و سیستم‌های امنیتی استفاده می‌کنند. این فناوری می‌تواند به شناسایی خودکار مشکلات، تحلیل علل اصلی (Root-Cause Analysis) و حل سریع مسائل کمک کند.
اجرای AIOps در بستر رایانش لبه در بانکداری امکان تشخیص و واکنش آنی به اختلالات را فراهم می‌کند و زمان قطعی سیستم‌ها و سایر وقفه‌های فناورانه را به شکل چشمگیری کاهش می‌دهد. همچنین درصورتی‌که یک شعبه بانک به دلیل قطعی اینترنت یا خرابی شبکه از ابر یا مرکز داده جدا شود، این راهکار کمک می‌کند تا عملیات شعبه همچنان ادامه پیدا کند و اختلالات به حداقل برسد.
افزون‌بر این، فناوری AIOps و سایر الگوریتم‌های هوش مصنوعی معمولاً به GPUها (واحدهای پردازش گرافیکی) نیاز دارند که نسبت به CPUها (پردازنده‌های مرکزی) به‌ویژه در فضای ابری، بسیار گران‌تر هستند. اجرای AIOps روی دستگاه‌های کوچک، غیرمتمرکز و چندکاره مبتنی‌بر رایانش لبه می‌تواند بدون کاهش کارایی، هزینه‌ها را کاهش دهد.
بیشتر بخوانید:
رایانش لبه، کلید پیشرفت خودروهای خودران در آینده
تأثیر رایانش لبه در بانکداری و خدمات مالی
رایانش لبه در بانکداری می‌تواند مزایای متعددی را برای صنعت خدمات مالی به همراه داشته باشد، از جمله:
- افزایش سرعت و کاهش تأخیر
در تراکنش‌های مالی، هر میلی‌ثانیه اهمیت دارد. رایانش لبه در بانکداری با پردازش داده‌ها در نزدیکی منبع تولید آن‌ها، زمان لازم برای انتقال اطلاعات به مراکز داده مرکزی را به حداقل می‌رساند. این موضوع برای تراکنش‌هایی که نسبت به زمان حساس‌اند حیاتی است و خدماتی سریع‌تر و کارآمدتر را فراهم می‌کند.
- تحلیل داده‌ها به‌صورت لحظه‌ای (Real-time)
در فعالیت‌هایی مانند شناسایی تقلب یا معاملات الگوریتمی، رایانش لبه این امکان را می‌دهد که داده‌ها به‌صورت لحظه‌ای تحلیل شوند. این تحلیل در لحظه، تصمیم‌گیری سریع‌تر و واکنش فوری به تغییرات بازار را برای مؤسسات مالی ممکن می‌سازد.
- افزایش پایداری و زمان دسترسی بالا
با تمرکززدایی در پردازش، وابستگی به مراکز داده مرکزی کاهش می‌یابد. این موضوع باعث می‌شود که حتی در صورت بروز اختلال در مرکز اصلی، خدمات مالی همچنان پایدار و در دسترس باقی بمانند.
- کاهش هزینه‌ها
رایانش لبه در بانکداری نیاز به ارسال حجم زیادی از داده‌ها به فضای ابری را کاهش می‌دهد که این موضوع باعث صرفه‌جویی در مصرف پهنای باند و کاهش هزینه‌های زیرساختی حذف می‌شود. همچنین استفاده از منابع متمرکز پردازشی را بهینه می‌سازد.
- مقیاس‌پذیری و انعطاف‌پذیری بیشتر
مؤسسات مالی می‌توانند زیرساخت فناوری خود را با سرعت و کارآمدی بیشتری توسعه دهند و به‌سرعت به نیازهای در حال تغییر بازار پاسخ دهند.
- بهبود تجربه مشتری
توانایی پردازش سریع‌تر به بانک‌ها امکان می‌دهد تا خدمات خود را در زمان کمتر ارائه کنند؛ این موضوع رضایت مشتریان را افزایش می‌دهد.
- یکپارچگی با اینترنت اشیا (IoT)
رایانش لبه می‌تواند حجم بالای داده‌های تولیدشده توسط دستگاه‌های اینترنت اشیا را مدیریت کند و زمینه‌ساز خدمات و عملیات نوآورانه در حوزه مالی باشد.
