Tren 2: Mengubah harapan pelanggan

Selama dekade berikutnya, pergeseran ekspektasi dan teknologi pelanggan diperkirakan akan terjadi
perubahan besar dalam perbankan dan memberikannya profil yang sama sekali berbeda. Yang mengerti
teknologi saat ini akan menjadi kontributor pendapatan utama bagi bank pada tahun 2025, karena bank
menghasilkan paling banyak uang dengan pelanggan di atas 40. Secara bersamaan, nasabah bank yang
lebih tua diharapkan untuk mengadopsi teknologi pada tingkat yang jauh lebih tinggi. Penggunaan
teknologi oleh pelanggan perbankan sudah meledak di pasar negara berkembang dan negara
berkembang (Gambar 1).

Selama dua tahun terakhir, jumlah inovasi telah meningkat di seluruh sektor, dan

investasi dalam teknologi keuangan (fin-tech) baru saja tumbuh dengan cepat. Inovasi mempengaruhi
setiap bagian dari rantai nilai, tetapi gangguan paling penting mungkin akan terjadi di bank ' proses
originasi dan penjualan. Penyerang perusahaan teknologi dan perusahaan teknologi tidak mau menjadi
bank; sebaliknya, mereka ingin mengambil alih hubungan pelanggan langsung dan memanfaatkan
sebagian besar bagian rantai nilai yang menguntungkan: asal, penjualan, dan distribusi.

Pemeriksaan model bisnis dasar bank membuat ekonomi ini jelas (Bukti

2). Hampir 60 persen keuntungan bank berasal dari sumber, penjualan, distribusi, dan lainnya kegiatan
yang dihadapi pelanggan. Mereka mendapatkan laba atas ekuitas (ROE) 22 persen yang menarik dari

ini, jauh lebih tinggi dari apa yang mereka dapatkan dari penyediaan neraca dan pemenuhan, yang
hanya menghasilkan ROE 6 persen.

Perusahaan pemula dengan teknologi canggih menawarkan penawaran yang sangat kompetitif dan
tanpa batas. Salah satu strategi terpenting yang mereka gunakan adalah yang mereka tanyakan

pelanggan hanya mentransfer sebagian dari bisnis keuangan mereka pada satu waktu.

Beberapa platform,

seperti NerdWallet, perusahaan baru di AS, dan BankBazaar.com di India, menggabungkan banyak bank '

penawaran dalam bentuk pinjaman, kartu kredit, deposito, asuransi, dll. Lainnya, seperti
fxcompared.com, mengkhususkan diri dalam satu produk. Namun yang lain, seperti
moneysupermarket.com, mulai dengan satu

produk tetapi telah memperluas layanan mereka menjadi keseluruhan penuh produk keuangan dan
bahkan

lebih lanjut (mis., energi, telekomunikasi, dan perjalanan). Layanan baru ini membuatnya luar biasa
sederhana bagi pelanggan untuk membuka akun; begitu mereka memiliki akun, pelanggan dapat beralih
di antara penyedia dengan satu klik.

Jika bank ingin memenangkan pertarungan untuk hubungan pelanggan mereka, banyak hal yang perlu
terjadi.

Pelanggan kemungkinan akan mengharapkan pengalaman intuitif, akses ke layanan kapan saja di
perangkat apa pun,

proposisi khusus, dan keputusan instan. Untuk memenuhi harapan pelanggan,

bank mungkin akan perlu mendesain ulang seluruh organisasi dari pengalaman pelanggan perspektif dan
digitalisasi pada skala. Untuk mencapai ini, fungsi risiko harus menjadi inti

kontributor dan berkolaborasi erat dengan bisnis di seluruh. Kemungkinan besar akan fokus pada dua
prioritas:

✅ Keputusan instan otomatis.

Bank harus menawarkan jawaban real-time yang cepat kepada pelanggan

permintaan (mis., aplikasi pinjaman, pembukaan rekening) dengan proses yang disesuaikan.

Untuk mencapai jawaban real time yang cepat, fungsi risiko perlu menemukan cara untuk membantu
bank menilai risiko dan

membuat keputusan tanpa campur tangan manusia. hal tersebut sering menggunakan banyak desain
ulang proses berbasis nol dan penggunaan lebih banyak data nontradisional.

