Dependente da qualidade dos dados
Os bancos e outras instituições financeiras dependem da qualidade dos dados para suportar processos automatizados que podem simplificar as suas operações. Ao automatizar elementos-chave do fluxo de trabalho das transações, as instituições podem reduzir o número de exceções e os custos associados, otimizando os processos operacionais e a eficiência operacional global.
No entanto, a qualidade dos dados pode constituir um obstáculo à concretização da promessa da automatização. A complexidade do mercado atual significa que muitos bancos são obrigados a lidar com enormes volumes de dados de transações, provenientes de uma variedade de entradas e formatos. As técnicas legadas de validação manual de dados estão a sucumbir ao dilúvio de dados, e os problemas de qualidade de dados daí resultantes têm implicações nas taxas de processamento direto (STP).
As novas técnicas de IA — em particular o conceito de aprendizagem observacional — podem ajudar a resolver estes problemas de qualidade de dados, ao basearem-se no “conhecimento” dos sistemas de reconciliação sobre as preferências de dados da organização, permitindo às instituições financeiras reduzir o número de problemas de dados que requerem atenção e acelerar o processo de mitigação dos que permanecem.
Este documento analisa os desafios de dados que estão a dificultar as tentativas das organizações de melhorar as taxas de STP e explica como a aprendizagem observacional pode ajudar. Aborda casos de utilização específicos de IA e de aprendizagem observacional em processos operacionais e regulamentares críticos e descreve como a Smartstream adicionou à sua oferta de reconciliações nativas na cloud Smartstream Air a capacidade de aprendizagem observacional Affinity, desenvolvida no seu Innovation Lab.
