تأثیر COVID-19 بر بانک‌های دیجیتالی: آیا آنها برنده هستند یا بازنده؟

The impact of COVID‑19 on digital‑only banks: are they winners or losers?

چکیده

مقدمه

چارچوب های نظری

تحلیل استراتژیک بانک های صرفا دیجیتالی

نقاط قوت

نقاط ضعف

فرصت ها

تهدیدات

تحلیل استراتژیک: خلاصه

تحلیل مالی بانک های صرفا دیجیتالی

ویژگی های کلی نهادهای منتخب

تحلیل مالی

نتیجه گیری

منابع

چکیده

     هدف این مقاله، شناسایی تاثیر پاندمی کووید 19 بر عملیات بانک های صرفا دیجیتالی می باشد. بدین منظور، از دو روش استفاده شده است. روش اول، تحلیل استراتژیک و روش دوم، تحلیل مالی بانک های صرفا دیجیتالی است که دو دوره را پوشش می دهد، یعنی، قبل از ظهور پاندمی کووید 19(2018-2019) و طی پاندمی ویروس کرونا(2020). تحلیل استراتژیک بانک های صرفا دیجیتالی نشان داده است که آنها نقاط ضعف زیادی دارند، و واقعیت اینکه با تهدیدات زیادی مواجه هستند که دلیل آن، سن بانک های فین تک و رقابت بانک های سنتی است که بانکداری اینترنتی و موبایلی را ایجاد و توسعه داده اند. تحلیل های مقدماتی انجام شده برای بانک های صرفا دیجیتالی نشان می دهند که بیشتر آنها زیان هایی داشته اند و این زیان ها در سطح عملیاتی است. نسبت های بازگشت سرمایه و بازده حقوق صاحبان سهام در سال 2020 کمی بهبود یافت و در بیشتر موارد، درآمد بهره ایجاد شده بالاتر از هزینه های بهره بود.

چارچوب های نظری
     بانک های صرفا دیجیتالی، تنها درباره بانکداری آنلاین یا موبایلی نیستند. مفهوم منسجمی از نهادی است که از طریق استفاده از تکنولوژی مدرن، یعنی توسط اپلیکیشن ها یا وب سایت ها، خدماتی به مشتریان ارائه می دهد. اکثریت بانک های صرفا دیجیتالی هیچ گونه دفاتر یا شعبی ندارند، یا تعداد شعب یا دفاتر آنها بسیار کم است. بانک های صرفا دیجیتالی، شعب بانک های موجود نیستند، بلکه نهادهای جدیدی هستند که بدون پول یا منابع ایجاد شدند. بانک های فین تک از پیشرفته ترین تکنولوژی ها از جمله ارز رمزنگاری شده، تکنیک های دفترکل توزیع شده، هوش مصنوعی، داده های بزرگ یا یادگیری عمیق استفاده می کنند[21]. بنابراین، در زمینه بانک های صرفا دیجیتالی، می توانیم درباره یک مدل کسب و کار کاملا جدید صحبت کنیم[19،33،37].

     با وجود این، سردرگمی مفهومی در ادبیات وجود دارد[16]. زمانی که به دنبال اطلاعات در زمینه بانک های صرفا الکترونیکی هستیم، افراد ممکن است با اصطلاحات بسیار مختلفی مواجه شوند، که غالبا به اشتباه به عنوان مترادف استفاده شده اند. فهرست واژگانی که در زمینه مسئله مورد بحث وجود دارد، شامل این موارد می باشد: بانک های صرفا دیجیتالی، بانک های چالشگر، نئوبانک ها، بانک های فین تک یا بتابانک ها. علاوه بر این، این اصطلاحات تعریف می شوند و توسط نویسندگان مختلف، به صورت متفاوت تبیین می شوند. بنابراین، تصمیم گرفته شد تا تمام اصطلاحاتی که نویسنده طی مروری بر ادبیات پیشین با آن مواجه شد را مرتب و فهرست کند. جدول 1، اصطلاحات منتخب را با تعاریف و ارجاع آنها به مقالات نشان می دهد.

