人工知能とデータサイエンスに基づく実用的な分析システムの構築におけるシティバンクの実践経験

シティバンクは、人工知能とデータサイエンスに基づいた実用的な分析システムをどのように構築したのでしょうか。詳細を知るために、記者はシティバンクの米国消費者分析部門の責任者であるムルリ・ブルスワール氏にインタビューしました。

ムルリ氏は、最適なビジネス目標を決定する方法、顧客体験などの分野でシティがデータと AI を活用する方法、組織全体でデータ中心の文化を構築する方法など、他の多くのトピックについても詳しく説明しました。

Murli Buluswar は、米国消費者分析 (USCA) の責任者として、3 億人を超える顧客ベース全体で顧客インテリジェンスの飛躍を実現する重要なパートナーになるという Citibank のビジョンを主導しています。 Murli は、金融サービス業界の C レベルの分析および戦略リーダーとして、従来のプロセスに挑戦し、データ主導のインテリジェンスを活用することで、提携関係をうまく構築し、ビジネス成果を達成してきました。 AIG の運営委員会の元メンバーである Murli 氏は、データの洞察を通じて革新的な思考と実行を拡大するよう、Fortune 100 企業の取締役や上級リーダーに影響を与えてきました。当時 AIG の最高科学責任者であった Murli 氏は、AIG での一貫した「証拠に基づく」意思決定を促進するためにデータ サイエンス チームを構築しました。サイエンスは、問題のフレーミング、データ エンジニアリング、行動科学、データ サイエンス、ソフトウェア開発における補完的な機能を備えた社内のデータ駆動型イノベーション ユニットとして機能します。科学チームは、運用コストの削減、売上の増加、顧客とのコミュニケーションによるリスクの軽減に貢献しました。

シティに入社する前、ムルリ氏はボストン コンサルティング グループ (BCG) と 2 つのスタートアップ企業でシニア コンサルタントを務め、データを使用して意思決定を再構築する能力をクライアントが構築できるよう支援しました。

インタビュー抜粋

マイケル・クリグスマン（司会）：シティグループの米国消費者分析責任者、ムルリ・ブルスワール氏を歓迎します。

Murli Buluswar: 私たちのチームの使命は、「アメリカの消費者向け銀行顧客のインテリジェントな飛躍を実現する重要なパートナーになること」です。これは何を意味するのでしょうか? 考えてみてください。銀行業は、他の多くの業界よりも取引ややり取りが多く、エンゲージメントが非常に高い業界です。では、これらすべてのやり取りや取引を数値化して顧客の明示的および潜在的なニーズをより深く理解し、機械学習とリアルタイム インテリジェンスの力を活用してほぼリアルタイムで顧客にとってより関連性のある情報を提供するにはどうすればよいでしょうか。

マイケル・クリグスマン：あなたは今、2つの異なることを説明しました。 1つはテクノロジーの概念であり、2つ目は人の概念です。あなたはこのように物事を捉えていますか?

ムルリ・ブルスワール：そうですね、私が携わっている仕事は、人、テクノロジー、好奇心の融合だと思っています。好奇心とは、どのような決定がどのようになされるかを想像し、人間とテクノロジーを結び付ける能力です。今の仕事では、この3つのことをよく考えています。

Michael Krigsman: データ サイエンスと分析は、金融サービス全般、特に Citi やあなたの仕事ではどのように活用されていますか?

Murli Buluswa: 一般的に、次の 3 つの点を考慮します。

• まず、貴重なマーケティング予算をより賢く活用して、さまざまな目的の機能を果たす必要があります。したがって、マーケティング費用と顧客行動を理解する方法について、より深いインテリジェンスを構築する必要があります。
• 2 つ目は、顧客からの要望であれ、当社を通じてのシグナルであれ、顧客のニーズをいかに理解し、どのように対応できるかについて、より深い洞察を構築することです。
• 3 つ目は、データ主導のインテリジェンスを適用してリスク管理を改善し、ビジネスのあらゆる側面でデータを活用して、より優れた銀行を構築し続けることです。

Michael Krigsman: この機械知能、データ、分析をどのように適用するかを考えるとき、どのようなビジネス上の課題、問題、または機会が考えられますか?

