ان سب سے بڑے چیلنجوں پر قابو پانا جن کا مالیاتی اداروں کو سامنا ہوتا ہے جب یہ تجزیات استعمال کرنے کی بات آتی ہے۔

مالیاتی ادارے فطرت سے ڈیٹا پر مبنی ہوتے ہیں۔ ان کے تمام بنیادی عمل - بشمول گاہک کی مناسبیت کے جائزے، کریڈٹ ایلوکیشن کے فیصلے، اور لیکویڈیٹی بفرز مینجمنٹ - بہترین رسک سے ایڈجسٹ کاروباری فیصلے کرنے کے لیے ڈیٹا تک رسائی اور AI ماڈلز پر منحصر ہیں۔ 

اعداد و شمار کی اس قربت سے مالیاتی خدمات کے اداروں کو مکمل تجزیات اور AI ایمبیڈنگ میں تیز رفتاری فراہم کرنے کی طرف ایک آغاز ملنا چاہیے، لیکن اس میں اہم رکاوٹیں باقی ہیں۔ 

آئیے ڈیٹا تک رسائی کے ساتھ شروع کریں۔

ڈیٹا مالیاتی اداروں کی روٹی اور مکھن ہے، ڈیٹا ڈھانچے کے ساتھ جو کاروباری ماڈلز اور بنیادی معلوماتی نظام کی تاریخی ساخت سے آتے ہیں۔ اس کے نتیجے میں، ڈیٹا اکثر مصنوعات اور سرگرمیوں کے ذریعہ ترتیب دیا جاتا ہے۔ 

انضمام اور حصول کی تاریخوں نے انفارمیشن سسٹم کی بنیادوں کو بھی متاثر کیا ہے، جس سے ڈیٹا تک رسائی میں آسانی کے لیے میراثی بوجھ اور رکاوٹیں پیدا ہوتی ہیں۔ یہ، ڈیٹا تک رسائی کے ارد گرد ریگولیٹری انتظامیہ کی اعلی سطح کے ساتھ مل کر، تجزیاتی ترقی میں پہلی اہم رکاوٹ ہے۔  

تنظیموں کے لیے پہلا قدم یہ تسلیم کرنا ہے کہ تجزیات کے ساتھ اسکیلنگ ڈیٹا تک رسائی کو وسیع کرنے کے ساتھ شروع ہوتی ہے۔ بینک اور انشورنس کمپنیاں مختلف وجوہات کی بناء پر ایسا کرنے میں بجا طور پر انتہائی ہچکچاہٹ کا شکار ہیں جن میں ریگولیشن (مثلاً، GDPR)، مرکزی گوداموں کی عدم موجودگی، بنیادی ڈھانچے کی لچک پر سمجھے جانے والے خطرات، اور بہت کچھ شامل ہیں۔ 

تاہم، صحیح سرعت فراہم کرنے کے لیے یہ ایک اہم قدم ہے۔ یہ کھلی تجرباتی جگہوں کی چستی کو مضبوط گورننس کے ساتھ گیٹ کریٹیکلٹی اسسمنٹ اور پروڈکشن میں منتقل کرنے کے لیے جوڑ کر کیا جا سکتا ہے۔ 

اس حکمت عملی کے اہم فوائد میں سے ایک یہ بھی ہے کہ ڈیٹا مینجمنٹ ٹیموں کو ثبوت پر مبنی نقطہ نظر کی طرف جانے کی صلاحیت ہے۔ کیوں؟ کیونکہ تمام کاروبار یہ دعویٰ کریں گے کہ ان کا ڈیٹا انتہائی اہمیت کا حامل ہے، اسی طرح تمام ٹیمیں ہمیشہ اپنے ٹولز سے ریکوری پلانز پر P1 کا درجہ رکھنے کے لیے کہیں گی۔ 

ٹھوس استعمال پر ثبوت کا فائدہ اٹھانا انتظامی مباحثوں اور قابلیت کی تکلیف دہ کوششوں کو کم کرنے کا ایک طاقتور طریقہ ہے۔ یہ، یقیناً، تمام متعلقہ خطرات کو کم کرنے کے لیے صحیح قسم کے ٹیکنالوجی کے ڈھانچے کے ساتھ کرنے کی ضرورت ہے - چاہے وہ نمونہ ڈیٹا کا استعمال کرتے ہوئے ڈیٹا تک رسائی کے نقطہ نظر سے ہو، سیکیورٹی اور رسائی کنٹرول تک۔   

