“Nyiss pékséget, azok soha nem mennek tönkre” – szokta mondani Édesapám. Éppoly vicces, ahogy hangzik. Vannak olyan iparágak, amelyek a lakosság 99%-át szolgálják ki, így teoretikusan nézve, mindig szükség van rájuk. Hasonlóképpen, mindenkinek szüksége van pénzre az áruk megvásárlásához, ezért szinte mindannyian és majdnem minden nap találkozunk a pénzügyi technológiákkal. Ebben eddig semmi új nincs. A COVID-19 olyan új helyzetet hozott, melyben egyes fintech megoldások szárnyalni kezdtek. Így például a távoli bankolás, a kriptovaluták vagy a mesterséges intelligencián alapuló kereskedési technológiák növekedésnek indultak, és a sor épphogy csak elkezdődött.

A cikk szerzői a digitális innovációval és termékfejlesztéssel foglalkozó Canecom csapatának tagjai, akikkel az érdeklődők a FinTechShow-n is találkozhatnak 2021. október 7-8. között.

“A Global COVID-19 FinTech Market Rapid Assessment Study szerint az Egyesült Királyságban és Európában a digitális tranzakciók összesített száma és az új vásárlók száma éves szinten 17, illetve 21 %-kal nőtt.” Ez a fintech cégek számára fényes jövőt vetít előre.

Olyannyira igaz ez, hogy az elmúlt néhány év történései eredményeként a fintech a Canecom egyik stratégiai területévé vált. Nézzük, milyen trendeket látunk (nem preferencia sorrendben):

1. Mikroszolgáltatások a tömegek számára
2. Prediktív elemzési eljárások
3. Autonóm pénzügyek
4. “Longevity Banks” – a “Szépkorúak bankjai”

1. Mikroszolgáltatások a tömegek számára

A pénzügyi rendszereket monolitikus természetük miatt nemcsak nehéz, hanem időigényes és költséges módosítani, és a gyorsan változó digitális korban a felhasználói igények változására is nehezen reagálnak. Ez erőteljes igényt teremtett új, jobb testreszabást és gyorsabb megtérülést lehetővé tevő architektúra kialakítására.

A mikroszolgáltatások bevezetése jelentette a megoldást, tekintve, hogy jóval nagyobb rugalmasságot, skálázhatóság és fejlesztési sebességet kínálnak.

A mikroszolgáltatások a monolitikus alkalmazást meghatározott üzleti lehetőségek mentén kisebb, független, telepíthető szolgáltatásokká bontják szét.

A mikroszolgáltatások típusú megközelítés az új startupok számára alapmegközelítéssé vált, egyúttal az alkalmazások újratervezésének kedvenc módszere lett. Még a nagyvállalatok számára is elengedhetetlenné vált a technikai módszereik frissítése, hogy az új korszak igényeivel lépést tudjanak tartani.

Többek között az Amazon, a PayPal, a Capital One és a Monzo sikereihez is hozzájárult a mikroszolgáltatás logika bevezetése.

A mikroszolgáltatás-architektúra alkalmazásának köszönhetően gyorsan tudtak skálázódni és kiváló eredménnyel teremtettek értéket vásárlóik számára.

Két kapcsolódó altrend:

• Konténerek: A mikroszolgáltatás-alapú alkalmazások fejlesztésének és telepítésének egyik legjobb módja a konténerek alkalmazása annak eredményeként, hogy a konténerek használata hatékony és csökkentheti a rezsit. Konténer építési platformként az egyik legnépszerűbb választás a Kubernetes, amely jelentősen felgyorsítja az alkalmazások teljes fejlesztési folyamatát egészen a telepítésig. A konténerek alkalmazása az egyik olyan már ma is népszerű trend, mely iránti az érdeklődés egyre növekszik.

• Mesterséges intelligencia a mikroszolgáltatásokban, különösen a mikroszolgáltatások menedzselésében. Legyen szó terhelés-előrejelzésről, biztonságról, személyreszabásról vagy erőforrástervezésről, a mesterséges intelligencia megjelenése a mikroszolgáltatásokban jelentősen megkönnyítette egy sor menedzsment jellegű kihívás kezelését.

2. Prediktív analitikai eljárások

A kiberbiztonság továbbra is az egyik legnagyobb kihívás, amellyel a pénzügy iparág szembenéz. A prediktív analitikai megoldások hatalmas szerepet játszanak a csalás elleni védekezésben, és erősítik a kiberbiztonsági intézkedések hatékonyságát.

A prediktív elemzés gépi tanulás, algoritmusok és big data felhasználásával a vásárlók múltbeli magatartása alapján bizonyos események jövőbeni valószínűségét jelzi előre. Ugyanez a technológia használható a vásárlói élmény javítására, kapacitás-modellezésre is.