Murli Buluswar: マーケティングにどれくらい投資すべきか、どこに投資すべきか、どの顧客に、どのようなサービスを通じて、どのような製品を通じて、どのようなチャネルで投資すべきか、そしてその理由について、わかりやすい例を挙げて説明してください。

ダイレクトメール、デジタル広告、オンライン広告のいずれの場合も、その背後には膨大な科学的根拠があります。私たちはこれに関する科学を構築し、シティ内の複数の機能にわたってより優れた意思決定を可能にするソフトウェア ソリューションでその科学を強化しています。

Michael Krigsman: これがどのように機能するかについて、いくつか例を挙げて説明していただけますか?

Murli Buluswar: 結局のところ、どの企業にとっても、マーケティング予算と顧客との関わり方は希少なリソースです。問題は、あなたの目標は何なのかということです。

目標としては、NPV (正味現在価値、将来のキャッシュインフローの現在価値と将来のキャッシュアウトフローの現在価値の差) を最大化すること、顧客満足度を最大化すること、自己資本利益率を最大化することなどが考えられます。こうした決定をどのように行うのでしょうか? その背後にある科学は何でしょうか? 自分が持っている知識と予測に基づいて、可能な限り最善の決定を下しているという自信をどのように構築するのでしょうか?

これには、第一級の詳細なデータに基づく洞察だけでなく、他の機能上の同僚が実際に参加できるように、それらのデータ洞察をソフトウェアやツールに統合する能力も必要です。

Michael Krigsman: したがって、利用可能なテクノロジーの種類、利用可能なデータ、ビジネス上の問題と戦略の性質、データとテクノロジーを配置または使用する基盤となる環境について、非常に明確に理解する必要があります。

Murli Buluswar: はい、100% の明確さが必要です。そして、先ほど述べた好奇心や想像力という考えもそれに加えたいと思います。それは、今日や昨日下した決断とは異なる決断を下す方法について考える能力です。

これまでよりもさらに深い質問をすべきでしょうか? データに基づく洞察と予測によって、どのようによりよい意思決定を行えるでしょうか? これは、先ほど説明した 3 つの側面に戻ります。

マイケル・クリグスマン：あなたが「好奇心」という言葉を何度か使っているのが興味深いですね。私たちは、データはテクノロジーによって動かされるものだと考えがちですが、あなたはテクノロジーとはまったく関係のない好奇心について繰り返し言及しています。

Murli Buluswar: 私のチームに対する（そして率直に言うと私自身に対する）マントラは、チームがフォロワーシップ、パートナーシップ、リーダーシップの 3 つの側面を中心に毎日考え、行動することを望んでいるということです。これはどういう意味ですか？

データを通じて、私たちは本質的に真実の探求者です。私たちは、人々がすでに問いかけている疑問の中に真実を求めることができ、それがフォロワーシップやある種のパートナーシップとなる可能性があります。

しかし、それを超えて、これまで処理したことのないより深いデータの洞察を活用して、どのように世界を再考できるか、どのように特定の決定を再考できるかを問うこともできます。この種のリーダーシップには、ビジネスの観点から考え、複数の領域にわたる機能パートナーと協力し、これまでにない方法でデータに基づく洞察をもたらすことが求められます。

マイケル・クリグスマン：非常に興味深いコメントですね。あなたは「データを通じて、私たちは真実の探求者です」と言いました。私は誰もそんなことを言うのを聞いたことがありません。これについて詳しく説明していただけますか？

Murli Buluswar: 私の経験では、これは複数の業界にまたがる問題です。つまり、多くの分野で、ヒューリスティックや過去の専門知識に基づいて判断、決定、ビジネス上の決定が行われる可能性があります。しかし、本当の問題は、より深く詳細なデータを取り込めば、次のレベルでどのようにより良い意思決定を行えるかということです。そのためには、意思決定がどのように行われるかを想像する仮説的な能力が必要です。

