Líderes do setor financeiro sabem que um ótimo desempenho é construído sobre Excelência operacional , manter uma rédea apertada nos custos e (cada vez mais) usando a tecnologia para trabalhar com mais eficiência e fornecer serviços mais inteligentes e rápidos. O maior desafio para a maioria, no entanto, é a execução. Muitos encontraram uma lacuna de bocejamento entre ambição operacional e realidade.
O desempenho inferior operacional joga nas mãos de empresas nativas digitalmente, como fintechs, muitas das quais estão direcionando Indústria financeira A receita se une em áreas, incluindo pagamentos e financiamento comercial. Essas empresas geralmente são operacionalmente eficientes por design, executando modelos de negócios altamente automatizados que pontuam grande quando se trata de satisfação do cliente. Muitos titulares, por outro lado, estão sobrecarregados com um legado caótico dos processos operacionais e são abandonados na parte inferior das classificações de satisfação do cliente.
Financial institutions urgently need to address operational weaknesses and, by extension, transform the customer experience.
As instituições financeiras precisam urgentemente mudar a maneira como jogam. Isso significa abordar fraquezas operacionais e, por extensão, transformar a experiência do cliente. Acreditamos que as empresas que simplificam as operações e automatizam sistematicamente-um processo que chamamos de zero operações ou zero-OPS ( Modelado no orçamento baseado em zero )-pode reduzir os custos em até 80% e aumentar as receitas, permitindo o serviço superior geral. Mas eles podem fazer algo: adote uma abordagem mais prática para cortar e melhorar a experiência do cliente. Isso significa imposição de ordem no cenário operacional inerentemente diversificado e sendo sistemático sobre a implementação da mudança. O conceito tem suas raízes na mentalidade de limpeza limpa encapsulada no orçamento baseado em zero. Começa a partir da idéia de que todo o trabalho operacional pode ser automatizado e exige que processos manuais ou etapas de processo sejam reavaliados e justificados contra esse alvo. (Veja o Anexo 1.) O motivo? Zero-OPS leva a taxas de erro muito mais baixas e execução mais rápida, e permite o serviço digital sem costura que os clientes esperam cada vez mais. Enquanto isso, os processos simplificados se manifestam em zero-OPS criam trilhas de dados mais limpas e, portanto, registros mais completos, consistentes e confiáveis. Eles podem ser usados para melhorar tudo, desde ofertas de produtos até conformidade e relatórios. Finalmente, acertar as operações pode aumentar a satisfação do trabalho e capacitar os funcionários a entregar melhor, especialmente no escritório da frente. Ineficiências e redundâncias e processos de padronização o máximo possível. Isso geralmente envolve a combinação das capacidades de funcionários e máquinas. Os processos que não são dimensionados, como os que se relacionam aos produtos em desenvolvimento, provavelmente são adequados até serem lançados em toda a organização. Ainda assim, em um mundo ideal, quase todo o portfólio operacional acabaria sendo automatizado. Por exemplo, os mesmos dados podem passar por múltiplas verificações desnecessárias, ou uma falha em aplicar consistentemente novos regulamentos entre as geografias pode deixar regulamentações mais antigas que não se aplicam mais, levando a processos que não são mais necessários. Redundências também podem estar localizadas em produtos herdados mantidos por uma minoria de clientes (que possuem um alto custo para servir) ou serviços que foram digitalizados, mas ainda estão em operações (porque nem todos os canais estão usando o serviço digital de forma consistente). Um problema comum é que as funções digitais, ramificadas e call center lidam com a mesma consulta, mas produzem registros distintos e às vezes conflitantes.
Three Steps to an 80% Decline in Costs
Given their complex business models, legacy IT, and entrenched ways of working, financial institutions cannot easily reinvent themselves as fintechs or large tech firms. But they can do something: take a more practical approach to cost cutting and improving the customer experience. This means imposing order on the inherently diverse operational landscape and being systematic about implementing change.
We define zero-ops as an idealized target state in which all operational work is either removed or automated. The concept has its roots in the clean-slate mindset encapsulated in zero-based budgeting. It starts from the idea that all operational work can be automated and requires that manual processes or process steps be reassessed and justified against that target.
