เจาะลึกเทรนด์ Data ปี 2025 สำหรับวงการการเงิน โดย Snowflake

ในฐานะพาร์ทเนอร์ของ Snowflake ทาง Seven Peaks ยินดีเป็นอย่างยิ่งที่จะนำเสนอเนื้อหาดีๆ ในบทความนี้เราได้สรุปเทรนด์สำคัญเกี่ยวกับข้อมูลในแวดวงบริการทางการเงินปี 2025 มาให้คุณอ่านแบบเน้นๆ หรือถ้าสนใจอ่านฉบับเต็มก็สามารถกดเข้าไปดูได้เลย

เทรนด์สำคัญในแวดวง
บริการทางการเงิน

รายงาน "Data Trends 2025: Financial Services" ของ Snowflake ได้เจาะลึกภูมิทัศน์การใช้ข้อมูลที่กำลังเปลี่ยนไปในภาคการเงิน โดยชี้ให้เห็นการเปลี่ยนแปลงครั้งใหญ่ที่มุ่งเน้นการใช้ AI ในทางปฏิบัติและกลยุทธ์ด้านข้อมูลที่เข้มข้นขึ้น ธีมหลักของปีนี้คือการก้าวข้ามจากช่วงทดลอง AI ไปสู่การลงมือทำจริง ด้วยโซลูชัน AI ที่สร้างมูลค่าได้จริงและทำงานร่วมกับระบบอื่นได้อย่างราบรื่นไร้รอยต่อ

นี่คือสิ่งที่เราได้สรุปประเด็นสำคัญและข้อมูลเชิงลึกจากรายงาน

• ปีแห่ง AI ที่ใช้งานได้จริงในโลกการเงิน: รายงานระบุว่าปี 2025 จะเป็นปีที่องค์กรการเงินก้าวข้ามความเป็นไปได้ทางทฤษฎีของ AI มาสู่การใช้งานจริงที่จับต้องได้ การเปลี่ยนแปลงนี้เน้นไปที่การผสาน AI, Machine Learning และข้อมูลเข้าด้วยกันเพื่อเพิ่มผลผลิตและประสิทธิภาพการดำเนินงาน
  
  กุญแจสำคัญของเทรนด์นี้คือ องค์กรต้องพิสูจน์ให้เห็นถึงมูลค่าที่จับต้องได้และ ROI จากการลงทุนใน AI  โดยเน้นที่การสร้างรากฐานข้อมูล (Data Foundations) ที่แข็งแกร่งเพื่อรองรับการขยายผลของ AI และ Generative AI ไปสู่การดำเนินงานจริง รวมถึงการจัดการกับความซับซ้อนของกฎระเบียบ ไม่ว่าจะเป็นธรรมาภิบาล AI หรือการปกป้องข้อมูล

• เทรนด์ที่ส่งผลต่อบริการทางการเงิน

  • องค์กรเริ่มเจาะลึกข้อมูลที่ไม่มีโครงสร้าง (Unstructured Data) มากขึ้น: รายงานชี้ให้เห็นถึงข้อมูลปริมาณมหาศาลในอุตสาหกรรมการเงินที่อยู่ในรูปแบบไม่มีโครงสร้าง เช่น เอกสาร อีเมล และไฟล์เสียงบันทึกจาก Call Center ตอนนี้มีกระแสผลักดันให้ดึงมูลค่าจากข้อมูลเหล่านี้มาใช้เพื่อเข้าใจลูกค้า ปรับปรุงบริการ และเพิ่มประสิทธิภาพการทำงาน โดยมักจะใช้พลังของ Generative AI เข้ามาช่วย

  • การแชร์ข้อมูลและการทำงานร่วมกัน (Interoperability) กลายเป็นเรื่องสำคัญ: สถาบันการเงินเริ่มตระหนักแล้วว่า การใช้ทั้งข้อมูลของตัวเอง (First-party) และข้อมูลภายนอก (External data) ผสมผสานกันคือกุญแจสู่ความได้เปรียบในการแข่งขัน ซึ่งรวมถึงความสามารถในการเข้าถึง ใช้งาน และเสริมข้อมูลภายในด้วยข้อมูลภายนอกที่เกี่ยวข้อง รวมถึงการใช้เครื่องมือที่ช่วยให้การร่วมมือและการเชื่อมต่อกับโซลูชันของพาร์ทเนอร์เป็นไปอย่างราบรื่นไร้รอยต่อ    

  • ผลกระทบแฝงของข้อมูลและ AI ต่อการปฏิบัติงาน: นอกเหนือจากแอปฯ ที่ลูกค้าใช้งานแล้ว AI ยังมีบทบาทสำคัญในการปรับปรุงการทำงานภายในองค์กรด้วย ไม่ว่าจะเป็นการจัดการข้อมูลให้คล่องตัวขึ้น การเพิ่มผลผลิตผ่านระบบอัตโนมัติที่ขับเคลื่อนด้วย AI และการใช้เทคนิคอย่าง Semantic Modeling เพื่อให้ใช้ประโยชน์จากข้อมูลได้ดียิ่งขึ้น    

• เจาะลึกกรณีการใช้งานจริง: รายงานได้ยกตัวอย่างการนำเทรนด์เหล่านี้ไปใช้ในกลุ่มย่อยต่างๆ ของอุตสาหกรรมการเงินดังนี้

  • ประกันภัย: ใช้ AI ช่วยลดความซับซ้อนในกระบวนการเคลม โดยดึงข้อมูลจากเอกสารต่างๆ ได้อย่างรวดเร็วและแม่นยำ ช่วยให้งานเดินไวขึ้นและลูกค้าได้รับประสบการณ์ที่ดีขึ้น   

  • การบริหารจัดการสินทรัพย์: มีการใช้ AI โดยเฉพาะ LLMs มาวิเคราะห์ข้อมูลที่ไม่มีโครงสร้าง เช่น เอกสารทางการเงินและข่าวสาร เพื่อช่วยในงานวิจัยเชิงปริมาณ และการวิเคราะห์การลงทุน   

  • การธนาคารและการชำระเงิน: ใช้ AI เร่งกระบวนการต่างๆ เช่น การซื้อบ้าน โดยการอ่านเอกสารและหาช่องโหว่ของข้อมูลอย่างรวดเร็ว ช่วยให้ทั้งเจ้าหน้าที่และลูกค้าสะดวกและรวดเร็วขึ้น   

โดยสรุป รายงานของ Snowflake เน้นย้ำว่าเรากำลังอยู่ในช่วงเวลาแห่งการเปลี่ยนแปลงครั้งสำคัญของอุตสาหกรรมการเงิน ซึ่งขับเคลื่อนโดยการนำ AI มาใช้อย่างมีกลยุทธ์และแนวทางที่ให้ความสำคัญกับข้อมูลเป็นศูนย์กลางนั่นเอง