Michael Krigsman: あらゆる段階でデータと分析の機会を活用し、それを達成しようとしている特定のビジネス成果に合わせて厳密に調整しているようですね。

ムルリ・ブルスワール：その通りです。私は意思決定科学の概念、つまり科学を通じて優れた意思決定をどのように推進するかということに関心があります。この概念は、私たちのチームの仕事、私たちが尋ねる質問、パートナーに尋ねる質問のニュアンス、そしてより良い意思決定を行うために活用しようとするより深い知性を導きます。

Michael Krigsman: メカニズムではなく、キャリブレーション結果に重点を置いているようですね。

ムルリ・ブルスワ：そのメカニズムは非常に重要だと思います。しかし、真空中のメカニズムは、結果に結び付けられない限り意味がありません。

フォロワーシップ、パートナーシップ、リーダーシップという 3 つの側面を中心に日々を過ごすと、よりよい意思決定の実現者になる機会が得られます。単に分析や一連の洞察と推奨事項を提供するだけで、顧客と関わり、それらの洞察がどのように意思決定や結果に反映されるかを確認しないと、より戦略的に関連性を高める機会を逃すことになります。

こうしたスキルを持つチームにとって、どうすればよりよい意思決定が可能になるのか、変更管理のラストマイルの問題をどう解決するのか、こうしたモデルや洞察をよりシームレスに取り込み、実行するためのツールを構築する必要があるのか​​、といった質問をし続けることが重要だと思います。そして、成功を測定するためのより統合されたアプローチも必要です。

たとえば、私が測定する主なカテゴリーの 1 つは、このチームによって実現される「収益中立」のコスト削減がいくらであるかです。これらの「収益中立」コスト削減が実際に節約として現れない限り、実現することはできません。

もう 1 つは、収益主導型の利子税引前利益 (EBIT) です。これは成長についてです。データ サイエンスと意思決定科学はどのように成長を可能にし、その成長の財務的影響をどのように測定するのでしょうか。これらは 2 つの非常に具体的な財務指標です。

さらに、顧客とリスク管理、スピードと簡素化に関連する測定領域が 3 つあります。これらは必ずしも財務的に測定されるわけではありませんが、それぞれが意思決定を大幅に改善するのに役立つ実質的な成果をもたらし、銀行の重要な要素であると私は考えています。

Michael Krigsman: つまり、メカニズム、ツール、テクニックを通じてチェーン全体を見て、それを達成したい正確な結果に結び付けるのです。

ムルリ・ブルスワール： 私自身の課題は、責任者の視点から物事を見ることです。結局のところ、洞察、モデル、予測は非常に刺激的で興味深いものですが、それを私たちがどのような決定を下し、どのように決定を下したかに結び付けることができなければ、それがどのような影響を及ぼし、組織が追求している目標の持続可能性にとってなぜ重要なのかを測定することはできません。これは、私たちが深く理解することが非常に重要な質問です。そうでない場合は、バリュー チェーンの一部にすぎず、サービスを提供しているだけで、統合された接続はありません。

Michael Krigsman: データに基づいて行われ、従来の意思決定プロセスでは難しいビジネス上の意思決定の具体的な例を挙げていただけますか?

ムルリ・ブルスワール： もちろんです。この会話を概念から非常に実用的なものへと広げていきましょう。

たとえば、明らかに非常に大規模で成功した金融機関であるシティバンクを例に挙げてみましょう。私たちはマーケティングに多額の費用をかけています。では、問題は、目標が NPV の最大化なのか、3 年間の収益の最大化なのか、自己資本利益率の最大化なのか、あるいは顧客アカウントの最大化なのかをどうやって知るかということです。貴重なリソースを費やして、ターゲット機能を最大限に機能させていることをどうやって知るのでしょうか。

これは、局所最適値と大域最適値に関する問題文です。これには、より優れたモデルを構築し、最も詳細なレベルで数学を包括的に理解できるように、最も基本的なレベルで数学を理解する能力が必要です。