By implementing zero-ops, financial institutions can cut costs by as much as 80% and put themselves in a much better place to play to their potential. (See Exhibit 1.) The reason? Zero-ops leads to much lower error rates and faster execution, and it enables the seamless digital service that customers increasingly expect. Streamlined processes manifested in zero-ops, meanwhile, create cleaner data trails and therefore more complete, consistent, and reliable records. These can be used to improve everything from product offerings to compliance and reporting. Finally, getting operations right can boost job satisfaction and empower employees to deliver better, especially in the front office.
In practice, zero-ops comprises three steps:
- The first is to simplify, which means identifying and removing operational inefficiencies and redundancies and standardizing processes as much as possible.
- Next, firms should introduce progressive smart processing, which means automating tasks and processes where doing so delivers the most value. This often involves combining the capabilities of employees and machines.
- Finally, institutions can move standardized processes that are operated at scale to full automation, albeit supported by human programmers and remediation teams. Processes that are not scaled, such as those relating to products in development, are unlikely to be suitable until they are rolled out across the organization. Still, in an ideal world, almost the entire operational portfolio would eventually be automated.
Simplify Across the Board
Overlaps and redundancies often build up over time. For example, the same data might undergo unnecessary multiple checks, or a failure to consistently apply new regulations across geographies may leave in place older regulations that no longer apply, leading to processes that are no longer necessary. Redundancies may also be located in legacy products held by a minority of customers (which carry a high cost to serve) or services that have been digitized but still sit in operations (because not all channels are using the digital service consistently). A common problem is that the digital, branch, and call center functions handle the same query but produce distinct and sometimes conflicting records.
As instituições precisam abordar esses gargalos e buscar a simplicidade no design de processos, gerenciamento de dados, organização e execução. Faz sentido como um primeiro passo para executar testes de diagnóstico, projetados para quantificar o valor anexado a cada tarefa e processo. A análise deve ser delineada pelo segmento de clientes e mostrar como as etapas individuais contribuem para as jornadas dos clientes. Isso deve ajudar as empresas a cortar interdependências e fornecer um link claro para a entrega de valor. No entanto, as análises avançadas mudaram o jogo, facilitando muito a identificação e categorização de etapas, aplicativos e interfaces de processos individuais. Eles podem ser usados para elaborar mapas de produtos e processos, horários baseados em atividades e paisagens de aplicativos, que fornecem coletivamente informações:
Until recently, diagnostic testing was a time-consuming and complex process. However, advanced analytics have changed the game, making it much easier to identify and categorize individual process steps, applications, and interfaces. These can be used to draw up product and process maps, activity-based schedules, and application landscapes, which collectively provide insight into:
- Produtos e suas variações
- Etapas comuns a vários processos
- Flow control and transfers within processes
- Duplicated information across steps
- Patterns across processes
Simplification should be about both removing sources of inefficiency and building accountability to keep inefficiencies from creeping back in. The approach, properly implemented, should enable executives to identify high- and low-value processes that can be assessed and prioritized accordingly. This can reasonably be achieved over a period of months. The eventual automation step will be focused on a streamlined set of tasks and processes.
From a leadership perspective, a good point of reference is a minimum viable product (MVP) mindset, which means focusing on the minimum required to deliver products and services. In addition, simplification should not be seen as a one-off, or even periodic, exercise. Instead, it should be set up as a continuous way of working that targets the whole cost base.
Simplification should not be seen as a one-off, or even periodic, exercise.
