Upgrade ระบบการเงินด้วย Big Data และ AI

Big Data เป็นคำที่ทุกคนชอบพูดถึง แต่หลายคนอาจจะไม่ได้เข้าใจมันจริงๆ ตอนนี้ถ้าใครอยากระดมทุนอย่างรวดเร็วก็มักจะใส่คำว่า Big Data, Artificial Intelligence (AI), Machine Learning, หรือ Deep Learning เข้าไปให้ดูเท่ๆ ในความเป็นจริงแล้ว ศาสตร์ทางด้านนี้มีความหลากหลาย และมีความซับซ้อนหลายระดับ ซึ่งหลายคนไม่เข้าใจ ไม่ใช่ว่าทุกอย่างที่มีคำว่า Big Data จะประสบความสำเร็จ แต่ความสำคัญของ Data ในชีวิตประจำวันของเรานั้นมีมากขึ้นเรื่อยๆ อย่างหลีกเลี่ยงไม่ได้

Trend ของ Big Data และ AI เติบโตมากับบริษัทที่ทุกวันนี้กลายเป็น Tech Giant อย่าง Amazon Google Facebook บริษัทเหล่านี้สามารถเก็บข้อมูลได้ในแบบที่โลกไม่เคยเห็นมาก่อน ด้วยพัฒนาการทางสังคม 2 ด้าน 1) การเติบโตของมือถือ Smart Phone (Mobile Technology) ที่อยู่ในกระเป๋าของทุกๆคน และ 2) การเข้าถึงข้อมูลและ Software ผ่าน Internet (Cloud Technology)

Photo by rawpixel on Unsplash

บริษัทยักษ์ใหญ่เหล่านี้จึงสามารถดึงข้อมูลผู้ใช้จำนวนมหาศาลมาเก็บไว้บนระบบ Digital โดยข้อมูลที่เป็น Digital เหล่านี้สามารถนำมาวิเคราะห์ได้ว่าลูกค้าต้องการอะไร และสร้าง Platform ที่ดีขึ้นเรื่อยๆ อย่างต่อเนื่อง เพื่อตอบสนองความต้องการของลูกค้า การพัฒนาอย่างต่อเนื่องแบบนี้เองสามารถทำให้ Amazon เปลี่ยนรูปแบบการค้าปลีกไปตลอดกาล ทำให้ปัจจุบัน Amazon เติบโตจนมีมูลค่าถึง 1 ล้านล้านเหรียญสหรัฐ หรือ กว่า 2 เท่าของ GDP ไทย บรรดา Startup ทั้งหลายจึงมองหาโอกาสเปลี่ยนแปลงหรือ Disruption ในอุตสาหกรรมอื่นที่เก่าแก่ อย่างธุรกิจ Bank โดยเป้าหมายก็คือการสร้างบริษัทที่จะแข่งกับ Bank เหมือนกับสิ่งที่ Amazon ได้ทำกับธุรกิจค้าปลีก

Data รูปแบบใหม่ในโลกการเงิน

ด้วย Mobile และ Cloud Technology ระบบการเงินของ Bank จึงกลายเป็นแอปในมือถือ ซึ่งมีข้อมูลเป็น Digital ที่สามารถนำมาใช้วิเคราะห์และประมวลผลได้อย่างที่ไม่เคยทำได้มาก่อน และเปิดช่องทางให้ Fintech Startup ในสหรัฐ สามารถนำ Technology ใหม่ๆ มาโจมตีช่องโหว่ของธนาคารได้เกือบทุกจุด เช่น Credit Karma บริษัทที่ให้คนเข้าไปตรวจสอบ Credit Score ของตัวเองได้ฟรี ได้ผันตัวมาให้บริการเป็นผู้แนะนำสินค้าทางการเงินต่างๆ โดยใช้ AI และ Algorithm มาวิเคราะห์ข้อมูลผู้ใช้และให้คำแนะนำเช่น คุณควรจะย้ายบัตร Credit Card จากธนาคาร Chase ไปที่ธนาคาร Capital One นะ เพราะธนาคารนี้ดอกเบี้ยถูกกว่า Credit Karma ก็ได้รายได้จากข้อตกลงกับ Partner หรือผู้ที่มาโฆษณาขายสินค้าทางการเงินต่างๆ บน Platform

