นายโสภณ วิจิตรเมธาวณิชย์
ฝ่ายกลยุทธ์สถาบันการเงิน
ฐานข้อมูลขนาดใหญ่ (big data) ปัญญาประดิษฐ์ (artificial intelligence) การเรียนรู้ของเครื่องจักร(machine learning) รวมถึงเทคโนโลยีและนวัตกรรมต่าง ๆ ได้เปลี่ยนโฉมการทำธุรกิจในทุกภาคอุตสาหกรรม และ หนึ่งในธุรกิจที่เห็นการเปลี่ยนแปลงอย่างรวดเร็วและรุนแรงคือ ธุรกิจตัวกลางทางการเงินอย่าง “ธุรกิจธนาคาร” ที่ผู้ใช้บริการล้วนต้องการผลิตภัณฑ์ที่เข้าถึงได้ง่าย ราคาถูก และตอบโจทย์ความต้องการเฉพาะบุคคล (customization) ด้วยเหตุนี้ ในช่วงหลายปีที่ผ่านมา ทุกธนาคารจึงพยายามนำเสนอบริการทางการเงินรูปแบบดิจิทัล และใช้ประโยชน์จากข้อมูลของลูกค้าให้ได้มากที่สุด โดยเฉพาะข้อมูลพฤติกรรมเพื่อนำมาวิเคราะห์และพัฒนาผลิตภัณฑ์ที่ตรงกับความต้องการของลูกค้าแต่ละคน
อย่างไรก็ดี การปรับตัวของภาคเอกชนผ่านการประยุกต์ใช้เทคโนโลยีและนวัตกรรมใหม่ ๆ อาจยังไม่เพียงพอที่จะตอบสนองต่อความต้องการของผู้บริโภคในยุคปัจจุบัน สิ่งสำคัญที่จะส่งเสริมการยกระดับของระบบธนาคารไทยไปสู่ยุคดิจิทัลและทำให้ผู้ใช้บริการได้รับประโยชน์มาก คือ การพัฒนาโครงสร้างพื้นฐานที่เอื้อให้การทำธุรกรรมทางการเงินในโลกใหม่ ถูก สะดวก ปลอดภัย และสามารถเชื่อมโยง (interoperability) ระหว่างธนาคารได้
ที่ผ่านมาภาครัฐและภาคเอกชนได้ร่วมกันพัฒนาโครงสร้างพื้นฐานที่สำคัญของระบบการเงินไทย เช่น PromptPay และ Standard QR payment ที่นอกจากจะทำให้การโอนและชำระเงินเป็นไปอย่างสะดวกรวดเร็วแล้ว ยังกระตุ้นให้เกิดการลดค่าธรรมเนียมโอนเงินต่างธนาคาร ซึ่งเป็นการลดต้นทุนให้กับผู้ใช้บริการและระบบการเงินโดยรวม หรือ การพัฒนาโครงสร้างพื้นฐานสำหรับยืนยันตัวตนดิจิทัล ที่จะเป็นรากฐานในการทำธุรกรรมแบบดิจิทัลเต็มรูปแบบโดยผู้ใช้บริการสามารถเปิดบัญชีได้โดยไม่ต้องไปที่สาขา จากการพิสูจน์และยืนยันตัวตนข้ามธนาคารผ่านแพลตฟอร์มเนชั่นแนลดิจิทัล ไอดี (National Digital ID: NDID) ทำให้ขั้นตอนการเปิดบัญชี สะดวก และปลอดภัยมากขึ้น ปัจจุบันโครงการพิสูจน์และยืนยันตัวตนผ่าน NDID อยู่ระหว่างทดสอบในวงจำกัดภายใต้ regulatory sandbox ของ ธปท.