اپ سکلنگ کی اہمیت

تجزیات کی ترقی میں ایک اور اہم رکاوٹ اعلیٰ مہارت اور اعتماد سے منسلک ہے۔ ماڈلنگ ماہرین کے درمیان مالیاتی خدمات کے اداروں میں اوسط ڈیٹا خواندگی کی سطح زیادہ ہے۔ تاہم، دوسروں کے لیے، کاروباری ایمبیڈڈ اینالیٹکس کی طرف جانے کے لیے ذہنیت میں تبدیلی کے ساتھ ساتھ ممکنہ ٹیکنالوجی کو بہتر بنانے اور انتظام میں تبدیلی کی ضرورت ہے۔ 

ایک اچھی مثال یہ ہے کہ غیر حاضر ڈیٹا سے کیسے نمٹا جائے۔ کچھ ڈومینز ایسے ہیں جہاں پراکسی لینا بالکل قابل قبول ہوگا، اور دوسرے جہاں پراکسی لینا ناقص عمل ہوگا۔ اگر کسی خاص دن تجارت کیے جانے والے تمام آلات کی قیمتیں اور خصوصیات نہیں ہیں، تو ایسے وقت بھی آتے ہیں جب تخمینہ لگانا کافی معنی رکھتا ہے (مثال کے طور پر، مارجن کالز اور خطرات کا اندازہ لگانا)۔  

تاہم، بعض صورتوں میں، "اندازہ لگانا" خالی ڈیٹا فیصلہ سازی پر اہم اثر ڈال سکتا ہے۔ تجزیات کو اپنانے کے لیے تیار کمپنیوں کو اپنے ملازمین کی تربیت میں سرمایہ کاری کرنی چاہیے اور خطرے کے ماہرین، کاروباری پیشہ ور افراد، اور ڈیٹا سائنسدانوں کے درمیان تبادلے اور کنٹرول کو منظم کرنے کے لیے ایک مناسب تعاون کا ماحول بنانا چاہیے تاکہ اچھی طرح سے کنٹرول شدہ اقدامات کو فروغ دیا جا سکے۔

مالیاتی خدمات کا شعبہ AI کے ساتھ کس طرح کامیابی حاصل کر رہا ہے؟ 

AI کے سفر کو قبول کرنے والی سب سے پہلے سرمایہ کاری کی ٹیمیں تھیں، جنہوں نے — مارکیٹ کی منفرد بصیرت اور سرمایہ کاری کے ماڈلز کی مسلسل تلاش میں — نے AI میں اختراع کرنے کا ایک منفرد موقع دیکھا ہے۔ اگرچہ یہ چند لوگوں کے لیے بہت کامیاب رہا ہے، لیکن اس نے بہت سے بے نتیجہ اقدامات بھی کیے ہیں اور ایک حد تک اس غلط فہمی کو جنم دیا ہے کہ AI صرف جدت طرازی اور مارکیٹ کے انتہائی جدید موضوعات کو کچلنے کے لیے ہے۔ 

وہ مالیاتی کمپنیاں جو AI کے ساتھ سب سے زیادہ کامیاب رہی ہیں وہ ہیں جو اپنے AI اقدامات کو "ایک دن حل کرنے والے موضوعات" پر مرکوز کرتی ہیں جیسے آپریشنل پروسیس کی اصلاح، کسٹمر کے تجزیات اور کسٹمر کے سفر میں اضافہ، تمام جہتوں میں رسک مینجمنٹ، اور بہت کچھ۔

10 سال سے زیادہ گہری ریگولیٹری تبدیلی کے بعد، تمام مالیاتی کھلاڑیوں نے اپنے خطرے کے فریم ورک کو نمایاں طور پر بڑھایا ہے۔ لیکن تمام جہتوں میں بہت کچھ کرنا باقی ہے۔ خطرے کے انتظام میں AI کے کامیاب انضمام نے بینکاری نظام کی مضبوطی میں معاونت میں اہم کردار ادا کیا ہے، جس میں تحقیقات میں چستی اور اثر، نئے داخلی کنٹرول کی ترقی، اور تجزیات کے ذریعے مالیاتی جرائم کی نگرانی میں اضافہ شامل ہے، چند مثالوں کے نام۔