Finalmente, a simplificação também precisa abranger mudanças culturais. As empresas devem adotar uma mentalidade ágil, concentrando-se na melhoria contínua e obtendo a adesão ampla. Os gerentes seniores devem liderar a mudança, trabalhando para responder a preocupações, incorporar feedback e incentivar o envolvimento. Em um exemplo do mundo real, um banco global pretendia reduzir os custos de 20% a 40% em dois anos. O banco começou com uma avaliação e, em seguida, lançou um programa de simplificação acelerado. As economias iniciais foram então aplicadas para financiar a próxima etapa da jornada. Em uma segunda fase, o banco redigiu um roteiro de três a quatro anos, que teve como objetivo obter uma redução adicional de 50% nos custos. O próximo estágio é introduzir seletivamente o processamento inteligente, que pode raspar mais 30% da base de custos original (e mais em uma base cumulativa). Portanto, as empresas requerem um kit de ferramentas que pode preencher a lacuna entre analógico e digital, principalmente para processos padronizados ou de alta demanda. Isso deve incluir soluções de inteligência artificial, como reconhecimento de imagem, reconhecimento de caracteres ópticos (OCR), processamento de linguagem natural, reconhecimento de voz, robótica e aprendizado de máquina. Os aplicativos de IA oferecem velocidades de processamento mais altas e maior capacidade de acertação de números, permitindo que as instituições financeiras interrogem conjuntos de dados muito maiores. É provável que o impacto seja sentido no cumprimento acelerado, taxas de exceção mais baixas, um funil de vendas mais amplo e uma proposta mais amigável do cliente. Em vez disso, os líderes devem revisar atividades individuais, julgando a viabilidade do processamento inteligente caso a caso. Em geral, no entanto, o processamento inteligente é particularmente útil quando combinado em processos de ponta a ponta, onde pode ter um efeito composto na eficiência. Por exemplo, quando um cliente que solicita crédito envia uma demonstração de resultados por e-mail, o processamento de linguagem natural pode identificar o contexto e conectar o email ao aplicativo de crédito. O software OCR pode traduzir o conteúdo da imagem em PDF em texto e extrair os dados. Um algoritmo de aprendizado de máquina confirmará a aprovação do crédito e definirá uma taxa ajustada ao risco com base na receita do candidato. Em outro exemplo, o processamento inteligente pode ser usado para codificar as mudanças de regras decorrentes da regulamentação e para as violações de sinalização que podem ser captadas pelas equipes de conformidade e operações para revisão.
Effectively implemented, simplification by itself can catalyze operating-cost reductions of as much as 30%. In one real-world example, a global bank aimed to cut costs by 20% to 40% over two years. The bank started with an assessment and then launched a fast-track simplification program. Early savings were then applied to fund the next stage of the journey. In a second phase, the bank drafted a three- to four-year roadmap, which aimed to achieve a further 50% reduction in costs.
Selectively Introduce Smart Processing
The simplification exercise should have resulted in a much-reduced operational portfolio. The next stage is to selectively introduce smart processing, which can shave another 30% from the original cost base (and more on a cumulative basis).
Smart processing means injecting new technologies but not reengineering the underlying infrastructure. Firms therefore require a toolkit that can bridge the gap between analog and digital, particularly for standardized or high-demand processes. This should include artificial-intelligence solutions such as image recognition, optical character recognition (OCR), natural-language processing, voice recognition, robotics, and machine learning. AI applications offer both higher processing speeds and greater number-crunching capacity, enabling financial institutions to interrogate much larger data sets. The impact is likely to be felt in accelerated fulfillment, lower exception rates, a broader sales funnel, and a friendlier customer proposition.
There is no simple one-size-fits-all approach to selective smart processing. Instead, leaders must review individual activities, judging the feasibility of smart processing on a case-by-case basis. In general, however, smart processing is particularly useful when combined across end-to-end processes, where it can have a compounding effect on efficiency. For example, when a customer applying for credit sends an income statement via email, natural-language processing can identify the context and connect the email to the credit application. OCR software can then translate the PDF image content into text and extract the data. A machine-learning algorithm will confirm the credit approval and set a risk-adjusted rate based on the applicant’s income. In another example, smart processing can be used to encode rule changes arising from regulation and to flag contraventions that can be picked up by compliance and operations teams for review.
Não existe uma abordagem simples de tamanho único para o processamento inteligente seletivo. Os líderes devem julgar a viabilidade caso a caso.
Algumas instituições financeiras já fizeram progresso. Um banco universal na Ásia-Pacífico, por exemplo, aplicou uma abordagem zero-OPS para transformar seu negócio de hipotecas. Uma revisão da estrutura de processos da empresa revelou uma grande quantidade de atividades de operações que ocorrem no escritório da frente e as atividades de canibalização do cliente. Uma iniciativa de diagnóstico destacou a possibilidade de um ganho de produtividade de 10% a 20% através da simplificação de processos de front-office. Um ganho adicional de 40% a 60% foi direcionado em uma segunda fase, que compreendeu o processamento e a automação inteligentes de etapas individuais, combinadas com a consolidação da organização e do sistema. O estado final de destino real para zero-OPS é uma estrutura operacional totalmente automatizada. Claro, é improvável que isso aconteça de uma só vez. A realidade provavelmente será uma migração constante ao longo do tempo. No entanto, a tarefa não deve ser subestimada - uma mudança para a automação total requer recalibração radical do modelo operacional e a reconstrução da infraestrutura de suporte. Seu impacto independente, no entanto, pode ser uma redução de 20% na base de custos original. O impacto real nesta fase do processo (já simplificado e automatizado seletivamente) estaria mais próximo de 50% dos custos restantes.
