フィンテックの台頭:アルゴリズムが決済業界をどう変えるかデータセットの分析は最初のステップに過ぎない

フィンテックの台頭:アルゴリズムが決済業界をどう変えるかデータセットの分析は最初のステップに過ぎない

[[224951]]

つい最近まで、CEO や大手銀行は、顧客にサービスを提供する上で銀行の所在地は考慮すべき重要な要素であると信じていました。しかし、過去10年間でデジタル銀行が登場しました。デジタル銀行は物理的な拠点を持たないかもしれないが、ユーザーベースを拡大し続け、保険、住宅ローン、融資などのサービスを追加している。デジタル化とアルゴリズム化が従来の支払いモデルにもたらす変化を見てみましょう。データセットの分析は最初のステップにすぎません。アルゴリズムのプロセスを完了するには、機械学習と人工知能を使用して新しいデータを作成することも必要です。

アルゴリズムは決済業界をどのように変えるのでしょうか?

決済業界では、Chase や Fisrt Data などの企業が 40 年以上にわたって業界を支配してきました。しかし、銀行業界のデジタル化によって業界関係者が戦略の変更を余儀なくされたのと同様に、支払いのデジタル化によって、WorldPay、Vantiv、さらに最近ではStripe、PayPal/Braintree、Adyenなどの一部の企業が市場シェアを拡大​​する助けになっていることにも注目しています。

彼らの成功は伝統的なビジネスに基づくものではなく、テクノロジー起業プロジェクトの積極的な発展に基づいています。いくつかのよく発達したプロジェクトは伝統的なビジネスから脚光を奪い、さらには彼らを歴史の舞台から追い出しました。エンターテイメントメディア界の大物とNetflix、タクシーとUber、あるいは従来型の店舗とAmazonの間の競争を考えてみましょう。

2018年と2006年のAmazonと従来の小売企業の時価総額の比較

しかし、デジタル化は避けられないトレンドであると認識する企業が増えるにつれ、私はよく「決済業界における次の革命は何なのか?」と自問します。

70年代、80年代にコンピュータやデータベースを大胆に導入した企業や、90年代にインターネットがもたらす大きな変化を理解し、新世紀にインターネットバブルの崩壊を経験した企業と同様に、アルゴリズム化がもたらす変化を深く理解し、積極的に投資する企業こそが、熾烈な競争が繰り広げられる2010年代、2020年代を順調に乗り切る可能性が高いと私は考えています。

デジタルプロセス

アルゴリズム化とは何かを理解するには、まず従来のビジネスのプロセスを振り返る必要があります。何百年もの間、従来のビジネス プロセスは、人々が労働力を使って製品を作成したり、サービスを提供したりすることと、一連の関連する周辺ビジネス活動で構成されてきました。

例えば、医療サービスを提供する医師には診療時間があり、患者は直接診察を受けることも、事前に予約を取ることもできます。従来、患者情報の登録、医療記録の更新、処方箋の発行などの一連のプロセスは、紙とペンで完了しています。これらのプロセスがデジタル化されるにつれて、コンピューターが診療所に導入され、患者の記録をデジタルで保存したり、デジタルカレンダーを使用して予約を取ったり、処方箋を薬剤師に直接電子メールで送信したりできるようになりました。

今日でも、企業はモバイル アプリケーションを開発したり、実際のビジネス プロセスで生成されたデータをユーザーがより適切にアクセスして保存できるようにクラウド サービスを提供したりして、デジタル プロセスを継続的に改善しています。

アルゴリズム化

アルゴリズム化とは、データベースに保存されたデジタルラベル付きデータや自動化プログラムを使用してユーザーを分析し、その結果に基づいてさらに貴重な情報をユーザーにフィードバックするプロセスを指します。