これらのプログラムを正確に測定する方法を標準化する能力が必要です。これらすべてを結び付けて、目的関数が何であるかを述べる能力が必要です。目的関数が X から Y に変わった場合、投資の決定はどのように変わりますか? これらのトレードオフが財務、損益、貸借対照表に及ぼす可能性のある影響はどのようなもので、それをどのように定量化できますか? 希望する選択をモデル化するだけでなく、特定の目的関数を満たすために希少なリソースを最適に割り当てるという観点から、効率性パレート最適フロンティアも決定しますか?

これには、問題をより深いレベルで考える能力が必要です。データ駆動型のインテリジェンスと比較的きめ細かい予測機能が必要です。これには鋭い財務洞察力が必要です。意思決定プロセスを理解し、ソフトウェア ソリューションを接続する方法を理解して、さまざまな機能パートナーがトレードオフを理解し、意思決定プロセスの透明性と俊敏性を高めることができるようにする必要があります。

マイケル・クリグスマン：あなたはまるでパレットを手に持ち、望む結果を描くアーティストのようですね。

Murli Buluswar: 企業だけでなく社会全体が直面している最も複雑な問題は、単一のツールでは解決できないと私は考えています。したがって、地球温暖化であれ、銀行業界が直面しているリスクや管理であれ、あるいは医薬品や消費財の問題であれ、未来への鍵は、学際的な思考を通じて解決されなければならないと私は考えています。

私の意見では、これには有能感、好奇心、そしてオープンマインドが必要です。問題や機会を単一のレンズを通して見るのではなく、考え方を変えることができれば、より効果的に変化を生み出すことができます。

Michael Krigsman: より詳細なデータによってシティバンクの意思決定がどのように改善されたか、例を挙げて説明していただけますか?

ムルリ・ブルスワール： もちろんです。私たちがよく考えることの一つは、顧客がモバイル アプリやオンラインなどを通じてデジタルで私たちとやり取りしているということです。問題は、顧客がログオンしたときに、そのニーズをどのように理解し、顧客とのより親密な関係と関連性をどのように構築するかということです。

私たちがこの課題に取り組んだ方法、あるいは、この課題が進化する取り組みであるため、取り組んでいる方法は、顧客レベルで 2,000 件を超えるやり取りとトランザクションを統合することです。私たちはこのデータ、つまりほぼリアルタイムのデータがどのように機能するかを理解しようとしています。私たちはこのインテリジェンスを情報に変換し、顧客とのエンゲージメントを深め、関連性と親密性を高めます。

これを行うと、数え切れないほどの利点があります。これらの理由の一部は経済的なものです。経済とは関係のないものもあります。しかし、実際には、顧客を理解し、顧客を大切にし、顧客を知っていることを顧客に伝えるという概念が重要であり、それを実現するには、あらゆるチャネル、あらゆるやり取り、あらゆる取引で得たすべてのデータを活用し、適切な場合にそこから意味を引き出す必要があります。

Michael Krigsman: 「顧客体験」という言葉を使わなかったことに少し驚きました。この用語を使用していない理由はありますか?

Murli Buluswar: 確かに、エンゲージメント、インタラクション、接続性、関連性などの同義語を私が使用しているのを聞いたことがあると思いますが、それらはすべて顧客体験に焦点を当てています。

現在、顧客体験は、顧客エンゲージメント、親密性、そしてより関連性のある関係の構築に役立ちます。顧客体験は時間的なポイントであると私は考えています。特定のやり取りにおいて、顧客に最も適したサービスを提供するにはどうすればよいでしょうか。さまざまな顧客体験を組み合わせると、顧客とのより深いレベルのつながり、関連性、エンゲージメントが生まれます。

私の意見では、顧客エンゲージメントとは、顧客とのより感情的なつながりを生み出すために組み合わさった、一連の強力でポジティブな顧客体験に他なりません。

Michael Krigsman: 顧客体験とは、自分自身を最高の状態で見せること、つまり最高の自分になることだとおっしゃいましたね。ビジネス面でのことを言っているのだと思います。これが何を意味するのか詳しく説明していただけますか?