Kabbage, pinjaman usaha kecil

solusi di Amerika Serikat dan Inggris, adalah contohnya. Kabbage menyediakan aplikasi pinjaman online
yang cepat dan nyaman di mana pendaftar tidak perlu mengirimkan dokumen yang panjang. Sebagai
gantinya, Kabbage menilai berbagai sumber data (mis., PayPal

transaksi, informasi perdagangan Amazon dan eBay, dan volume pengiriman UPS). Dalam kasus seperti
itu, tantangan fungsi risiko adalah untuk mengaktifkan yang aman

pendekatan ramah pelanggan untuk identifikasi dan verifikasi.

✅“Segmen satu.”

Ketika bank menjadi lebih canggih dalam segmentasi pelanggan mereka

dan penawarannya, pihak bank akhirnya dapat membuat "segmen satu" di mana mereka bisa
menyesuaikan harga dan produk untuk setiap individu. Namun, kustomisasi ini memakan biaya yang
besar bagi pihak bank karena proses pendukung yang jauh lebih kompleks. Juga, regulator

kemungkinan akan membatasi bank dalam upaya untuk melindungi konsumen dari penetapan harga
yang tidak tepat

dan keputusan persetujuan. Fungsi risiko akan diharapkan untuk bekerja dengan operasi dan lainnya
fungsi untuk menemukan cara untuk mengelola masalah yang muncul ini sambil tetap memberikan yang
tinggi

solusi khusus.

Tren 3: Teknologi dan analitik sebagai otot berisiko

Teknologi tidak hanya akan mengubah perilaku pelanggan, tetapi juga memungkinkan manajemen risiko
yang baru

teknik, sering digabungkan dengan analitik canggih. Proliferasi teknologi baru

menyediakan daya komputasi yang lebih murah, lebih cepat dan penyimpanan data, yang
memungkinkan pengambilan keputusan risiko yang lebih baik

dukungan dan integrasi proses. Sementara banyak inovasi yang tidak diketahui akan muncul selanjutnya
dalam jangka waktu

sepuluh tahun, kita sudah mengalami efek dari beberapa inovasi yang memiliki implikasi penting bagi
manajemen risiko, termasuk sebagai berikut:

a. Data besar.

Saat ini, sejumlah besar data pelanggan tersedia dan dapat diakses oleh bank.

Daya komputasi yang lebih cepat dan lebih murah memungkinkan bank untuk meningkatkan informasi
baru — misalnya,

granular pembayaran pelanggan dan perilaku pengeluaran, kehadiran media sosial, dan online- aktivitas
penelusuran — dalam pengambilan keputusan berisiko. Mengakses penawaran data eksternal dan tidak
terstruktur menjadi keuntungan besar yang tidak hanya untuk keputusan risiko-kredit yang lebih baik,
tetapi juga untuk pemantauan portofolio

dan peringatan dini, deteksi kejahatan keuangan, dan prediksi kerugian operasional.

Bank hanya mulai memanfaatkan potensi ini, dan masih banyak tantangan. Utama

pertanyaannya adalah apakah bank dapat memperoleh persetujuan regulasi dan pelanggan untuk
model

yang menggunakan data sosial, dan jika demikian, penggunaan data apa yang sah dan dapat diterima.
ƒ Pembelajaran mesin.

Adopsi cepat model generasi baru menawarkan jauh lebih dalam

wawasan data. Pembelajaran mesin mengidentifikasi pola yang kompleks dan nonlinier dalam data
besar

menetapkan dan memungkinkan model risiko yang lebih akurat mungkin (Tampilan 3).

Model-model ini belajar dengan

setiap bit informasi baru yang mereka peroleh, meningkatkan daya prediksi mereka dari waktu ke
waktu.