ほとんどの企業はすでに上記のプロセスを完了していますが、これはアルゴリズム化への第一歩にすぎません。ユーザー情報を分析してフィードバックを提供するためのデータセット (N) が利用可能になったら、次のステップは、機械学習と人工知能を使用して、それ自体が新しいデータセットを提供し、アルゴリズム サイクル (N=N+1) を完了できる新しいプロセスを作成することです。

決済サービスプロバイダーの例

わかりやすく説明するために、1 日に数百万件の取引を処理する決済サービス プロバイダーがあると仮定します。販売者がアップロードしたすべての取引には、PAN (個人口座番号)、CVC (カード検証コード)、有効期限、顧客名、電子メール アドレスなどの取引関連情報が含まれています。 PSP(決済サービスプロバイダー)は、ブラウザを通じて、日時、デバイスID、ブラウザの種類とバージョン、IPアドレス、その他のデータポイント(N)などの追加データを収集することもできます。

トランザクションが処理されると、トランザクション データがデータベースに保存されます。ほとんどの PSP (決済サービスプロバイダー) は、このデータを使用して、指定された日付の標準取引レポートを販売者に提供します。データを集約して要約を提供できるものもあります。ユーザーをより惹きつけたいのであれば、時間の経過とともに取引がどのように変化するかを示す視覚化を開発するでしょう。

コンピューティング能力、クラウド コンピューティング、分散ストレージ テクノロジーの進歩により、PSP (決済サービス プロバイダー) を含む多くの企業が、さまざまな方法で既存のプロセスを改善しようと試みています。たとえば、先ほど説明した架空の PSP (決済サービス プロバイダー) では、大量の履歴データが、今後受信するトランザクション データにおける不正行為の防止に役立つかどうかを調査することにしました。データ サイエンティストは、機械学習と人工知能を使用することで、トランザクションのサブセット内の複数の変数を使用して、新しくアップロードされたトランザクションが不正である可能性を予測するアルゴリズムを作成することができました。

カードベースの支払いシステムの利点は、カード所有者が特定の期間内に取引に異議を申し立てることができることです。不正な取引が報告されるたびに、カード発行会社は取引を回復するためのメッセージを送信します。この情報を受信すると、PSP (決済サービスプロバイダー) はそれをデータベースに保存できます。これにより、PSP は初期の不正予測の正確性を検証できるようになります。人工知能アルゴリズムの助けを借りて、元のアルゴリズムを調整し、以前のアルゴリズムの各変数の重みを増減することでスコアを向上させることができます。これにより、実際にアルゴリズム化において新しいプロセスが作成されます (N=N+1)。

アルゴリズム化は支払いにどのような影響を与えますか?

前の例は、アルゴリズム化を使用して既存のプロセスを改善する方法のほんの一例です。興味深いのは、この事件の解決策が実際に長年にわたり不正取引に対処するための主要な解決策であったにもかかわらず、詐欺師はより巧妙になってきており、詐欺は今でも時々発生しているということです。

しかし、支払いには詐欺の防止以上のことが含まれます。コスト、通貨換算、接続パフォーマンス、請求、支出などは、新しい PSP がアルゴリズム化を使用して違いを生み出すことができる領域の一部です。 PSP のコモディティ化に慣れてきた企業が増えるにつれ、PSP の成功を維持する方法は、詐欺を減らしたり取引コストを下げたりすることではなく、PSP の価値を実証すること、つまりユーザーにさらに多くのビジネスをもたらすこととなります。

営業部門が財務部門よりも好まれる理由は、収益を増やすことは成長につながるのに対し、コストを削減すると利益は向上するかもしれませんが、収益は増えないからです。

インテリジェントなルート取得

同じトランザクション データを使用して、パフォーマンス、機能、価格に基づいて獲得ルートを最適化できます。マルチパス アルゴリズムを実装することをお勧めします。これは、機械学習を使用して、パフォーマンスが最も高いバリアントにトラフィックを動的に割り当て、パフォーマンスが低いバリアントに割り当てるトラフィックを減らす、より「インテリジェント」または複雑なバージョンの A/B テストです。複数のデータ コレクターを接続することで、PSP は特定の顧客に最も効果的な予測変数を割り当てることができ、最適な予測結果、価格設定、機能を提供できます。