Move Iteratively to Full Automation
Innovations in smart processing should be regarded as intermediate steps. The real target end state for zero-ops is a fully automated operational framework. Of course, this is unlikely to happen all at once. The reality is likely to be steady migration over time. However, the task should not be underestimated—a move to full automation requires radical recalibration of the operating model and rebuilding of the supporting infrastructure. Its standalone impact, however, can be a 20% reduction in the original cost base. The real impact at this stage in the process (having already simplified and selectively automated) would be closer to 50% of the remaining costs.
The real target end state for zero-ops is a fully automated operational framework.
Automação completa é alcançada quando a execução regular de um processo não requer intervenção ou supervisão humana no curso normal das operações. No entanto, o outro lado é que o "campo de visão" das equipes de operações se expande. Por exemplo, quando os dados incorretos são enviados, o erro deve ser abordado por pessoal operacional e designers de UX. Eles corrigirão o erro e corrigirão o problema sistêmico que levou ao erro em primeiro lugar. Enquanto isso, as equipes interdisciplinares devem buscar melhorias contínuas, representando os interesses dos negócios, do cliente e das funções de tecnologia e operações. As equipes devem ter como objetivo implantar soluções em dias, em vez de semanas ou meses. O estado final -alvo é que os especialistas em OPS não se concentram mais nas operações em si, mas, em vez disso, fazem parte de um sistema dedicado à melhoria contínua. No caso dos processos de Know-Your-Customer (KYC), por exemplo, é possível automatizar um ciclo de atualização regular para documentos do cliente (supondo que não haja consultas). Cópias dos documentos do cliente podem ser coletadas e armazenadas digitalmente. As ferramentas de OCR e processamento de idiomas podem ser aplicadas para extrair campos-chave e verificar cada documento em relação aos requisitos. Se for necessária mais informações, o software poderá enviar uma notificação ao smartphone do cliente. Usando a câmera do smartphone, o cliente pode fazer o upload do material em minutos.
For complex processes, few institutions have made the transition—but full automation is within their reach. In the case of know-your-customer (KYC) processes, for example, it is possible to automate a regular update cycle for customer documents (assuming there are no queries). Copies of customer documents can be collected and stored digitally. OCR and language-processing tools can then be applied to extract key fields and check each document against requirements. If more information is required, the software can send a notification to the customer’s smartphone. Using the smartphone camera, the customer can upload the material in minutes.
Esses tipos de transições já estão acontecendo. Um banco direto europeu, por exemplo, descobriu que seu modelo operacional e atividades em escala poderiam ser aprimoradas pela padronização. O banco usou essa abordagem para imaginar um estado -alvo, redefinir seus processos e identificar as iniciativas corretas. Uma suposição importante era que seria possível aumentar a padronização de interfaces de terceiros. Enquanto isso, cada subprocesso manual foi reavaliado com base na tecnologia atualmente disponível ou emergente. A avaliação levou a uma série de iniciativas destinadas a substituir o manual por subprocessos automatizados. O resultado foi um modelo operacional recalibrado no qual tarefas e processos manuais eram necessários apenas para alguns casos especiais que não foram escalados e para entregar exceção. A abordagem levou à identificação de ganhos de eficiência de 40% a 60%. Os produtos e serviços em estágio inicial, por exemplo, provavelmente precisam se estabelecer antes que a automação seja contemplada. (Consulte Anexo 2.) Isso permite que as empresas escolham se devem mudar para processamento inteligente ou automação completa com base no grau de padronização de um processo e na escala de sua implementação em toda a instituição:
Getting There: A Scale and Standardization Matrix
Some tasks and processes are likely to be more amenable to smart processing or full automation than others. Early-stage products and services, for example, probably need to become established before automation is contemplated.