- رعایت مقررات و الزامات قانونی
پردازش و ذخیره‌سازی محلی داده‌ها به مؤسسات مالی کمک می‌کند تا قوانین محلی مربوط به نگهداری و حفظ حریم خصوصی داده‌ها را رعایت کنند.
- پشتیبانی از فناوری‌های نوین
رایانش لبه در بانکداری امکان پیاده‌سازی مدل‌های هوش مصنوعی و یادگیری ماشین را در سطح محلی فراهم می‌کند که زمینه‌ساز ارائه خدمات شخصی‌سازی‌شده و کارآمدتر به مشتریان می‌شود.
- تضمین تداوم کسب‌وکار
در صورت بروز مشکلات شبکه‌ای یا حملات سایبری، رایانش لبه از عملکرد پایدار و بدون وقفه بخش‌های حیاتی بانکداری محافظت می‌کند.
بیشتر بخوانید:
رایانش مه چیست و چرا مسیر بعدی تحول دیجیتال از لبه شبکه می‌گذرد؟
پیوند رایانش لبه و فعالیت‌های سازمانی
فعالیت‌های سازمانی، مانند ادغام، تملک یا پرداخت سود نقدی، از جمله رویدادهایی هستند که به تصمیم شرکت‌ها انجام می‌شوند و تأثیر مستقیمی بر ذی‌نفعان دارند. این رویدادها به‌دلیل حجم بالای داده‌ها و الزامات قانونی مختلف، معمولاً چالش‌های پردازشی پیچیده‌ای برای مؤسسات مالی به همراه دارند.
در این میان، رایانش لبه در بانکداری به‌عنوان راهکاری نوآورانه، امکان پردازش سریع‌تر و مؤثرتر این رویدادها را فراهم می‌کند. با انتقال پردازش به محل تولید داده‌ها، سرعت واکنش و بهره‌وری به‌طور چشمگیری افزایش می‌یابد. این معماری غیرمتمرکز همچنین به مؤسسات اجازه می‌دهد تا قوانین و مقررات هر منطقه را به‌صورت محلی اجرا کنند؛ موضوعی که نقش مهمی در رعایت الزامات قانونی متنوع در نقاط مختلف جهان دارد.
در نتیجه این اقدامات، بانک‌ها می‌توانند با بهره‌گیری از رایانش لبه، علاوه‌بر بهینه‌سازی عملیات مرتبط با اقدامات سازمانی، سطح بالاتری از انطباق، انعطاف‌پذیری و چابکی عملیاتی را نیز تجربه کنند.
مزایای رایانش لبه در مدیریت فعالیت‌های سازمانی
- افزایش سرعت پردازش تراکنش‌ها
رایانش لبه در بانکداری با پردازش تراکنش‌های پیچیده در نزدیکی منبع داده، سرعت کلی فرآیندهایی مانند ادغام، تملک یا تقسیم سهام را به‌شکل چشمگیری افزایش می‌دهد.
- تحلیل دقیق‌تر و سریع‌تر داده‌ها برای تصمیم‌گیری
دسترسی سریع به داده‌های مالی دقیق، برای تصمیم‌گیری آگاهانه در هنگام رویدادهای شرکتی بسیار حیاتی است. رایانش لبه این امکان را فراهم می‌کند تا تحلیل داده‌ها با سرعت بالاتری انجام شود.
- بهبود مدیریت ریسک
تحلیل لحظه‌ای داده‌های بازار و شاخص‌های داخلی ریسک، نظارت و کنترل ریسک‌های مرتبط با اقدامات سازمانی را ارتقاء می‌بخشد.
- نظارت آنی بر الزامات قانونی
در اقدامات سازمانی که مشمول قوانین و نظارت‌های شدید هستند، رایانش لبه در بانکداری امکان پایش و گزارش‌دهی لحظه‌ای را فراهم می‌سازد تا اطمینان از رعایت مقررات مرتبط حاصل شود.
- افزایش امنیت و حریم خصوصی داده‌ها
با پردازش و ذخیره‌سازی محلی داده‌ها، خطر نشت اطلاعات در حین انتقال کاهش می‌یابد؛ این موضوع برای اطلاعات حساس شرکتی بسیار حیاتی است.
- ارتباط مؤثرتر با ذی‌نفعان
پردازش سریع‌تر اطلاعات مالی، امکان ارتباط به‌موقع و دقیق با سهام‌داران، نهادهای نظارتی و سایر ذی‌نفعان را در جریان فعالیت‌های مهم سازمانی فراهم می‌کند.