AI خطرے کی تشخیص میں بھی ایک حقیقی انقلاب ہے، خاص طور پر متبادل ڈیٹا کے بہتر استعمال کے ذریعے۔ یہ روایتی خطرات اور ابھرتے ہوئے خطرات جیسے کہ موسمیاتی تبدیلی دونوں کے لیے درست ہے، تمام مالیاتی کھلاڑیوں — بینکوں اور بیمہ کنندگان کو یکساں طور پر — اس بات پر دوبارہ غور کرنے میں مدد کرتے ہیں کہ وہ خطرات کی قیمت کیسے لیتے ہیں۔ وہ لوگ جنہوں نے متبادل ڈیٹا اور چست ماڈلنگ کا فائدہ اٹھانے میں ایک مضبوط مہارت تیار کی ہے وہ صحت کے جاری بحران کے دوران اپنی سرمایہ کاری سے صحیح معنوں میں فائدہ اٹھانے میں کامیاب رہے ہیں، جس نے روایتی ماڈلز (خاص طور پر کارپوریٹس کے لیے اسکورنگ پر) کو گہرا چیلنج کیا۔

آخر میں، صارفین پر AI کے مثبت اثرات کو کم نہیں سمجھا جانا چاہیے۔ مالیاتی خدمات کا سامنا ایک جارحانہ مسابقتی منظر نامے کے ساتھ ساتھ صارفین کی طرف سے بہتر ذاتی نوعیت کے مطالبے کے ساتھ ہوتا ہے، ان تنظیموں میں بہتر گاہک کے رجحان کو آگے بڑھانا۔ مکمل کسٹمر کے خیالات کو بنانے اور کسٹمر کے سفر کو بہتر بنانے کی صلاحیت، خاص طور پر کلیمز مینجمنٹ پر، ان شعبوں کی دو مثالیں ہیں جہاں AI نے بینکوں اور انشورنس کمپنیوں کے اندر گہری تبدیلی کو نمایاں طور پر سپورٹ کیا ہے، اور مزید بہت سے مواقع تلاش کیے جانے کے منتظر ہیں۔ 

مجموعی طور پر، تجزیات اور AI زیادہ تر کے لیے حاصل کرنے کا ایک اہم موقع بنے ہوئے ہیں۔ یہ حقیقت کہ ہم دیکھ رہے ہیں کہ AI اور analytics ڈیٹا لیبز سے زیادہ کثرت سے باہر نکلتے ہیں تاکہ کاروباری لائنوں میں مکمل طور پر سرایت ہو جائے، یہ ظاہر کرتا ہے کہ حرکت موجود ہے۔ تاہم، ابھی بہت کچھ کرنا باقی ہے، اور یہ دیکھنے کے لیے کھلاڑیوں کے درمیان ایک دوڑ لگی ہوئی ہے کہ کون پہلے پوری صلاحیت کو استعمال کرے گا۔ میری شرط ان لوگوں پر ہوگی جو ڈیٹا تک رسائی میں ٹھوس اور سمجھی جانے والی رکاوٹوں کو دور کرنے کا فیصلہ کرتے ہیں، گورننس پر مشترکہ زور دیتے ہوئے، منظم عمل کو بڑھانے پر فیصلہ کن توجہ مرکوز کرتے ہیں۔

• SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
• پلیٹوآئ اسٹریم۔ ویب 3 ڈیٹا انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
• ایڈریین ایشلے کے ساتھ مستقبل کا نقشہ بنانا۔ یہاں تک رسائی حاصل کریں۔
• PREIPO® کے ساتھ PRE-IPO کمپنیوں میں حصص خریدیں اور بیچیں۔ یہاں تک رسائی حاصل کریں۔
• ماخذ: https://www.finextra.com/blogposting/24220/overcoming-the-biggest-challenges-that-financial-institutions-face-when-it-comes-to-using-analytics?utm_medium=rssfinextra&utm_source=finextrablogs