ダイナミック 3Dセキュア

多くの PSP では、Visa の Verified や Mastercard の 3DSecure など、カード発行会社が設定した 2 段階の取引検証により、依然として支払い拒否率が高くなっています。 PSP は、決定木機械学習アプローチを使用して、トランザクションを 3DSecure ページにリダイレクトして追加の 2 段階認証を行う必要があるかどうか、またはトランザクションを通常のプロセスで完了できるかどうかを予測できます。

他人の想像力に制限されない

もちろん、取引データを活用してビジネスパフォーマンスを向上させる方法は他にもたくさんあります。何十年にもわたって蓄積されたユーザーデータを活用して、既存のプロセスを改善できる PSP や、まだ存在していないビジネス モデルの支払いニーズを満たす PSP を作成できるのであれば、それは完全に可能だと思います。

フィンテックのスタートアップ企業: 北欧における次のKlarnaは誰か?

世界がフィンテック革命の渦中にあることを認めざるを得ません。 技術環境は指数関数的に変化しており、金融分野における変化はかつてないほど複雑かつ多様化しています。

どうしてこんなことが起きたのでしょうか? FinTech スタートアップは従来の金融業界と比べてどのような利点があるのでしょうか?

この質問は、テクノロジーの実装の問題と FinTech の成功の秘訣について考えさせます。FinTech の急速な発展は、ビッグデータ分析、ブロックチェーン、機械学習、人工知能によるものでしょうか?

フィンテックはセクター全体をデジタル化しようとしています。ロボアドバイザーがビッグデータ、機械学習、人工知能を活用して(人間の)ファイナンシャルアドバイザーに取って代わり、新世代の投資家に最高の投資機会を提供する可能性は高い。

人工知能は、この情報をより正確かつ迅速に処理するのに役立ちます。機械学習は特定のパターンを認識し、完了するタスクごとに改善することができます。したがって、情報を処理する能力は時間の経過とともに速くなります。

ブロックチェーンは、ウォルマートのような企業のサプライチェーンを変革し、JPモルガン・チェースのような銀行が毎年数十億ドルの取引手数料を節約するのに役立つ可能性がある。ブロックチェーンにより、システム全体で資産を移転するための仲介者が不要になります。支払い取引は通常、仲介者を経由して行われ、申請者の認証と承認のために複数の手順を経ます。

これらのプロセスが完了するまでに 2 ~ 3 日かかる場合があります。ブロックチェーンは、すべてのステップを 1 つのステップに圧縮し、数秒または数分で完了することができます。その結果、多くの金融サービス業界は、この技術を利用して取引のスピードと透明性を高め、パフォーマンスを向上させることができます。

プロセスで AI、ML、ブロックチェーンを使用するもう 1 つの理由は、セキュリティを向上させることです。 AI は人間に完全に取って代わるほど高度ではありませんが、重複請求やその他の一般的なエラーを検証して再確認することはできます。 AI ベースのツールは、非常に正確に不正行為を検出できます。

北欧地域で最も有望なフィンテックスタートアップ

北欧地域はヨーロッパで2番目に大きなフィンテック地域です。フィンテックは依然としてスウェーデン最大の独立産業です。

彼らは金融サービスを提供する新しい方法を見つけており、それによって成長し、顧客と関わる新しい方法を開発しています。過去数年間にわたり、彼らは伝統的な金融サービス業界に革命を起こす多くの有望な新興企業を導入してきました。

私たちは皆、iZettle、Klarna、Auka (mCash)、Trustly、Meninga などの企業を知っています。これらの企業はすべて、業界でトップの地位へと徐々に前進しています。次に目立つ企業はどこでしょうか?近い将来、上記の企業に代わる企業はどこになるでしょうか?以下に、注目したり、実際にサービスを試してみる価値のある、北欧のフィンテック スタートアップ企業のリストを示します。そうでなければ、なぜ投資家は彼らを育成するために巨額の資金を投資するのでしょうか?

