[產業]新科技帶給銀行遵循法規改變
原文:Transforming Bank Compliance with Smart Technologies
前言
原文來自於 BCG 出版的文章,分析銀行產業在遵循部門(包括反洗錢、法尊、稽核、營運等,可能都涵蓋在內),在數位化時代下,應該要進行怎麼樣的組織變革。
銀行業是一個受到法規高度控管的產業,因為涉及到『金錢』的流通,而近年來我們可以看到各國日益重視洗錢的控管(像是兆豐在美國被查到洗錢),各大銀行也都開始建設反洗錢部門,法遵部門更是忙得半死,從此可以推得銀行耗費了更多的資源在法規遵循,而數位化的許多工具,是能夠幫助節省這些成本。
這篇文章是在 2017/07/18 出版,我猜測 BCG 在過去的時間裡應該已經有確實給銀行過策略意見,才能夠把 hole picture 敘述出來。而自己因剛好在銀行稽核部門擔任數據分析的實習,看完這篇文章讓我能夠有『高一個層次』的思維,更加了解我現在所負責的專案,位在這樣一間一萬五千人銀行中扮演什麼樣的角色,而我應該可以在朝向哪個方向學習與發展。
以下我對整篇文章,依據我自己的理解進行摘要:
發展一個以遵循導向的營運模式
(DEVELOPING A COMPLIANCE TARGET OPERATING MODEL)
這樣的營運模式,必須針對不同的風險進行應對:
financial crime risk
- Money Laundering and Terrorism Financing 洗錢、黑錢
- Sanctions and Embargoes 制裁、禁運
- Bribery and Corruption 賄賂、貪污
conduct risk
- Market Conduct 不同的市場應對的行為
- Customer Conduct 顧客相關:跨國交易、透明、顧客導向與法規抉擇
- Culture and Ethics 符合文化、道德
應對這樣不同類別的風險讓銀行要設計一個遵循為導向的營運模式,而一個最適化的營運模就是透過以下五個層面來應對以上風險:
- A Compliance Strategy 遵循策略,針對遵循設定目標、權力、責任。執行面包括合格的顧客、適合的金融商品、應對的市場等等。
- Governance and Organization 治理與組織,不論是優先順序、組織框架、管理結構等等,都要考慮法法律的遵循。像是建立反洗錢部門。
- Compliance Risk Management 這是最重要實際執行的部分,企業營運模式 80% 以上都著力於此。又以以下五個主要領域最為重要:了解法規建立規範(Monitoring Regulatory Requirements and Defining Standards)、評估風險進而發展策略(Assessing Risks and Defining Strategy)、訓練與諮詢(Training and Advising )、 執行控管並持續追蹤(Controlling and Testing)、針對各個風險領域評量並匯報(Measuring and Reporting)
- A People Strategy 持續擁有適合人才
- A Policy Framework 對於整個營運模式有計劃、應對措施
新科技應用在遵循風險管理
SMART TECHNOLOGIES IN COMPLIANCE RISK MANAGEMENT
在現代新的科技趨勢下,透過智能科技大量搜集資料,並進行處理而需要以下四個步驟來進行資料的分析:
各種方式搜集資料,進行不同的分析,從分析中學習,最後以智能化的方式呈現過程中發現的觀點,在未來進行主動、被動式的監測、控管。
Collection 蒐集
- Optical Character Recognition. 符號辨識
- Voice and Speech Recognition. 音訊/語速辨識
- Image and Facial Recognition. 圖像/臉部辨識
Analysis 分析
- Data Mining. 資料探勘
- Case-Based Reasoning. 個案分析
- Rule-Based Expert Systems. 專家規則性系統分析
Learning 學習
- Supervised Learning. 監督學習
- Unsupervised Learning. 非監督學習
- Reinforcement Learning. 強化學習
- Deep Learning. 深度學習
- Recommender System. 推薦系統
Action 行動
- Natural-Language Understanding. 語言分析
- Natural-Language Generation.
- Speech Synthesis.
- Machine Translation.
- Sentiment Analysis. 情緒分析
- Business Process Management Tool.