     تحقیقات تجربی در زمینه بانک های صرفا دیجیتالی بخاطر پیشینه عملیاتی کوتاه آنها و بیشتر، به خاطر عدم دسترسی به داده(سری های زمانی کوتاه مدت) بسیار محدود است. به طور مثال، چوی[7]، لایو[22]، یا اومی و هانگ[32] بر روی ویژگی های کلی بانک های صرفا دیجیتالی تمرکز کردند و درباره نمونه هایی از بازارهای منتخب بحث نمودند. برخی کارها[3-5] بر جنبه تعریفی مرتبط با بانک های صرفا دیجیتالی تمرکز دارند، در حالیکه، برخی تاثیر بخش فین تک به عنوان یک بانکداری کل را مد نظر قرار می دهند[35،39،41،42].

ریسک دم و ریسک سیستمی شرکت های مالی و فناوری (فین تک)

Tail risk and systemic risk of finance and technology (FinTech) firms

چکیده
1 مقدمه
2 مرور ادبیات
2-1 اثر شرکت های فناوری بر سیستم های مالی
2-2- اثر ریسک تعقیبی و ریسک سیستمی شرکت های مالی بر سیستم های مالی
3- داده و روش
3-1 اندازه گیری ریسک تعقیبی
3-2 اندازه گیری ریسک سیستمی
4 یافته های تجربی
4-1 برآوردهای ریسک نزولی شرکت های فناوری و مالی
4-2 ریسک سیستمی حدی
5 مقررات شرکت های مالی و فناوری
5-1 مقررات و نوآوری فین تک
5-2 اهمیت رگ تک در خدمات مالی
5-3 چالش های مقررات
6 نتیجه گیری و پیامدهای سیاسی
منابع

چکیده

شرکت های فناوری به طور فزاینده ای در حال حرکت به سوی زمینه های مالی هستند. آن ها می توانند از داده های کاربران خود استفاده کرده و خدماتی را پیشنهاد دهند که تا پیش از این ناممکن بود. این حرکت ممکن است منجر به ایجاد چالش های جدیدی برای پایداری مالی شود. این مقاله، به طور تجربی ریسک تعقیبی و ریسک سیستمی شرکت های فناوری را ارزیابی می کند. نمونه داده ما از شرکت های فناوری تشکیل شده است و همچنین ریسک تعقیبی و ریسک سیستمی شرکت های مالی را به منظور مقایسه، ارزیابی می کنیم. ما داده های بازگشتی روزانه سهام را از 2 آوریل 1992 تا 31 دسامبر 2019 مورد استفاده قرار می دهیم و نظریه مقدار حدی تک متغیره (EVT) را برای تعیین ریسک تعقیبی سهام، اتخاذ می کنیم. معیار انتخاب ما ارزش بازار است و بیست شرکت برتر فناوری و بیست شرکت برتر مالی را برای ارزیابی ریسک تعقیبی و ریسک سیستمی انتخاب می کنیم. ما نتیجه گرفتیم که ریسک تعقیبی شرکت های فناوری از ریسک تعقیبی شرکت های مالی بیشتر است، در حالی که احتمال کمی وجود دارد که این شرکت ها به واسطه شوک از سوی سیستم، در شرایط دشوار و مضیقه قرار گیرند. هرچند این یافته هنگامی که از داده های اخیر توسط تخمین های چرخشی شش ساله خود استفاده می کنیم، برای شرکت های فناوری برعکس می شود. ما نتیجه می گیریم که مشابه با شرکت های مالی، باید برای شرکت های فناوری نیز مقررات سختگیرانه تری وجود داشته باشد ؛ زیرا شرکت های فناوری نسبت به شرکت های مالی، مخاطره آمیزتر هستند. مقاله ما دارای پیامدهای مهمی برای مقررات مالی ملی و جهانی است.