1. レンディファイ
本社所在地: スウェーデン、ストックホルム 設立: 2014年
4200万ユーロ調達

Lendify はスウェーデンで最初の真のマーケットプレイス融資プラットフォームを構築しました。同社は、銀行を介さずに人々が互いに融資できるオンライン信用プラットフォームを運営している。

2. ルナウェイ
本社所在地: デンマーク、オーフス 設立: 2015年
900万ユーロを調達

LunarWay は、ミレニアル世代をターゲットにしたモバイル バンキング アプリの開発会社です。アプリを通じて銀行口座を開設し、MasterCard® 対応のデビット カードを取得し、リアルタイムの取引情報を表示し、カタログや小売店を通じて取引を確認します。ユーザーはアプリを通じて貯蓄目標を設定したり、請求書を支払ったりすることもできます。

3. プレオ
本社所在地: デンマーク、コペンハーゲン 設立: 2015年
630万ユーロを調達

Pleo – アプリに接続する「スマート」な企業カード。 Pleo は、会社の経費を管理する新しい方法です。オンライン購入用の即時およびオンデマンドのプリペイド MasterCard® 仮想カードと、店舗での購入用のプラスチック カードを提供します。 Pleo を使用すると、会社はすべての支出を完全に管理しながら、従業員が仕事に必要なものを購入できるようになります。画期的なテクノロジーを搭載した Pleo は、管理の複雑さを軽減し、経費報告を排除し、簿記を簡素化します。

4.エニフィン
本社所在地: スウェーデン、ストックホルム 設立: 2016年
500万ユーロを調達

Anyfin - 未来の金融サービスを構築し、不公平な商慣行を排除し、従来の金融サービスではカバーされていないグループに焦点を当てることを目標としています。借り手にとって高い月々の利子率と隠れた手数料を削減します。テクノロジーを活用して、高価な仲介業者を省き、法外な諸経費を回避します。

5. キャップデスク
本社所在地: デンマーク、コペンハーゲン 設立: 2015年
100万ユーロを調達

Capdesk は世界初のソーシャル ステークホルダー管理ツールです。非上場株式も投資対象として同等の価値を持つ、透明性が高く、協力的でアクセスしやすい投資環境を構築することで、非上場企業の株主の体験を向上させることを目指しています。このプラットフォームは、企業の所有権をデジタル化し、すべての投資家に関連する最新情報を一元管理します。

6. ハイブオンライン
本社所在地: デンマーク、コペンハーゲン 設立: 2016年
819,000ユーロ調達

Hiveonline - 金融エコシステムにおける信頼を構築する、中小企業および持続可能な投資商品向けの金融信頼プラットフォーム。同社の主な事業は2つあり、中小企業の評判、取引、契約の管理を支援することと、投資家に資金が適切なものに投資されているという自信を与えるとともに、パフォーマンスに基づいて発行体にスコアを付ける持続可能な投資商品の提供である。

7. ビズボット
本社所在地: ノルウェー、フォルネブ 設立: 2017年
213,000ユーロ調達

Bizbot は投資家や事業主向けの株式ツールです。 BizBot はユーザー データを分析することで、時間のかかるプロセスを自動化し、生産性の向上と作業負荷の軽減に役立つ貴重なリソースを提供します。

ユーザーは誰ですか?彼らは世界にどのような影響を与え、変化をもたらすのでしょうか?