A useful tool in segmenting operational activities in terms of their automation potential is a four-quadrant matrix of standardization and scale. (See Exhibit 2.) This allows firms to choose whether to move to smart processing or full automation based on the degree of standardization of a process and the scale of its implementation across the institution:
- Baixa padronização, baixa escala. No caso de novos produtos, as empresas podem preferir adiar a automação até que tenham certeza de que o produto é bem -sucedido. Esses produtos também podem exigir suporte manual, dada sua natureza experimental e requisitos de mudança. No entanto, as empresas devem tomar cuidado com os protótipos que nunca se formam em automação total e nunca alcançam escala ou padronização. Eles devem definir regras para se um protótipo deve ser descontinuado ou padronizado e escalado. A few operations activities are resistant to automation because of the significant level of human input required—for example, processes related to legacy products that are being phased out, highly manual processes such as cash handling, and processes related to new products that are still in development. In the case of new products, firms may prefer to hold off on automation until they are certain the product is successful. These products may also require manual support given their experimental nature and changing requirements. However, firms should beware of prototypes that never graduate to full automation and never achieve scale or standardization. They should define rules for whether a prototype should be discontinued or standardized and scaled.
- Baixa padronização, alta escala. O imperativo deve ser aumentar a padronização e implantar processamento inteligente para automatizar etapas individuais. Por exemplo, a identificação do cliente pode ser um requisito comum entre os produtos e, portanto, pode ser padronizado, enquanto outros processos são específicos para o produto e provavelmente permanecerão manuais. Nesse contexto, o processamento inteligente pode ativar a escala. Um exemplo é o processamento necessário para reverter transações com cartão de crédito, que geralmente é tratado por um call center. As instituições financeiras podem usar processamento e robótica inteligentes para transferir o processo para um aplicativo móvel, reduzir custos, aumentar a conveniência do cliente e permitir uma solução totalmente escalada. In this scenario, products and services are in high demand but a large number of operational resources are performing similar tasks and individualizing delivery. The imperative should be to increase standardization and then deploy smart processing to automate individual steps. For example, customer identification may be a common requirement across products and so can be standardized, while other processes are specific to the product and are likely to remain manual.
- High Standardization, Low Scale. Some activities are amenable to smart processing because they contain routine or standardized elements but are still performed manually. In this context, smart processing can enable scaling. One example is the processing required to reverse credit card transactions, which is usually handled by a call center. Financial institutions could use smart processing and robotics to move the process onto a mobile app, cutting costs, boosting customer convenience, and enabling a fully scaled solution.
- Alta padronização, alta escala. Os pagamentos são um excelente exemplo, e a maioria das instituições percorreu muito o caminho para automatizá -las. No entanto, outros processos, como a abertura da conta, são igualmente passíveis, mas atualmente menos automatizados. Obviamente, no mundo real, pode haver níveis mais altos de granularidade em operações individuais que significam que as instituições financeiras devem fazer julgamentos subjetivos com base em suas prioridades estratégicas. Não é mais suficiente introduzir tecnologia nas margens, escolhendo algumas partes do negócio para automatizar e deixar outras pessoas em analógicas. As empresas precisam de uma abordagem mais sistemática, na qual a mudança marginal é aceitável apenas como um trampolim para uma transição mais fundamental. A tarefa é complexa, mas o prêmio é uma transformação operacional que pode ultrapassar os limites da experiência do cliente e entregar nos resultados. Thorsten Brackert This segment comprises high-volume, standardized tasks and processes that are operated at scale and are therefore suitable for full automation. Payments are a prime example, and most institutions have traveled a long way down the road of automating them. However, other processes, such as account opening, are equally amenable but currently less automated.
The matrix provides a systematic lens through which to assess operational tasks and processes and to plan remediation steps. Of course, in the real world there may be higher levels of granularity in individual operations that mean that financial institutions must make subjective judgements based on their strategic priorities.
As fintechs and large tech companies pick away at the value chain, financial companies need a sea change in the way they approach operations. It is no longer sufficient to introduce technology at the margins, choosing some parts of the business to automate and leaving others in analog. Firms need a more systematic approach, in which marginal change is acceptable only as a stepping stone to a more fundamental transition. The task is complex but the prize is operational transformation that can push the boundaries of the customer experience and deliver on the bottom line.