Murli Buluswar: 現実には、銀行業務は顧客に関わる非常に主観的/感情的な分野です。

私たちの経済的な健全性、取引を行う能力（支店に行く、お金を引き出したり、送金したり、カードをスワイプしたりする）は、すべて私たちにとって意味を持っています。私たちが望むようなシームレスな方法で機能しない場合は、摩擦や苦痛が生じます。つまり、これは相互作用、取引、エンゲージメント、関連性が高い業界なのです。

私が本当に言いたいのは、お客様が支店に立ち寄ったり、コールセンターに電話をかけたり切ったり、アプリにログインしたり、クレジットカードをスワイプしたりするたびに、私がお客様のニーズを理解し、お客様にとってより適切な対応をする方法を理解できれば、より良いサービスを提供でき、私自身もより良い人間になれるということです。

私にとって、データ、そしてリアルタイムのデータ、リアルタイムの取引ややり取りを、次に最適な会話を導く機械学習アルゴリズムに変換できることは、強力であるだけでなく、銀行だけでなく、やり取りのあらゆる側面で私たち全員が抱く基本的な期待であるため、極めて重要です。

Michael Krigsman: ビジネス成果について何度か言及されていますが、それらの成果はリーダーシップの目標によって定義されるのでしょうか、それともデータによって生み出される、または推進されるビジネスチャンスなのでしょうか?

Murli Buluswar: 結局のところ、それは、結果をどのように測定するか、その結果は重要か、そして、それらの結果を本質的に検証する複数の機能パートナーがいるかどうかという第一原則に戻ります。したがって、これは私のチームが述べたことではありませんが、エンドツーエンドの測定を確実に行うことは、私たちの財務計画と会計プロセスの不可欠な部分です。私たちはそれをこのように考えています。この構造において、物質性の概念は私にとって非常に重要です。

次のような問題に遭遇する可能性があります。私たちは、お客様が尋ねた質問に基づいてデータの洞察を提供しますが、質問の背後にある問題については実際には深く考えていません。また、あなたが尋ねなかった質問についても考えていません。ですから、私にとって、ビジネス上のつながりは重要であり、測定は重要です。結局のところ、実質的な結果が示されなければ、それは単なる活動に過ぎないからです。

Michael Krigsman: まさに、非常に全体的かつ幅広い視点から、ビジネスの課題と機会を検討していますね。解決すべき問題を選択すると、その問題の関連性と重要性を見つけ出そうとしながら、かなり深いレベルで取り組むことになります。

ムルリ・ブルスワール：はい、現実はそれを要求しています。繰り返しになりますが、今日の最も複雑な問題は、単一の機械学習アルゴリズムだけでは解決できません。非常に重要かつ決定的なスキルが、ますますコモディティ化されていくと思います。

これはまさに統合思考の一種です。それは、今日これらの決定がどのようになされるかを理解することです。あなたの予測はそれとどのように結びつくのでしょうか。そして、それらの決定は明日実際にどのように反映されるのでしょうか。エンドツーエンドの成果を確実に達成するために、それらの点を結び付けるために上流と下流で何を変える必要があるのでしょうか。

Michael Krigsman: つまり、テクノロジーが時間の経過とともにモデルがコモディティ化され、したがって、真の機会と価値は、モデルとテクノロジーをビジネスの問題に適応させる人間の創意工夫にある、ということですね。

Murli Buluswar: 私たちは機械が予測モデルを構築できる世界に住んでいるので、無人 AI の概念は非常に現実的です。しかし、これは人間の関与が必要ないという意味ではありません。実際、100% の人間の関与が必要です。

モデル構築サイクル全体を通じて人間の生産性が大幅に向上します。ここでの疑問は、このモデルは何に役立つのか、このモデルの可能性を最大限に引き出すにはどうしたらよいと考えているのか、そして、なぜそれが重要なのかを答えるための完全な一連の規律があることをどのように保証するのか、ということです。