これらのテクノロジーを通じて、B2B 業界、B2C 業界、独立した顧客、さまざまな業界の顧客間のすべての金融および銀行手続きを簡素化できます。フィンテックのイノベーションは、モバイルデバイスやより大規模な機関を通じて、従来の貿易、銀行取引、金融商品やサービスを変革します。

フィンテックの新興企業は、融資の申請から承認まで数日や数週間ではなく、数時間で済むような、より迅速な融資処理の提供など、さまざまな方法で金融市場に影響を与えています。データ分析によりカスタマイズされた保険サービスを提供することも可能です。中小企業やその他のユーザーは、すべての支払いをアプリを通じて行えるようにすることで時間を節約できます。最小限のアカウントと最小限の手数料を保証しながら、クライアントにアドバイスするための 24 時間年中無休のカスタマー サービスを提供します。クライアントは、従来のコストのほんの一部で、カスタマイズされたパーソナライズされたサービスを受けることができます。

北欧のフィンテック企業は、優れた金融技術、優れた決済プラットフォーム、先進的な技術消費者を擁し、世界規模で拡大できる独自の立場にあります。世界の他の地域も同様にデジタル化されるまでにはどれくらいの時間がかかるのでしょうか?時間が経てば分かるだろう。

【編集者のおすすめ】

  1. テクノロジーから戦略、経営まで: CIOの知識の世界の進化を見てみましょう
  2. 金融詐欺を未然に防ぎましょう!不正防止分野における人工知能の応用シナリオを見る
  3. 新しい小売業の観点から新しいサービスを定義する:テクノロジーは主要な生産力である
  4. MES 実装で最も恐ろしいのは需要の変化です。
  5. 製造能力の共有は製造業の発展において重要なトレンドになるでしょうか?

<<:  多くの人がまだブロックチェーンについて漠然とした理解しか持っていない中、これらのブロックチェーンの応用シナリオはすでに実装されている。

>>:  自然言語処理技術はビジネス分野でどのようなアプリケーションをサポートできますか?

ブログ    
ブログ    
ブログ    
ブログ    
ブログ    

推薦する

人工知能は労働力不足の重要な解決策とみられる

セリディアンは、無限の労働力を動員する力に焦点を当てた年次経営者調査の結果を発表しました。調査では、...

...

コンピュータアーキテクチャにおける機械学習

[[428279]]機械学習 (ML) の最近の進歩に大きく貢献したものの 1 つは、Google ...

テキスト認識と表認識、このライブラリは直接呼び出します

PaddleOCR は、PaddlePaddle ディープラーニング フレームワークに基づいて開発さ...

...

教育は新世代の人工知能の発展を積極的に支援すべきである

[[250135]]習近平総書記は中国共産党中央委員会政治局第9回集団学習会で、人工知能は新たな科学...

AI言語モデルのオープンソース化による10のプラスとマイナスの影響

GPT や PaLM などの独自のソフトウェアが市場を支配していますが、多くの開発者は依然としてオー...

自動運転には未来があるのでしょうか?

自動運転の定義この記事では、飛行機や船ではなく、自動車の自動運転について説明します。英語ではこれを自...

機械学習にはどのような数学的基礎が必要ですか?

[[184240]]ここ数か月間、データサイエンスの世界にチャレンジして、機械学習の技術を使って統...

北京で人工知能アイスクリームマシンがデビュー、IBMは「AI + ブロックチェーン」でダイヤモンドを識別

1. 人工知能搭載のアイスクリームセルフサービス機が北京でデビューDairyXmas AI人工知能ア...

ADMap: 干渉防止オンライン高精度マップへの新しいアプローチ

この記事は、Heart of Autonomous Driving の公開アカウントから許可を得て転...

2018年は人類の墓掘り元年となるのか?人工知能のせいではない

2018年が近づいてきました。2018年のテーマを大胆に予想すると、間違いなく人工知能が人気のテーマ...

...

70億のオープンソース数学モデルがGPT-4に勝利、中国チーム

7B オープンソースモデル、その数学的能力は数千億規模の GPT-4 を超えます。その性能はオープン...