1 مقدمه

فین تک یکی از زمینه های محرک و معاصر در تجارت جهانی امروز است. در یک زمان کوتاه، سیر تکاملی فین تک تأثیری قابل توجه بر چگونگی پیش برد فعالیت های مالی و تراکنش ها با مشتریان، دارد. سرمایه گذاری در این صنعت به طور مداوم در حال افزایش است و هیچ نشانی از توقف ندارد. گزارش KMPG (2017) نشان می دهد که بیش از 100 میلیارد دلار در شرکت های فین تک در طول پنج سال گذشته، از 2011 تا 2016، سرمایه گذاری شده است. به طور مشابه، از سال 2009، ارزش بازار (چگونه بازار سهام، شرکت ها را ارزش گذاری می کند) 10 شرکت برتر بیگ تک، پنج برابر بیشتر شده است (شکل 1 را ببینید). در سال 1999، تنها پنج شرکت فناوری در میان 10 شرکت بزرگ برتر از نظر ارزش بازار وجود داشت که در سال 2009 به یک شرکت کاهش یافت. هرچند، تعداد شرکت های بیگ تک در بین 10 شرکت برتر تا سال 2019 به هفت شرکت افزایش یافت (شکل 2 را ببینید). با ورود شرکت های بیگ تک به بازار خدمات مالی، فین تک به نمایندگی از شرکت های فناوری که خدمات مالی ارائه می دهند، تکامل یافته است. ورود شرکت های بیگ تک به بازار خدمات مالی براساس پیش فرض نوآوری، کارایی و گنجایش مالی است (FSB، 2019؛ گزارش اقتصادی سالانه BIS، 2019). اگرچه، ورود آن ها منجر به ایجاد ریسک در سیستم مالی شده و پیامدهایی برای پایداری مالی دارد (FBS، 2019). علیرغم رشد زیاد شرکت های بیگ تک و قطعیت ریسک آن ها برای سیستم مالی، هیچ مطالعه تجربی وجود ندارد که آستانه ریسکی که شرکت های بیگ تک متحمل می شوند، میزان ریسکی که آنها به سیستم مالی تحمیل می کنند و احتمال این را که آن ها تحت تأثیر رویدادهای پیش بینی نشده بازار مانند کووید 19، حباب دات کام یا بحران مالی جهانی (GFC) قرار گیرند، اندازه گیری کند. برای مقایسه، ما ریسک تعقیبی و رسیک سیستمی شرکت های مالی را نیز اندازه گیری می کنیم.

Abstract

Technology firms are increasingly moving to finance. They are able to make use of a large stock of user data and offer a range of services that otherwise were not possible. This move may pose fresh challenges to financial stability. This paper empirically evaluates the tail risk and systemic risk of technology firms. Our data sample consists of technology firms, and for comparison we also evaluate the tail risk and systemic risk of finance firms. We use daily equity returns data from 2 April 1992 to 31 December 2019 and we adopt the univariate extreme value theory (EVT) to determine equity tail risk. Our selection criteria is the market capitalisation and we choose the top twenty technology and the top twenty finance firms to evaluate tail risk and systemic risk. We found that the tail risk of technology firms is higher than the financial firms, whereas they are less likely to be in distress conditional upon a shock from the system. However, this finding for technology firms reverses when we use recent data via our six-year rolling estimates. We conclude that, similar to finance firms, there should be tighter regulations for technology firms since technology firms are riskier than the finance firms. Our paper has significant implications for both national and global financial regulators.

1 Introduction

Financial technology (Fintech) is one of the stimulating and contemporary areas in global business today. The evolution of financial technology has, in a very short time, had a noticeable impact on how to carry out financial activities and transactions with customers. The investment in this industry is continuously increasing with no indication of stopping. KPMG (2017) report shows that there has been over US$ 100 billion invested into financial technology (firms?) during the last five years from 2011-2016. Similarly, since 2009, the market capitalisation (how the stock markets value firms) of the top ten BigTech firms have multiplied five times. (See Fig. 1). In 1999, there were only five tech firms among the top ten big firms by market capitalisation, which reduced to one in 2009. However, the number of BigTech firms in the top ten overall firms increased to seven in 2019. (See Fig. 2). With the entry of BigTech firms into the financial services market, the term Fintech has evolved to represent technology firms providing financial services. The BigTech companies’ entry into the financial services market is based on the premise of innovation, efficiency and financial inclusion (FSB, 2019; BIS annual economic report, 2019). However, their entry poses risks to the financial system and has implications for financial stability (FSB, 2019). Despite the huge growth of BigTech and the certainty of their risk to the financial system, there is no empirical study measuring the extent of the risk that BigTech firms carry,= and how much risk they pose to the financial system, as well as how likely they are to be affected by unforeseen market events such as COVID-19, the dot com bubble or GFC. In this paper, we study the tail risk and systemic risk of BigTech firms. For the purpose of comparison, we also measure the tail risk and systemic risk of finance firms.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

ریسک دم و ریسک سیستمی شرکت های مالی و فناوری (فین تک)