マイケル・クリグスマン：そこが一番難しいところです。

ムルリ・ブルスワール： はい。これは非常に主観的/感情的なので、これまでのところ最も難しい部分です。必ずしも適切な目的関数が含まれているわけではなく、自分で解決できるわけではありません。より統合的な思考と問題解決、より深いコラボレーション、人間的要素の理解が必要であり、それが他の機能領域の同僚にどのような影響を与えるか? それをどう理解するか? この理解と共感が自分のアイデア、分析、洞察に反映されるようにするにはどうすればよいか?

マイケル・クリグスマン: 分析とその結果生じるクオンツが体系的なリスクとなるのはいつでしょうか?

ムルリ・ブルスワール：私にとって、問題は定量分析者（一般に「クオンツ」と呼ばれる）にあるのではありません。今日、企業（無数の業界）は、不確実な状況下でほとんどの意思決定を行っています。こうした決定は本質的にリスクを伴います。

私は、意思決定におけるノイズや偏りをいかに減らすか、モデルや予測をより体系的にし、透明性と理解を高めるにはどうすればよいかについて、さらに考えています。

これは私にとってはより深い疑問であり、私が言いたいのは、今どんな業界にいても、常に判断を下す人がいるということです。こうした判断は、さまざまな形の人間の偏見や、率直に言ってランダム性などに左右されます。

私の見解では、これはモデリングよりもはるかに大きなリスクであり、将来的にはさらに大きくなるため、透明性と理解をさらに高める必要があります。モデルと予測によって一貫性が高まり、一貫性がどこにあるのか、それが何を意味するのかを明確に明らかにできることは、かなり高度な科学です (少なくとも、私の現在の経験ではそうです)。

ですから、私にとっては、偏見を減らし、リスクを減らすことが重要だと考えています。私がもっと心配しているのは、人間の判断ミスや偏見、そしてそれに伴うその他の事柄です。そのためには、データ サイエンスのあらゆる事柄に関して適切な安全策を講じ、その影響について理解する必要があります。

マイケル・クリグスマン: この偏見は倫理や道徳にどの程度影響を及ぼすと思いますか?

Murli Buluswar: データ分析は、医療、保険、その他さまざまな分野で広く使用されています。皆さんに戻ってきていただきたいのは、今日、人間の判断や人間として持つ偏見には倫理的な意味合いがあるということです。

こうした偏見は、不動産、保険、医療など、考えられるほぼすべての業界で影響を及ぼします。したがって、私としては、データ サイエンスや機械学習の影響とは切り離してこの質問をするつもりはありません。なぜなら、こうした偏見は人類の誕生以来存在してきたからです。

問題は、モデルを使って、どのように透明性、客観性、ルールの理解をさらに高めていくかということです。これは、常に非論理的な方法で決定を下す人間の心の複雑さを解明しようとするよりもはるかに簡単だと思います。

Michael Krigsman: データ中心の文化と組織の構築についてどうお考えですか?

ムルリ・ブルスワール：本質的には好奇心中心の文化です。データとは、人々の好奇心、想像力、疑問を刺激する一連の事実と情報に他なりません。

私にとって、「データ中心」の文化を考えるとき、それは少し幻想的すぎる傾向があります。好奇心と想像力を中心とした思考を維持することは、組織の持続的な発展、さらには個人のキャリアにとって非常に重要だと私は考えています。

それがデータが提供するものです。それはあなたの心を刺激します。しかし、好奇心と想像力がなければ、データだけでは何もできません。そして、好奇心と想像力があれば、データはすべての仮定を排除または検証し、より良い意思決定を行うのに役立ちます。

私にとって、あらゆる大規模組織は「現実世界のいわゆる真実に好奇心と想像力を持っていつ、どこで挑戦するかによって、明日も今日も競争相手に勝ち続けるにはどうすればよいか」と自問しなければなりません。なぜなら、好奇心と想像力がなければ、人間は意味のある革新を達成できないからです。