A kis és feltörekvő piaci szereplők számára jelentős segítséget adhat a nagy cégekkel szembeni versenyben azzal, hogy hiper-perszonalizált és dinamikus ügyfélélmény nyújtását teszi lehetővé.

A modern AI és ML (gépi tanulás) vezérelt társaságok olyan valós idejű adatelemzéseket tudnak végezni, amelyek 10 évvel ezelőtt órákat, napokat, vagy akár heteket igényeltek. A valós idejű elemzés lehetővé teszi az adatok feldolgozását, mérését és értékelését közvetlenül az adatbázisba kerülést követően, ami valójában megteremti az előretekintő elemzés alapjait.

Példák a prediktív analitikai eljárások alkalmazására:

• Csalások kiszűrése, azonosítása: ma már a fogyasztói viselkedés legkisebb változását is felismerhetjük, észlelhetjük. Az eltéréseket a fogyasztó tranzakció története, vagy akár a nyilvánosan elérhető adatai, pl. közösségi média adatai alapján tudjuk elemezni. Így például lehetővé válik tranzakció, vagy nagy összegű készpénzfelvétel blokkolása, vagy szokatlan helyszínről a számlához való hozzáférés megakadályozása mindaddig, amíg a fogyasztó a tranzakciót megerősíti.

• Vásárlói érték, vásárlóerő modellezése: a prediktív adatelemzési eszközök képesek arra, hogy automatikusan elemezzék a fogyasztó hitel- és tranzakció történetét, közigazgatási ügyintézéseit, vagy akár közösségi média aktivitását. Ennek eredményeként a pénzügyi szolgáltatók megbecsülhetik egy jövőbeni ügyféllel kapcsolatosan esetlegesen felmerülő hitelkockázatukat, vagy az adott ügyfélhez kapcsolódó nettó profitabilitást.

• Személyreszabás: A McKinsey&Company Report megállapításai alapján a fintech szektorban a személyreszabott élmény a bevétel 15 %-os növekedését adja. Minthogy minden vállalkozásban a legértékesebb az ügyfél, elindult a hiper-perszonalizációs verseny. A verseny fő hajtóereje a prediktív elemzési technológiák és eszközök, melyek betekintést nyújtanak a társadalmi-gazdasági trendek alakulásába, a fogyasztók költési szokásainak változásába.

3. Autonóm pénzügyek

így kialakíthatunk olyan eljárásokat, hogy ügyfeleink könnyebben és gyorsabban bankolhassanak.

Egyszerű példa, ha azt látjuk, hogy a vásárló rendszeresen ugyanarra a számlára küld pénzt, javasolhatjuk, hogy automatizálja ezt a tranzakciót. A fintech szolgáltatók kialakíthatnak egy olyan folyamatot (feedback loop), amellyel a vásárló a döntését könnyebben és stresszmentesebben hozhatja meg.

“Pont úgy, ahogy a Google Maps-be beírod a címet és az alkalmazás megmutatja az optimális utat, az Autonóm Pénzügyi alkalmazások a végcél ismeretében kiszámolják, hogy hogyan érheted azt el. ”

– QuHarrison Terry (post: 2 Major Trends in FinTech: Autonomous Finance & Longevity Bank).

4. Longevity Banks – a “Szépkorúak bankja”

Margaretta Colango írta a Forbesban: “A vásárlóerőt nézve a legerősebb demográfiai csoport a 7. kontinens jelenleg mintegy 1 milliárd 60 év feletti polgára. E vásárlói csoport globális költési képessége a várakozások szerint ebben az évben 15 trillió dollár lesz. Ki szolgálja ki ezt a piaci szegmenst?

Azon 60 év feletti polgároknak, akik optimalizálni akarják vagyonukat, a hosszú életciklusra tervező bankok és a fintech 2.0 szolgáltatások lesznek vonzók.”

A “Longevity” bankok adat- és prediktív modellekkel meghatározzák, hogy kik azok az ügyfelek, akik várható élettartama hosszabb az átlagosnál és segítik ezen ügyfélkör pénzügyi döntéseit.

Margaretta jóslata, hogy a “Szépkorúak Bankjai” egyfajta nyugdíjas közösségekké is válhatnak, ahol megfelelő gyógyszerekkel akár a nyugdíjasok élettartama is növelhető és a közösség olyan struktúrát is felépíthet, amely támogatja az idősek pénzügyi stabilitását.

Még ha a jóslat nem is válik valósággá, egyértelműnek látszik, hogy az idősödő korosztályokra figyelő fintech cégek – tekintettel az emberi élettartam emelkedésére – növekedni fognak.

Ugyanakkor azt is jelenti, hogy az embereknek vagy tovább kell majd dolgozniuk, vagy jobban kell kezelniük megtakarításaikat, ha aggodalom nélkül akarják nyugdíjas éveiket élni.

Címlapfotó forrása: Adobe Stock by kerkezz