- یکپارچه‌سازی کارآمد فرآیندهای ادغام یا تملک
رایانش لبه با پردازش محلی و منعطف داده‌ها، ادغام سامانه‌های فناوری اطلاعات شرکت‌ها در فرآیندهای ادغام یا خرید را ساده‌تر و سریع‌تر می‌سازد.
- چابکی در واکنش به تغییرات بازار
در جریان بازسازی ساختار شرکت یا تغییرات راهبردی، رایانش لبه به بانک‌ها و مؤسسات مالی امکان می‌دهد تا داده‌های بازار را سریع‌تر پردازش کنند و پاسخ‌های مناسبی ارائه دهند.
- تسهیل عملیات بین‌المللی
برای شرکت‌های چندملیتی، رایانش لبه امکان پردازش محلی داده‌ها در کشورهای مختلف را فراهم کرده و موجب تسریع عملیات و رعایت قوانین داده‌ای منطقه‌ای می‌شود.
بیشتر بخوانید:
بهبود امنیت و کیفیت خدمات بانکی با سرویس رایانش ابری
معماری رایانش لبه در فعالیت‌های سازمانی
معماری مفهومی رایانش لبه و زیرساخت ترکیبی در حوزه فعالیت‌های سازمانی، از اجزای مختلفی تشکیل شده که به‌صورت راهبردی در نقاط مختلف قرار گرفته‌اند تا بهره‌وری پردازش را به حداکثر برسانند. این اجزا شامل منابع داده و دستگاه‌های لبه‌ای، سرورهای لبه‌ای منطقه‌ای، فضای ذخیره‌سازی و مراکز داده برای دریافت و پردازش اطلاعات و همچنین یک زیرساخت ابری متمرکز برای پردازش نهایی، تصمیم‌گیری و اعمال قوانین جهانی است.
پیاده‌سازی واقعی این معماری، نیازمند بررسی دقیق مجموعه‌ای از عوامل کلیدی است؛ از جمله:
- حجم پردازش موردنیاز
- الزامات تجاری و پردازشی
- قوانین و مقررات محلی و جهانی
- نیاز به گزارش‌دهی قانونی و حسابرسی
- الزامات امنیت اطلاعات
- توانمندی‌های ارائه‌دهنده خدمات زیرساختی
کلام آخر
هم‌گرایی رایانش لبه، زیرساخت ترکیبی و فعالیت‌های سازمانی، فرصت تحولی چشمگیر را برای صنعت بانکداری و خدمات مالی فراهم کرده است. توانایی رایانش لبه در بانکداری برای دریافت و پردازش داده‌ها در محل، بهره‌وری بی‌سابقه‌ای به همراه دارد، تأخیر را کاهش می‌دهد و واکنش‌پذیری سیستم‌ها را بهبود می‌بخشد. این ویژگی‌ها در مجموع، مزیتی راهبردی برای مؤسسات مالی ایجاد می‌کنند.
با بهره‌گیری از رویکردهای نوآورانه و همکاری با ارائه‌دهندگان معتبری همچون راهکارهای سازمانی ایرانسل، مؤسسات مالی می‌توانند از تمام ظرفیت‌های رایانش لبه در بانکداری بهره‌برداری کرده و خود را برای موفقیت در چشم‌اندازی پویا و در حال تحول آماده سازند.
زیرساخت ابری ایرانسل به‌عنوان پایه‌ای امن، منعطف و مقیاس‌پذیر، امکان راه‌اندازی و مدیریت راهکارهای ترکیبی و لبه‌ای را برای سازمان‌ها فراهم می‌کند. این زیرساخت با پوشش گسترده و پشتیبانی فنی تخصصی، بستر مناسبی برای تسریع تحول دیجیتال در صنعت بانکداری و خدمات مالی به شمار می‌رود.
شما می‌توانید برای آشنایی با جزئیات این سرویس، کد دستوری ستاره سه مربع (#۳*) را شماره‌گیری کنید یا از طریق ایمیل EB@mtnirancell.ir با کارشناسان ما در ارتباط باشید.
منبع:
https://zpesystems.com/edge-computing-use-cases-in-banking-zs/
اخبار مرتبط
امضای دیجیتال در تجارت الکترونیک؛ تضمین امنیت و سرعت در معاملات آنلاین