Banyak sektor sudah menggunakan teknik pembelajaran mesin; contohnya termasuk cuaca perkiraan,
rekomendasi produk Amazon, pengenalan spam email Google, dan

Saran Netflix. Beberapa bank sudah mulai bereksperimen dengan mereka dalam koleksi atau deteksi
penipuan kartu kredit, dengan hasil yang sangat menggembirakan. Namun, adopsi model pembelajaran
mandiri mungkin menghadapi tantangan regulasi, karena model seperti itu tidak dapat divalidasi dengan
cara tradisional.

Bahkan jika regulator tidak menyetujui model seperti itu untuk tujuan modal-peraturan, kami masih
mengharapkan bank untuk menggunakannya untuk tujuan lain, mengingat keunggulan akurasi yang
signifikan.

✅ Crowdsourcing. Internet memungkinkan crowdsourcing ide, yang banyak dimiliki oleh

perusahaan digunakan untuk meningkatkan efektivitas mereka di bidang-bidang tertentu. Allstate,

asuransi

perusahaan, menjadi tuan rumah tantangan bagi para ilmuwan data untuk crowdsource algoritma untuk
mobil

klaim asuransi kecelakaan. dalam tiga bulan, mereka meningkatkan daya prediksi mereka

model sebesar 271 persen.

Banyak dari inovasi teknologi ini dapat mengurangi biaya risiko dan denda. Bank yang berlaku teknik-
teknik ini sejak dini dan dengan berani dapat memperoleh keunggulan kompetitif. Namun, privasi data

dan perlindungan diharapkan menjadi prasyarat penting.

Tren 4: Jenis risiko tambahan (nonkeuangan) sedang muncul

Meskipun manajemen risiko keuangan telah meningkat secara signifikan selama 20 tahun terakhir, ini
bukan kasus untuk jenis risiko lain, terutama yang nonkeuangan. Peningkatan luar biasa dalam denda,
kerusakan, dan biaya hukum terkait risiko operasional dan kepatuhan selama lima tahun terakhir tahun
telah memaksa bank untuk lebih memperhatikan risiko-risiko ini. Ini mungkin akan meningkat

lebih jauh lagi, karena tren peraturan yang dibahas sebelumnya dan mengingat kenaikan yang
diharapkan di

persyaratan modal untuk risiko operasional.

Seolah-olah ini tidak cukup, jenis risiko penting lainnya telah muncul. Contohnya termasuk

berikut:

🤝Risiko penularan. Koneksi keuangan dan makro ekonomi membuat ekonomi,

perusahaan, dan bank lebih rentan terhadap penularan keuangan. Pasar negatif

perkembangan dapat menyebar ke bagian lain dari bank, pasar lain, atau pihak yang terlibat dan dapat
menyebabkan lingkungan operasi bank memburuk dengan cepat dan signifikan. Ini dapat terjadi di
dalam negeri dan lintas batas, berdasarkan arus modal internasional danglobalisasi keuangan.4

 Semakin dekat hubungan pasar, semakin cepat volatilitasnya

menyebar. Meskipun bank sentral adalah entitas utama yang khawatir tentang risiko penularan, individu

bank perlu memahami bagaimana mereka bisa terkena itu. Bank harus mengukur dan melacak.
Mengurangi risiko ini dapat mengurangi total risiko bank dan menurunkan persyaratan modalnya,

karena eksposur bank terhadap risiko penularan adalah salah satu pendorong utama yang mendasari

klasifikasinya sebagai bank global penting secara sistemik (G-SIB) dan untuk modal G-SIB biaya
tambahan.

🤝Risiko model. Meningkatnya ketergantungan bank pada model mengharuskan manajer risiko lebih baik

memahami dan mengelola risiko model. Peningkatan ketersediaan data dan kemajuan dalam
komputasi,

pemodelan, dan algoritma telah memperluas penggunaan model. Namun, kesalahan dari suboptimal
model dapat menyebabkan pengambilan keputusan yang buruk dan meningkatkan risiko bank.

Kesalahan model berasal dari masalah dengan kualitas data, soliditas konseptual, teknis atau kesalahan
implementasi, korelasi atau inkonsistensi waktu, dan ketidakpastian tentang volatilitas.