Tail risk and systemic risk of finance and technology (FinTech) firms

تأثیر مدیریت ارتباط با جامعه، جهت گیری بازاریابی رابطه مند، تعامل با مشتری، و اعتماد برند بر وفاداری به برند: پرونده یک بانک بازرگانی در تایلند

Effect of community relationship management, relationship marketing orientation, customer engagement, and brand trust on brand loyalty: The case of a commercial bank in Thailand

چکیده
1 مقدمه
2 مروری بر مقالات
2.1 مدیریت ارتباط با جامعه
2.1.1 اتصال
2.1.2 محاوره
2.1.3 ایجاد محتوا
2.1.4 همکاری
2.1.5 جوامع آنلاین
2.2 جهت گیری بازاریابی رابطه مند
2.3 تعامل مشتری
2.4 اعتماد به برند
2.5 وفاداری به برند
3 روش تحقیق
3.1 طرح پیمایشی
3.2 جمع آوری داده ها
3.3 روایی و پایایی
3.4 مدلهای اندازه گیری و ساختاری
4 نتایج
5 بحث
6 مفاهیم
6.1 مفاهیم نظری
6.2 مفاهیم مدیریتی
6.3 محدودیتها و تحقیقات آتی
منابع

چکیده

عدم اطمینان در کسب و کار به دلیل پاتدمی کووید- 19 صنایع مالی و بانکی را تحت فشار قرار داده است. این مطالعه با ادغام مدیریت ارتباط با جامعه (CoRM) (مدل 4Cs)، جهت گیری بازاریابی رابطه مند (RMO)، تعامل با مشتری (CE) و اعتماد به برند (BT). به بررسی وفاداری به برند (BL) در صنعت بانکداری تایلند می پردازد. و چگونگی استفاده از چهار عامل موفقیت در جذب مشتری جدید، بازدهی کسب و کار، روابط بلند مدت و BL توسط یک بانک بازرگانی در تایلند را مورد تجزیه و تحلیل قرار می دهد. ما از داده‌های کمّی و مدل‌سازی معادلات ساختاری (SEM) برای شناسایی متغیرهای مؤثر بر BL 1650 مورد از مشتریان یک بانک تجاری تایلندی استفاده کردیم و دریافتیم که عوامل کلیدی موفقیت CoRM و RMO، با واسطه گری CE و BT تأثیر غیرمستقیمی بر BL داشتند. این نتایج شاید بتواند اثربخشی عملکرد پایدار در صنعت بانکداری را برای زمان حاضر و آینده بهبود ببخشد.

1 مقدمه

یکی از مهم ترین انقلاب های بازار محور در بخش مالی و بانکداری، فن آوری مالی است که محیط متنوع تری را برای خدمات مالی منحصر به فرد فراهم می کند. «استارت آپ های فین تک، توسعه دهندگان فن اوری، دولت ها، مشتریان مالی و موسسات مالی سنتی از عواملی هستند که به نوآوری در صنعت مالی که با تغییرات قابل توجهی در خدمات مالی سنتی مواجه است کمک می کنند (Sardianou و همکاران، 2021؛ ص 1784؛ Lee و Shin، 2018). بیش از دو میلیارد نفر در اقتصادهای نوظهور به خدمات بانکداری سنتی محدود شده اند، و کارآفرینان بلاک چین با ارائه راه حلهای جدید برای تبادل ارزش، شروع به بررسی این مشکل کرده اند (Frizzo-Barker و همکاران، 2020؛ Larios-Hern´ andez، 2017).

6.3. محدودیتها و تحقیقات آتی

استفاده صرفا از داده های کمّی، از محدودیت های این مطالعه است. محدودیتهای دیگر، به صنعت (بانکداری)، منطقه (تایلند) و حجم نمونه (زنان، 18 تا 29 ساله، و نسبت بخش خدمات) مرتبط است. بنابراین، این نتایج ممکن است برای سایر صنایع و کشورهای دیگر قابل اجرا نباشد. مطالعات آینده باید از داده های کیفی برای بررسی ارتباط بین CoRM، RMO، CE، BT و BL استفاده کنند و اکتشاف خود را به صنایع غیرمشابه و کشورهای دیگر با نمونه و مدل متعادل‌تر گسترش دهند.