ดังที่กล่าวข้างต้นว่า ข้อมูลเป็นหัวใจสำคัญของการทำธุรกิจธนาคารในยุค 4.0 ธนาคารใดที่สามารถเก็บรวบรวมข้อมูลและวิเคราะห์หาความต้องการของลูกค้าได้อย่างแม่นยำ ธนาคารนั้นจะมีความสามารถทางการแข่งขันเหนือคู่แข่งจากการนำเสนอผลิตภัณฑ์ที่ตอบโจทย์ลูกค้าได้มากที่สุด ทั้งนี้ ข้อมูลของผู้ใช้บริการปัจจุบันไม่ได้มีแค่ข้อมูลภาคการเงินเพียงอย่างเดียว แต่ยังรวมไปถึงข้อมูลพฤติกรรมอื่น ๆ หรือที่เรียกว่า alternative data เช่น ข้อมูลการใช้โทรศัพท์มือถือ ข้อมูลการซื้อของออนไลน์
ข้อมูลทางเลือกเหล่านี้มีศักยภาพสูงที่จะช่วยส่งเสริมการเข้าถึงบริการทางการเงินของคนไทย โดยเฉพาะการนำข้อมูล alternative data มาใช้วิเคราะห์ความเต็มใจหรือความสามารถในการชำระหนี้ (willingness and ability to pay) สำหรับการปล่อยสินเชื่อ ดังตัวอย่างที่เห็นในต่างประเทศ เช่น ธนาคารและ fintech หลายแห่งในจีนนำข้อมูลพฤติกรรมจำนวนมาก อาทิ ข้อมูลการขายของออนไลน์ พฤติกรรมการเลือกซื้อสินค้า การใช้โปรโมชั่น การเล่นเกม หรือข้อมูลตำแหน่งที่อยู่จากโทรศัพท์มือถือ มาวิเคราะห์ในหลากหลายแง่มุมโดยใช้ machine learning ทำให้สามารถลดต้นทุนดำเนินงานจากการใช้เจ้าหน้าที่ นอกจากนี้ ยังบริหารความเสี่ยงได้ดีขึ้น ทำให้อัตราหนี้เสียอยู่ในระดับต่ำ ที่สำคัญคือ เป็นประโยชน์ต่อลูกค้าโดยเฉพาะกลุ่มที่ไม่สามารถพิสูจน์รายได้ได้ชัดเจน เช่น ผู้ทำอาชีพค้าขาย ผู้ไม่มีรายได้ประจำ และ SMEs ขนาดเล็ก ให้สามารถเข้าถึงสินเชื่อได้ง่าย ใช้เวลาอนุมัติเร็วขึ้น และในราคาที่ถูกลง
ทั้งนี้ ยังมีโครงสร้างพื้นฐานอีกหลายอย่างที่จำเป็นต้องพัฒนา เช่น มาตรฐานสำหรับการแลกเปลี่ยนข้อมูล (API standard) ที่ผู้ใช้บริการสามารถขอให้ผู้ให้บริการที่ตนใช้อยู่ส่งข้อมูลของตนในรูปแบบดิจิทัลที่มีมาตรฐานเดียวกัน ให้ผู้ให้บริการอีกรายเพื่อใช้สำหรับสมัครผลิตภัณฑ์และบริการ โดยในอนาคตลูกค้าจะสามารถขอให้ธนาคารส่ง bank statement ไปให้ธนาคารอื่นหรือสถานทูตโดยตรงผ่านช่องทางดิจิทัลสำหรับสมัครสินเชื่อหรือขอวีซ่าแทนการขอในรูปแบบกระดาษ หรือ ระบบจัดการการให้สิทธิและความยินยอม (consent management) ที่จะช่วยให้ประชาชนสามารถกำหนดรูปแบบและระยะเวลาของการให้ความยินยอมสิทธิการใช้ข้อมูลแก่สถาบันการเงินได้ด้วยตนเอง โครงสร้างพื้นฐานเหล่านี้จะสนับสนุนการพัฒนาของภาคธนาคารไทยให้ขับเคลื่อนเข้าสู่ระบบการเงินแบบดิจิทัลได้อย่างแท้จริง ทั้งนี้เพื่อให้ประชาชนมีผลิตภัณฑ์ที่ตอบสนองความต้องการ ภายใต้ระบบที่มีเสถียรภาพ มีการแข่งขันจากผู้ให้บริการที่หลากหลาย และมีการคุ้มครองผู้บริโภคอย่างเป็นธรรม
บทความนี้เป็นข้อคิดเห็นส่วนบุคคล ซึ่งไม่จำเป็นต้องสอดคล้องกับข้อคิดเห็นของธนาคารแห่งประเทศไทย