Ada beberapa strategi mitigasi, yang berpusat pada yang lebih ketat, canggih
pengembangan model, pelaksanaan yang lebih baik (dengan data berkualitas tinggi), validasi
menyeluruh, dan

pemantauan dan peningkatan model yang konstan.

🤝 Serangan cyber

Sebagian besar bank telah membuat perlindungan terhadap serangan cyber atas

prioritas strategis, karena serangan ini dapat memiliki konsekuensi yang menghancurkan. Ini sebagian
karena

untuk ketergantungan berat bank pada perangkat lunak, sistem, teknologi informasi (TI), dan data,
tetapi juga fakta bahwa serangan-serangan ini akan mengambil risiko tidak hanya operasi bank tetapi
juga

data pelanggan rahasia. Mengingat konteks geopolitik saat ini dan kemungkinan evolusi,

kami berharap cybersecurity hanya untuk meningkatkan pentingnya dan membutuhkan yang lebih besar

penyebaran sumber daya di tingkat individu-lembaga, serta lintas-jauh lebih besar kolaborasi industri
dan industri-pemerintah.

Tren 5: Keputusan risiko yang lebih baik melalui penghapusan bias

Risiko lain adalah membuat keputusan yang salah karena bias yang tidak diakui. Selama 30 tahun
terakhir, langkah besar telah dibuat dalam memahami bagaimana manusia nyata, bukan Homo
economicus dari teori ekonomi tradisional, membuat keputusan ekonomi. Kami telah mempelajarinya

bahkan ketika orang berusaha untuk mendekati masalah secara rasional dan tekun, keputusan mereka
adalah

sering suboptimal, karena berbagai bias sadar dan tidak sadar. Orang-orang terlalu percaya diri.

(mis., 93 persen pengemudi mobil di Amerika Serikat menempatkan diri dalam 50 persen teratas semua
pengemudi; 87 persen dari siswa MBA Stanford menilai diri mereka di atas rata-rata dalam percobaan).

Bisnis tidak terkecuali untuk ini. Misalnya, kasus bisnis hampir selalu meningkat. Dalam konteks
manajemen risiko bank, permohonan kredit untuk

pinjaman perusahaan A yang berbunyi, “Sementara tim manajemen baru saja bergabung dengan
perusahaan, itu
sangat berpengalaman. ”Dalam hal ini, petugas kredit tampaknya telah mengambil keputusan, ingin
kredit disetujui, dan menempatkan bukti keseimbangan dalam narasi yang menetralisir bukti yang
berpotensi negatif. Ini hanyalah beberapa bias yang paling penting. 6 ilmuwan dan praktisi terkemuka
telah menerjemahkan wawasan ini menjadi teknik untuk mengatasi bias semacam itu, dan berbagai
industri mulai menerapkannya dengan menjanjikan hasil. Beberapa sektor ini jauh lebih maju di bidang
ini daripada perbankan. Sebagai contoh, beberapa utilitas energi yang harus melakukan investasi
miliaran dolar yang dapat membuat atau menghancurkan

perusahaan (mis., membangun pembangkit listrik tenaga nuklir) telah sepenuhnya mendesain ulang
jurusan mereka

proses pengambilan keputusan investasi dengan bantuan teknik-teknik ini. Ini sangat relevan untuk

bank, yang membuat ribuan keputusan risiko setiap hari; setiap bias yang memengaruhi setiap
keputusan dapat menyebabkan keputusan underwriting yang salah atau harga yang buruk. Bukan hanya
itu, tetapi sebuah kaskade efek dapat ditetapkan, dengan beberapa keputusan bias memiliki efek
kumulatif pada keseluruhan bank

tingkat risiko.

Fungsi risiko bank sudah dapat menerapkan hal berikut:

ƒ Pengakuan Bias.

Langkah pertama adalah penilaian keputusan risiko di bank yang tunduk pada bias. Setelah ini dipahami,
lebih mudah untuk mengidentifikasi dan menguranginya

dampaknya. Model regresi tradisional dimulai dengan hipotesis pemodel tentang faktor-faktor apa yang
dimiliki

kekuatan prediksi dan harus dimasukkan. Menjelajahi pembelajaran mesin menawarkan alternatif
pendekatan, di mana algoritma itu sendiri menentukan driver risiko.