ส่วนบริษัท Fintech ที่ปล่อยกู้ Consumer finance บนมือถืออย่าง Affirm และ LendUp ที่ปล่อยกู้ Personal loan ในสหรัฐ พบว่าลูกค้าที่ใช้เวลานานในหน้าแอป ใบสมัครขอกู้บนมือถือ มักจะมีโอกาสผิดนัดชำระหนี้ตำ่กว่า ลูกค้าที่ใช้เวลาสั้น เพราะคนที่ใช้เวลาสั้นมักจะไม่ได้คิดคำนึงถึงความสามารถในการผ่อนจ่ายของตัวเองมากนัก การวิเคราะห์ข้อมูลแบบนี้นำไปสู่การคาดการณ์โอกาสผิดนัดชำระซึ่งสำคัญต่อการอยู่รอดของบริษัทเงินกู้อย่างมากโดยเฉพาะลูกค้าที่ไม่มีประวัติการกู้ยืมมาก่อน ข้อมูลประเภทนี้มาจากการวิเคราะห์ Big Data ซึ่งมีได้ในระบบที่เป็น Digital เท่านั้น เนื่องจากเมื่อ 20 ปีที่แล้วนายธนาคารคงไม่สามารถใช้การวัดแรงกดปากกาของคนที่มาเซ็นขอเงินกู้ เพื่อวิเคราะห์โอกาสการผิดนัดชำระหนี้ได้เหมือนข้อมูลที่เป็น Digital

อีกตัวอย่างหนึ่งของการใช้ข้อมูลในแบบที่ธนาคารคิดไม่ถึงเช่น Startup อย่าง SoFi ที่ปล่อยเงินกู้ Personal loan ในสหรัฐ ใช้มาตราฐานการปล่อยกู้ที่ต่างไปจากธนาคารทั่วไป โดย SoFi จับกลุ่มลูกค้าที่บริษัทเรียกว่า HENRY หรือ High Earners Not Rich Yet โดยเลือกปล่อยกู้นักเรียนวิทยาศาสตร์ วิศวะ แพทย์ และกฎหมาย ซึ่งเป็นกลุ่มนักเรียนที่น่าจะมีเงินเดือนที่สูงในอนาคต แต่ปัจจุบันยังไม่รวยและไม่มีประวัติการกู้ยืมเงิน เพราะฉะนั้นธนาคารทั่วไปจึงไม่กล้าปล่อยเงินกู้คนกลุ่มนี้ เปิดช่องให้ SoFi สามารถเติบโตได้อย่างรวดเร็วในช่วง 3–4 ปีที่ผ่านมา ปล่อยเงินกู้ได้กว่า 3 พันล้านเหรียญสหรัฐ

ธนาคารเองก็ต้องปรับตัวนำข้อมูลและฐานลูกค้าเดิมที่ตัวเองมีอยู่แล้วมาใช้ผสมผสานกับ Big Data แอปของธนาคารในประเทศไทยเองก็เริ่มมีการนำข้อมูลมาใช้ทดลองเริ่มปล่อยกู้ Personal loan โดยส่งเป็นข้อเสนอวงเงินกู้ ไปที่แอปเป็นรายบุคคล ส่วน Fintech ที่เป็น e-wallet ในประเทศไทย ณ ปัจจุบันนี้ เช่น Rabbit LinePay TrueMoney หรือรายที่กำลังมาในอนาคตอย่าง Grab Financial และ JD Finance ก็ย่อมต้องใช้ Big Data มาสร้างรายได้ขายสินค้าทางการเงินต่างๆ (Cross-selling) บน Platform ตัวเองอย่างแน่นอน

Photo by Markus Spiske on Unsplash

AI ยกระดับการวิเคราะห์ข้อมูล

เมื่อยุค Digital นำมาซึ่งข้อมูลที่มากมาย เทคนิคการวิเคราะห์และประมวลผลจึงสำคัญมากไปด้วย เพื่อนำข้อมูลไปใช้ให้เกิดประโยชน์ทางธุรกิจจริงๆ ศาสตร์ทางด้านนี้เกิดการพัฒนาแบบก้าวกระโดด เมื่อเทคนิคหนึ่งในศาสตร์การพัฒนา AI แบบ Machine Learning ซึ่งเรียกว่า Deep Learning สามารถวิเคราะห์และประมวลผลนำข้อมูลจำนวนมากได้อย่างมีประสิทธิภาพแบบที่ไม่เคยทำได้มาก่อน เทคนิคนี้จึงเปิดประตูให้ Fintech และ Bank สามารถนำ AI มาประมวลผลข้อมูลที่มีจำนวนมหาศาลเพื่อแก้ปัญหาหลากหลายด้านไม่ว่าจะช่วยจับการฉ้อฉล ปล่อยกู้ลูกค้า หรือ chat กับลูกค้า

โลกการลงทุนก็นำ AI มาใช้สร้างความได้เปรียบในการลงทุน จะเห็นได้ว่ากองทุนต่างๆ นำ Machine Learning มาวิเคราะห์งบการเงินบริษัท หรือจับความนิยมของสินค้าด้วยจำนวนการ Search ชื่อสินค้าใน Google เพื่อสร้างความได้เปรียบในการลงทุน ด้าน Hedge fund ในสหรัฐ ก็ร่วมมือกับ Startup อย่าง Orbital Insight สามารถวิเคราะห์ราคานำ้มันด้วยการใช้ภาพถ่ายดาวเทียมติดตามนับจำนวนเรือขนส่งนำ้มัน หรือคาดการณ์ราคาข้าวโพดจากการวิเคราะห์สีความเข้มของภาพถ่ายไร่ข้าวโพดจากดาวเทียม แม้การทั่งนับจำนวนรถยนต์ในที่จอดรถของ Walmart เพื่อทำนายยอดขายในไตรมาสนี้

