Μέθοδοι και Τεχνολογικά Εργαλεία Αυτοματοποίησης Αξιολόγησης Επιχειρηματικών Δανείων Μικρομεσαίων Επιχειρήσεων στην Ελληνική Τραπεζική αγορά
Methods and Technological tools of Automation for the Evaluation of Business Loans of Small and Medium Enterprises in the Greek Banking market (english)
Η χρηματοδότηση των μικρομεσαίων επιχειρήσεων αποτελεί μία από τις πιο σημαντικές υπηρεσίες των τραπεζών. Προσφέρει περιθώρια αύξησης των εσόδων τους, αποτελεί σημαντικό εργαλείο χρηματοδότησης της πραγματικής οικονομίας, ενώ παράλληλα συνεισφέρει σε μεγάλο βαθμό στην ανάκαμψη από την κρίση χρέους και την υγειονομική κρίση.
Κάποιες από τις μεγαλύτερες προκλήσεις των τραπεζών είναι η εξοικονόμηση κόστους, η αύξηση των μεριδίων αγοράς, η ταχύτερη εξυπηρέτηση και η μέγιστη ικανοποίηση του πελάτη, χωρίς όμως αυτά να αυξήσουν τους αναλαμβανόμενους κινδύνους.
Ένα από τα σημαντικότερα εργαλεία προς αυτή την κατεύθυνση είναι η μετάβαση στην ψηφιακή εποχή. Αυτό αποδεικνύεται συνεχώς από τις αυξανόμενες επενδύσεις στον τομέα της ψηφιακής αναβάθμισης και τη στροφή των τραπεζικών ιδρυμάτων στο digital transformation.
Η υγειονομική κρίση επιτάχυνε τα επενδυτικά σχέδια των τραπεζών για ψηφιοποιημένες υπηρεσίες και αποτέλεσε σημαντική αφορμή για αλλαγή της νοοτροπίας τόσο των τραπεζών όσο και των πελατών τους.
Στην εργασία που ακολουθεί αναλύονται οι παράγοντες που θα συνδράμουν στην αυτοματοποίηση της διαδικασίας αξιολόγησης χρηματοδοτήσεων μικρομεσαίων επιχειρήσεων. Γίνεται αναφορά στο υφιστάμενο επίπεδο αυτοματοποίησης των διαδικασιών, στα διαθέσιμα ψηφιακά κανάλια, στα σχέδια και τις προοπτικές για ψηφιακό μετασχηματισμό της οικονομίας (ιδιωτικό και δημόσιο) και στα διαθέσιμα τεχνολογικά εργαλεία, με κύριο στόχο τις γρήγορες, αξιόπιστες και αυτοματοποιημένες αξιολογήσεις. Παράλληλα παρουσιάζονται οι προκλήσεις και οι κίνδυνοι που προκύπτουν από την εφαρμογή των ανωτέρω τεχνολογιών στη λήψη αποφάσεων.
Τέλος γίνεται πρακτική εφαρμογή των νευρωνικών δικτύων σε ένα δείγμα μικρομεσαίων επιχειρήσεων, με σκοπό να αξιολογήσουμε τις προβλεπτικές δυνατότητες αυτών των μοντέλων. Η τεχνολογική ανάπτυξη και ο μεγάλος όγκος διαθέσιμων πληροφοριών, μπορούν να συνδράμουν σημαντικά προς την κατεύθυνση της αυτοματοποίησης των διαδικασιών αξιολόγησης επιχειρηματικών δανείων, προσφέροντας παράλληλα σημαντικά οφέλη στους τραπεζικούς οργανισμούς.
The financing of the small medium sized enterprises (SME) constitutes one of the most important bank services. Specifically, it offers margins for revenue growth, constitutes an important financial tool while it contributes to a large degree in the recovery from the debt and health crisis.
Some of the biggest banks’ challenges are the cost saving, the increase in market shares, the faster service and maximum customer satisfaction but without increasing the risk taken.
One of the most important tools towards this direction is the transition to the digital era. The significance of the specific tool is being proved constantly by the increasing investments in the section of digital upgrade as well as by the turn of the bank institutions to digital transformation.
The health crisis accelerated the investment plans of the banks for digital services while it constituted important reason for mentality change both to banks and customers as well.
In the following assignment, all the factors contributing to the automation of the SME financing evaluation process are being analyzed. Reference is also made to the existing level of automated procedures, to the available digital channels, to the plans and
perspectives on economy transformation (private and public) as well as to the available technological tools having as a primary goal fast, credible and automated evaluations. At the same time, the challenges and the risk taken as a result of the implementation of the above technologies in decision making are being presented.
Finally, practical application of neural networks is being performed to a sample of SME so as to evaluate predictive ability of these models. The technological development and the large volume of available information could contribute significally to the automation of business loans evaluation procedures, offering simultaneously important benefits to bank institutions.