Abstract

Business uncertainty due to the COVID-19 pandemic has brought financial and banking industries under stress. This study examines brand loyalty (BL) in the Thai banking industry by integrating community relationship management (CoRM) (4Cs model), relationship marketing orientation (RMO), customer engagement (CE), and brand trust (BT). It analyzes how a Thai commercial bank used four success factors to create new client acquisition, business efficiency, long-term relationships, and BL. We use quantitative data and structural equation modeling (SEM) to identify variables influencing the BL of 1650 customers of a Thai commercial bank. We found CoRM and RMO’s key success factors indirectly affected BL by mediating CE and BT. These results may improve sustained performance effectiveness in the banking industry now and in the future.

1 Introduction

One of the most significant market-driven revolutions in the financial and banking sector is financial technology providing a more varied environment for unique financial services. “Fintech startups, technology developers, governments, financial customers, and traditional financial institutions are elements that contribute to an innovative financial industry, which is facing significant changes in traditional financial services” (Sardianou et al., 2021, p. 1784; Lee and Shin, 2018). Over two billion people in emerging economies have been limited to traditional banking services, and blockchain entrepreneurs are starting to address this issue with new solutions for value exchange (Frizzo-Barker et al., 2020; Larios-Hern´ andez, 2017).

6.3 Limitations and further research

The sole use of quantitative data is a limitation of the study. Additional limitations relate to the industry (banking), region (Thailand), and sample size (females, aged 18–29, and the service sector proportion). Thus, the results may not be applicable to other industries and countries. Future studies should utilize qualitative data to examine associations among CoRM, RMO, CE, BT, and BL and extend their exploration to dissimilar industries and other countries, with a more balanced sample and model.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تأثیر مدیریت ارتباط با جامعه، جهت گیری بازاریابی رابطه مند، تعامل با مشتری، و اعتماد برند بر وفاداری به برند: پرونده یک بانک بازرگانی در تایلند

Effect of community relationship management, relationship marketing orientation, customer engagement, and brand trust on brand loyalty: The case of a commercial bank in Thailand

متغیرهای تاثیرگذار بر استفاده از رمزارزها: یک مدل پذیرش فناوری در اسپانیا

Variables Influencing Cryptocurrency Use: A Technology Acceptance Model in Spain

مقدمه

مروری بر مقالات

موضوعات و روشها

جمع آوری داده‌ها

مقیاس‌های اندازه گیری

مشخصات نمونه

متدولوژی آماری

نتایج

تحلیل مدل اندازه گیری

مدل توضیحی قصد استفاده از ارزهای رمزی (تحلیل مدل ساختاری)

بحث و نتیجه گیری

منابع

رمزی درست همانطور که اینترنت نحوه ارتباطات ما را متحول ساخته، در نحوه انجام معاملات تحولات چشمگیری ایجاد خواهد کرد. در حال حاضر بیش از 2،000 ارز رمزی در بازار عرضه می‌شوند، و بسیاری موارد دیگر در عرضه اولیه سکه برای استفاده به عنوان یک روش مبادله در یک اکوسیستم تجاری خاص و یا به عنوان حقوق دارایی‌ها یا بدهی‌ها، وارد بازار می‌شوند. ارزهای رمزی به عنوان یک فن آوری مالی نوظهور، فرصت‌های زیادی را ایجاد می‌کنند، اما ممکن است چالشها و محدودیتهای قابل توجهی را نیز  بوجود آورند. این مقاله، عوامل اصلی توسعه موفقیت آمیز یک ارز رمزی را از دیدگاه رفتار مصرف کننده مورد تجزیه و تحلیل قرار می‌دهد. ما با استفاده از یک چارچوب نظری پذیرش فن آوری، مدلی را بررسی می‌کنیم كه تقریباً می‌تواند 85٪ از موارد قصد استفاده از ارزهای رمزی را توضیح دهد. با کمال تعجب، ریسک عامل مهمی نبود. این امر ممکن است به این دلیل باشد که بیشتر پاسخ دهندگان استفاده از ارزهای رمزی را پرمخاطره می‌دانند. عدم تغییرپذیری در پاسخ آنها به سؤالات در مورد ریسک ادراک شده، می‌تواند توضیحی برای این عدم وجود قدرت تبیین باشد. با این حال، تمایل به مدیریت خطر ارز رمزی می‌تواند یک پیش شرط برای پذیرش آن باشد. پیش بینی عملکرد برای یک ارز رمزی معین، مهم‌ترین عامل موفقیت آن بود. این تحقیق در اسپانیا بر روی افراد دارای تحصیلات دانشگاهی که از  دانش پایه اینترنت برخوردار بودند انجام شد. 