Photo by Rod Long on Unsplash

ประกันภัยก็เริ่มใช้ AI เช่นกัน Ant Financial ซึ่งเป็นบริษัทลูกของ Alibaba ในประเทศจีน ร่วมมือกับบริษัทประกันภัยต่างๆ พัฒนาแอปที่ให้คนขับรถส่งวีดิโอของรถยนต์ที่เสียหายจากอุบัติเหตุมาวิเคราะห์ด้วย AI เพื่อบอกผู้ใช้ว่าจะเรียกร้องความเสียหายจากบริษัทประกันได้เท่าไร และนำรถยนต์ไปซ่อมได้ที่ไหน ถ้า Alibaba ทำสำเร็จ การใช้ AI จะช่วยลดเวลาและลดค่าใช้จ่ายได้อย่างมากต่อทั้งบริษัทประกันภัย และผู้ซื้อประกันเอง

AI คือการยกระดับการวิเคราะห์ข้อมูลที่สร้างความได้เปรียบอย่างมหาศาลต่อบริษัทที่มี Data อยู่ในมีจำนวนมากไม่ว่าจะเป็นธนาคารเองที่มีข้อมูลลูกค้าจำนวนมากอยู่แล้ว และ Startup ใหม่ๆ ใช้กลยุทธ์ให้บริการฟรีๆ หรือค่าธรรมเนียมศูนย์เพื่อดึงลูกค้ามาที่ Platform ตัวเอง ดังนั้น AI จึงเป็นเครื่องมือที่ทุกธุรกิจสามารถนำมาใช้สร้างประโยชน์ได้ เพราะจริงๆแล้วเราก็ใช้ AI กันทุกวันไม่ว่าจะเป็นการแปลภาษาใน Google Translate หรือการ Tag รูปที่ post ใน Facebook รวมถึงการหาสินค้าใน Amazon

การเติบโตของ Big Data และ AI ที่กล่าวมาจึงผลักดันให้ความจำเป็นในการเก็บข้อมูลเพิ่มขึ้นมากไปด้วย บริษัท Cisco ประเมินว่าจำนวน Data Center จะเติบโต 13% ต่อปีจาก ปี 2016 ถึง 2021 ในขณะที่การสื่อสารผ่าน Data Center จะเติบโตถึง 25% ต่อปีในช่วงเวลาเดียวกัน ผู้เขียนเองในฐานะที่ปัจจุบันบริหารกองทุน K-PROP ของ บลจ.กสิกรไทย ซึ่งมีการลงทุนใน REIT ที่มีทรัพย์สินเป็นอสังหาริมทรัพย์ประเภท Data Center (จากรายงานประจำปี ณ วันที่ 31 พฤษภาคม 2018) จึงจับตาการเติบโตของอุตสาหกรรม Data Center เป็นพิเศษ และอยากให้ผู้อ่านได้ตระหนักถึงความสำคัญของ Big Data และ AI ด้วยเพราะ Trend นี้จะส่งผลต่อทุกธุรกิจ

ในอนาคต Big Data และ AI คงไม่ใช่คำพูดที่ดูเท่ๆ สำหรับให้บริษัท Startup ระดมทุนได้ง่ายๆ อีกต่อไป แต่คงเป็นคำพูดที่น่าเบื่อเพราะทุกบริษัทต้องเป็นบริษัทที่มี Big Data และ AI อยู่ในมือถึงจะสามารถแข่งขันทางธุรกิจได้

ธีรวัฒน์ บรรเจิดสุทธิกุล, CFA, FRM, CAIA


บทความนี้เป็นความเห็นส่วนตัวของผู้เขียน ไม่เกี่ยวข้องใด ๆ กับหน่วยงานที่ผู้เขียนสังกัดอยู่

การลงทุนมีความเสี่ยง ผู้ลงทุนควรศึกษาข้อมูลก่อนการตัดสินใจลงทุน

The comments, opinions and analyses are the personal views expressed by Theerawat Bunjerdsutikul and are intended to be for informational purposes and general interest only and should not be construed as individual investment advice or a recommendation or solicitation to buy, sell or hold any security or to adopt any investment strategy. Investing involves risk, including possible loss of principal. It does not constitute legal or tax advice. The information provided in this material is rendered as at publication date and may change without notice and it is not intended as a complete analysis of every material fact regarding any country, region, market or investment. Reliance upon information in any posting on this site is at the sole discretion of the viewer.

Welcome to a place where words matter. On Medium, smart voices and original ideas take center stage - with no ads in sight. Watch
Follow all the topics you care about, and we’ll deliver the best stories for you to your homepage and inbox. Explore
Get unlimited access to the best stories on Medium — and support writers while you’re at it. Just $5/month. Upgrade