- Robotic Process Automation. 自動化設計
以上這個看似正確且簡單的程序,真的要實作起來,現在應該還沒有一家銀行能夠達到此水準。搜集資料還會需要許多的硬體設備資源,分析、學習部份則是銀行的數據分析部門需要有更高的技術,像是 data mining machine learning 這些的專家、博士。最後在行動更是差得更遠,據我所知台灣的各大銀行,現在(2017/07) 還是有一大票的後台營運人員,負責處理交割、稽核等事宜。
較初接的應用偏向規則性系統分析( Rule-Based Expert Systems.),藉由專家對於某些領域的知識,想出一些規則來分析、過濾大量的資料。像是要符合 Basel ,可能其中有哪些條款,而這些條款過去應該有哪些被鑽過的漏洞,可以藉由壹些規則來篩選出來,來進行遵循。之後可以把這樣的一段刪選程式進行自動化的分析,或應用於類似的案例。但在此案例要應用到『學習』還相差甚遠。
智能科技評估架構
AN ASSESSMENT FRAMEWORK FOR SMART TECHNOLOGIES
在最後 BCG 提出對以上的分析步驟中各個分析方式的評估架構,為一個二維度分析的圖,兩軸分別是工作的重複性、 rule based 程度。並將此分成三個層級:
Machine Room
工作重複性高、rule based 程度高。可以高度自動化的工作,當寫好一個程式以後,可以大量、重複的運用。包括資料辨識、自動化、程序處理工具。
Basic Analytics.
工作重複性中、rule based 程度中。可以做出一個基本的架構,不過許多參數,還是會需要隨情況進行更動。包括自然語言處理程序、 個案分析應用、專家規則性系統分析。
Advanced Analytics.
工作重複性低、rule based 程度低。特定的分析要處理非結構化的資料,並且發現特定的觀點。包括機器學習演算法、資料探勘等等。
藉由這樣的二維度分析,其實可以發現人們未來對於這種工作的需求,像是 Machine Room 類型的工作,可能就會變成一次性的工作,假如一次性成本高,可能就乾脆跟外包廠商買。Basic Analytics. 類型的工作,入門門檻較低,不過持續會有此工作的需求。Advanced Analytics. 類型的工作,因為能夠發現 insight ,我自己認為是未來最有機會創造價值的部分,也是入門門檻最高的工作。
智能科技應用於顧客審視
(DEEP DIVE: SMART TECHNOLOGIES IN CUSTOMER ONBOARDING)
『遵循』要進行應用其實須對客戶有很深入的了解,因為這些金融風險是來自於客戶。發展一個合宜的遵循營運策略,除了分析風險來源以及應用科技工具以外,還是需要進行縝密的規劃。
onboarding
- 簡單了解顧客資訊 Optical Character Recognition. Robotic Process Automation
- 增加顧客資訊取得 Optical Character Recognition. Robotic Process Automation
- 信行顧客盡職調查 Robotic Process Automation
- 進行審視 Robotic Process Automation
- 顧客風險評估 Machine Learning
- 對風險評估、盡職調查結果進行評估 Robotic Process Automation
- 深入盡職調查
- 與此顧客開始合作
在此舉出一個應用的框架以及相關的應用工具。
如何進行?
WHAT SHOULD BANKS DO NEXT?
- Conduct a compliance health check 了解現在的不足之處
- Define the target operating model 未來期望達到的營運模式
- Create a roadmap for implementation 製作一個執行計畫
- Assess digitization opportunities and technologies 了解各項技術工具的可行性與機會
- Conduct pilot for proof of concept 進行先行的測試專案來驗證概念
- Create a roadmap for large-scale rollout 製作大規模運用的計畫
心得
take away
- 『遵循』是為了處理不同的風險,隨著工具的革新能夠更加有效率。
- 未來營運部門會出現需要高階人力以及大量自動化的趨勢。重複性、ruled based 工作必定被更節省成本的方式取代(外包軟體、設計自動化)。未來需要更多高階人才/專家來進行數據、人類行為的洞察。
- 這樣的數位化應用也可以應用於不同產業,像是電信、製造,只不過金融業牽涉到『錢』,衝擊生活的速度最快,未來營運的類似應用必定出現在不同產業。