بحث و نتیجه گیری

این تحقیق به دنبال بررسی یک مدل توضیحی از قصد استفاده از فن آوری جدید مالی یعنی ارزهای رمزی مبتنی بر بلاکچین بوده است. مدل ارائه شده بر مبنای متغیرهای مدلهای پذیرش فن آوری UTAUT می‌باشد. ریسک ادراک شده و سواد مالی نیز به عنوان متغیرهای خاص مورد استفاده در تجزیه و تحلیل پذیرش فن آوری مالی افزوده شدند. مدل پیشنهادی 84.8٪ واریانس را در قصد استفاده توضیح می‌دهد.

نتایج حاکی از آن است که متغیرهایی که بیشترین قدرت تبیین برای قصد یک سرمایه گذار برای استفاده از ارزهای رمزی را دارند، عبارتند از امید به عملکرد ( 68.45% از واریانس توضیح داده شده برای قصد استفاده) و شرایط تسهیل کننده (14.81%). امید به تلاش نیز دارای قدرت تبیین قابل توجهی بود، اما تأثیر کمتری داشت (4.99%). بقیه متغیرها (نفوذ اجتماعی، ریسک ادراک شده و سواد مالی) تأثیر قابل توجهی نداشتند (مقدار احتمال >0.1).

The first commercial transaction with the first cryptocurrency in 2010 marked the start of a revolution in transactions. Blockchain and cryptocurrencies will dramatically transform how we do transactions, just as the Internet revolutionized how we communicate. Currently, more than 2,000 cryptocurrencies are quoted on the market, and many more are being launched in initial coin offerings for use as an exchange method in a specific business ecosystem or as rights to assets or liabilities. As an emerging fintech, cryptocurrencies open up many opportunities, but they also pose significant challenges and limitations. This paper analyzes the key factors for the successful development of a cryptocurrency from a consumer-behavior perspective. Using a technology acceptance theoretical framework, we test a model able to explain almost 85% of the intention to use cryptocurrencies. Surprisingly, risk was not a significant factor. This could be because most of the respondents considered operating with cryptocurrencies to be risky; the lack of variability in their responses to the questions about perceived risk would explain this lack of explanatory power. However, willingness to manage cryptocurrency risk could be a precondition for adoption. The performance expectancy for a given cryptocurrency was the most important factor for its success. The research was conducted in Spain with college-educated adults with basic knowledge of the Internet.

DISCUSSION AND CONCLUSION

This research sought to test an explanatory model of the intention to use a new financial technology, namely, blockchain-based cryptocurrencies. The proposed model was based on variables from UTAUT technology acceptance models. Perceived risk and financial literacy were also added, as variables specifically used in the analysis of fintech acceptance. The proposed model explains 84.8% of the variance in the intention to use.

The results indicate that the variables with the greatest explanatory power for an individual investor’s intention to use cryptocurrencies are performance expectancy (explained 68.45% of the variance in the intention to use) and facilitating conditions (14.81%). Effort expectancy also had significant explanatory power, but the influence was smaller (4.99%). The remaining variables (social influence, perceived risk, and financial literacy) did not have a significant influence (p-value > 0.1).

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

متغیرهای تاثیرگذار بر استفاده از رمزارزها: یک مدل پذیرش فناوری در اسپانیا

Variables Influencing Cryptocurrency Use: A Technology Acceptance Model in Spain

تحلیل نوآوری های تکنولوژیکی در بخش بانکداری در هند

Technological Innovations in the banking sector in India: an Analysis

چکیده

مقدمه

تجزیه و تحلیل

1. شرکت های فین تک ترجیحا به جای رقیب، از شرکا محسوب می شوند.