Michael Krigsman: ほとんどの人や組織にとって、データについて考えるときは、より機械的なものです。しかし、あなたはそれを非常に創造的に考えます。前にも言ったように、これは芸術家や画家の考え方に似ています。多くの組織があなたが述べているレベルに到達するには大きな飛躍が必要であり、実際にそれを達成するのは簡単ではないと思います。

Murli Buluswar: 大規模な変更は私たち全員にとって困難ですが、特に大規模な組織にとっては困難です。

私が意思決定科学について話すとき、データという言葉をほとんど使わないことにお気づきかもしれません。それは、どうすればより良い意思決定ができ​​るのか、それが私たちの使命にどのように役立つのか、顧客にもっと多くのサービスを提供できるのか、そして今よりも良い組織になるにはどうしたらいいのかを考えるとき、私がたどり着く答えは「データならそれができる」だからです。

データ駆動型の文化について直接話すと、考えなければならないデータの量が突然膨大になり、少し怖くなるかもしれません。しかし、「しばらくデータのことは忘れてください。明日は別の決断をすることができるか想像できますか? そうすれば、自分の役割に対して機械的なアプローチをとらず、専門知識と理解をもっと想像力と好奇心と組み合わせることができます。」と言ったらどうでしょうか。

これらを組み合わせることができれば、データは非常に重要な役割を果たすことができます。しかし、私にとって、それは本当に好奇心から始まり、私たちの想像力と理解力を試すものなのです。私がこのテーマを何度も繰り返しているのは、私にとって、データは単なる数字の集まりであり、それ自体では何も明らかにならず、また、特に明白な形でより良い結果をもたらすわけでもないからです。

魔法を起こすのは、人間であり、その創造性、想像力、好奇心、そしてデータ主導、仮説主導のアプローチです。

Michael Krigsman: CX 分析から得た知識をトレーニングに活用したり、コール センターのエージェントが顧客により良いサービスを提供できるようにしたりする機会はあると思いますか?

ムルリ・ブルスワール：その通りです。コールセンターを通じて顧客とやりとりするたびに、そこには主観的/感情的な要素が満ち溢れています。人的要因、相互作用要因、トランザクション要因があります。これらはすべて、構造化データと非構造化データから書き込まれます。

通話前、通話後、通話中のすべてのデータが得られるため、当社の現状、改善できる点、顧客と再びつながるためにどのようなアプローチを取ることができるかを理解するための絶好の機会となります。

世の中には金塊のような本当に貴重な情報がたくさんあるので、こうしたチャネルを通じて顧客とやりとりするすべての企業は、「このような状況下で、私たちは何を改善できるだろうか」と自問すべきだと思います。

マイケル・クリグスマン：好奇心と想像力が鍵となるとしたら、それをどのように促進しますか？

Murli Buluswar: サポートと励ましの文化を作り出すことができます。人それぞれポイントは異なるかもしれませんが、重要なのはそれを奨励し、報い、認め、サポートすることです。

Michael Krigsman: 現在、行動、データ、分析を活用している方法は、組織がデジタルディスラプションを通じて変革エージェントとなるのに役立つと思いますか?

Murli Buluswar: はい、私はデータと分析を、顧客との関わりにおいて、デジタルによる関わり、理解、インテリジェンスの好循環を推進するミトコンドリアだと考えています。これは、シティや銀行内だけでなく、銀行外でも当てはまります。

Michael Krigsman: データを活用して成果を成功に導く方法について、ビジネスリーダーにアドバイスはありますか?

Murli Buluswar: まず、自分にとって重要だが別の方法で対処したい 3 つの質問をして、なぜそれが自分にとって重要なのかを想像してください。次に、意思決定科学チームに、より深いデータ インテリジェンスを通じて問題を解決する方法について考えるよう継続的に促し、チーム全体で得られるもの、達成するもの、達成することの基準を高める相互作用とつながりの好循環を生み出します。