ƒ Teknik eliminasi. Bank dapat menggunakan tiga teknik untuk mengurangi atau menghindari keputusan
yang biasa. Tindakan analitis memberi para pembuat keputusan masukan yang lebih berdasarkan fakta;
perdebatan

teknik membantu menghilangkan bias dari percakapan dan keputusan; dan menjadi langkah bagi
organisasi untuk menanamkan cara baru dalam pengambilan keputusan ke dalam perusahaan (Tampilan
4).

Salah satu contoh metode analitik adalah penilaian kredit kualitatif (QCA). Beberapa

bank di seluruh dunia telah menerapkan QCA untuk penjaminan pinjaman UKM di negara berkembang
pasar, di mana data keuangan seringkali tidak tersedia, tidak mencukupi, atau tidak dapat diandalkan.
Bank biasanya mengandalkan penilaian ahli dalam kasus ini. Meskipun ini tidak dapat dihindari, banyak
yang bisa dilakukan untuk meningkatkan kualitas pengambilan keputusan ini. QCA mengidentifikasi
daftar panjang faktor prediktif potensial dalam lokakarya dengan petugas kredit terbaik, lalu
menyaringnya dengan menguji kembali terhadap riwayat kerugian yang kemudian diterjemahkan ke
dalam struktur

kuesioner, yang mengurangi bias (mis., dengan deskripsi kualitatif tentang apa yang dimaksud baik atau
buruk, atau penggunaan empat nilai untuk setiap faktor untuk menghindari opsi tengah, karena

orang cenderung memilih itu).

Teknik debat tertentu menerapkan aturan diskusi yang ketat untuk komite kredit,

aturan yang menghilangkan diskusi yang beralasan dan mempromosikan pencarian fakta. Setelah semua
orang melakukannya

membaca koran dan presenter merangkum kasus ini, peserta hanya diperbolehkan

ajukan pertanyaan faktual kepada presenter; kasus ini kemudian dimasukkan ke suara anonim (untuk
menghindari jangkar bias). Jika pemungutan suara tidak jelas, kasus ini dibahas dan berpotensi diajukan
kembali.

🤩Trend 6: Kebutuhan akan penghematan biaya yang kuat

Sistem perbankan mengalami penurunan margin yang lambat namun konstan di sebagian besar wilayah
geografis

dan kategori produk. Bank telah bekerja sangat keras dan menggunakan biaya operasional perbaikan
untuk mengkompensasi penurunan ini, menghasilkan laba atas ekuitas yang konstan di ujung bawah
dari rata-rata jangka panjang, yang berada di digit tunggal atas (Gambar 5).

 Meskipun mungkin akan ada perbedaan regional yang substansial, tekanan ke bawah terus berlanjut
yang nantinya margin diperkirakan akan terus berlanjut di semua geografi. Misalnya, pada tahun 2025,
hingga 40 persen dari pendapatan dapat

beresiko dalam kategori produk tertentu jika bank tidak bertindak (Bukti 6) .7

Sebagai akibat dari gangguan ini, bank mungkin perlu memikirkan kembali biaya operasinya dapat
memberikan nilai lebih dengan biaya lebih rendah. Setelah bank mengeksploitasi tradisional dan
bertahap

pendekatan pemotongan biaya seperti penganggaran berbasis nol, analisis nilai tambah (yaitu,
permintaan
manajemen), dan outsourcing, kami percaya bahwa penyederhanaan, standardisasi, dan digitalisasi
kemungkinan akan menjadi satu-satunya jalan yang cukup besar yang tersisa untuk penghematan biaya
besar.

Fungsi risiko tidak bisa dalam jangka panjang dibebaskan dari kontribusi penghematan biaya ini.

Pada saat yang sama, mereka perlu berinvestasi secara substansial untuk mengatasi banyak tren
struktural

dijelaskan sebelumnya. Tidak ada solusi mudah untuk tantangan di bawah industri saat ini dan
konstruksi peraturan, dan kami percaya bank akan perlu menguji kembali keputusan ini atas dekade
berikutnya.