2. رابط برنامه نویسی نرم افزار کاربردی (API) در پولی کردن دارایی های دیجیتالی و اطلاعات

3. پلتفرمی برای بسیاری از شرکت های فین تک

4. سیستم های امنیت سایبری با افزایش تهدیدات سایبری

5. خدمات فضای ابری

6. واقعیت افزوده برای ارائه تجربیات بیشتر مشتری

7. فناوری دفتر کل توزیع شده

8. بانکداری شناختی برای ارائه نوعی حد و مرز برای رقبا

9. اتوماسیون فرآیند رباتیکی

10. ابزارهای احراز هویت بیومتریکی

نتیجه گیری

چکیده

این مقاله با هدف شناسایی 10 راه حل مهم مبتکرانه در بخش بانکداری و تجزیه و تحلیل آن ها در زمینه فرضیات الگوهای روابط و ویژگی های محصول سازگار مرتبط با فناوری ارائه شده است. بانکداری، صنعتی می باشد که به سرعت در حال تحول است. بزرگترین تحول الگویی که تا به حال رخ داده است، دیجیتال سازی بانک ها با هدف ارائه مزایای گسترده می باشد. فناوری های مبتنی بر نوآوری، راه حل تعیین کننده ای در ارائه خدمات گوناگون بانکی و شخصی به پرتفوی مختلف مشتریان با کمترین هزینه خواهند بود. این فناوری ها حتی اگر با فرضیات الگوهای روابط همگرا باشد باید نشانگر برخی از محصولات بانکی مبتنی بر راه حل های پیشرفته باشد که ممکن است از درخواست های واقعی بازار پیشی بگیرد. ما توسعه فناوری را در بخش بانکداری آزمایش خواهیم کرد.

9- اتوماسیون فرآیند رباتیکی
صنعت مدیریت حساب نوعی مقابله با خطرات گسترده و درون سازمانی و از راه دور محسوب می شود که به بار موجود در خطوط برتر و پایه اشاره می کند. به دلیل مقابله بانک ها با خطرات توزیع، مرکزی برای گسترش تحول در ساختار چارچوب داخلی به منظور داشتن توانایی مقابله با مشکلات بیرونی سازمان وجود دارد؛ ممکن است کیفیت های چند جانبه مرتبط با تغییرات ارث بری، تحمیلگری برای بانک ها باشد تا رویکرد های گمان زا را برای اجرای کارایی های داخلی مورد بررسی و تحقیق قرار دهند. Rpa شیوه ای مبتنی بر محصول می باشد تا با سازمانی کردن روش ها با استفاده از اصول تجاری موجود و منطقی در میان نرم افزار های موجود به معامله بپردازد. زمانی که این روش در بانک ها به کار گرفته شود می توان فراروندهای دستی را کاهش داد؛ حجم بالای تراکنش های مبتنی بر قوانین را خودکار کرد و فراروند های مفرط را به طرز چشمگیری با کارایی بهتر و دقت بالا کنترل کرد. Rpa اعتبار بالایی می بخشد تا به دامنه های مختلف چرخه زندگی مشتریان به خصوص در دریافت کارت بانکی، پرداخت اقساط، انجام عملیات بانکی و پس انداز افزوده شود.

Abstract

The goal of the paper is to identify ten important innovative solutions in the banking sector and analyze them in the context of assumptions of the paradigm of relationships and features of product orientation with related to technology. Banking is a rapidly changing industry. The biggest paradigm shift that has occurred is the digitalization of banks which aim at providing customers with a broad scope of benefits. Technologybased innovations will be the key determinant in offering diversified and customized banking services to their varied customer portfolios, at a reduced cost. Even if it is convergent with the assumptions of the paradigm of relationships, it should be indicated that some banking products are based on advanced solutions that may surpass real market demands. We examine the development of technology in the banking sector.

9- Robotic Process Automation The managing an account industry is confronting extensive dangers, inside and remotely, prompting weight on both the best and base lines.As banks confront the risk of disturbance, there has been an expanding center around changing their inward frameworks to remain at pace with outer difficulties, be that as it may, the many-sided quality associated with inheritance change is compelling banks to investigate imaginative approaches to drive interior efficiencies. RPA is a product based way to deal with organizing exercises among existing applications by using existing business principles and logic. When executed in banks, RPA can decrease manual procedures, robotize rules-based high-volume exchanges and handle redundant procedures flawlessly with higher proficiency and exactness levels.RPA gives huge esteem add to different ranges of the client lifecycle, particularly credit preparing, installments, operations, and accumulations.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تحلیل نوآوری های تکنولوژیکی در بخش بانکداری در هند

Technological Innovations in the banking sector in India: an Analysis