एएफ, एमएल और आरपीए बीएफएसआई सेक्टर के लिए सुलह सिस्टम को मजबूत कर सकते हैं

खुले बैंकिंग और त्वरित भुगतान से मुख्यधारा बन रही है, बैक-ऑफिस एंटरप्राइज सुलह प्रणाली को गति बनाए रखने की आवश्यकता है। परंपरागत रूप से, लेनदेन को आम तौर पर एक बैच मोड में संसाधित किया जाता था और भुगतान में घंटों लगते थे, यदि दिन नहीं, तो प्रक्रिया को स्पष्ट और व्यवस्थित करने के लिए। अब, सुलह और निपटान चक्रों को संकुचित कर दिया गया है। यह किसी भी संस्था के बैक ऑफिस पर कई इंट्राडे सेटलमेंट साइकल का समर्थन करने और वास्तविक समय के निकट डेटा को समेटने में काफी दबाव डालता है।

यही कारण है कि वित्तीय संस्थान एंड-टू-एंड एंटरप्राइज़ स्तर स्वचालित सुलह प्रक्रियाओं की तलाश कर रहे हैं जो लेनदेन डेटा के बड़े प्रवाह को संभालने, गति में सुधार, परिचालन जोखिम का प्रबंधन करने और अनुपालन आवश्यकताओं को पूरा करने में उनकी मदद कर सकते हैं।

के अनुसार सतीश एन, उप मुख्य उत्पाद अधिकारी, एफएसएस एआई और मशीन लर्निंग यही देने का वादा करते हैं। "प्रमुख डेटा मिलान बिंदुओं पर मशीन लर्निंग को नियोजित करके, समाधानकर्ता समय, परिचालन लागत और नियामक दंड से बचने के संदर्भ में मूल्य के गुणकों को अनलॉक कर सकते हैं," उन्होंने एक में कहा। साक्षात्कार साथ में टेक प्रेक्षक, यह जोड़कर कि उन्नत एमएल एल्गोरिदम कई सुलह बिंदुओं में प्रक्रिया दक्षता में सुधार कर सकते हैं।

 संपादित अंश: 

कैसे स्वचालित मिलान प्रणाली प्रसंस्करण लेनदेन की दक्षता में सुधार करने में मदद करती है?

डिजिटल भुगतान तेजी से बढ़ने के साथ, कई भुगतान पारिस्थितिकी तंत्र घटकों के बीच लाखों लेनदेन प्रतिदिन होते हैं। भुगतान या लेनदेन निपटान चक्र, हितधारक और उपयोग किए गए विभिन्न अनुप्रयोगों के संयोजन के आधार पर भिन्न होता है और इन कई प्रसंस्करण प्रणालियों द्वारा बनाए गए लेखांकन रिकॉर्ड को लेनदेन के विभिन्न चरणों में सिंक करना पड़ता है। पारिस्थितिक तंत्र की वित्तीय अखंडता को बनाए रखने, जोखिम को कम करने और ग्राहकों के बीच विश्वास बढ़ाने के लिए वित्तीय करीबी प्रक्रिया की सटीकता महत्वपूर्ण है।

आगे खुले बैंकिंग के साथ और तुरंत भुगतान तेजी से मुख्यधारा बनते हुए, बैक-ऑफिस एंटरप्राइज सुलह प्रणालियों को गति बनाए रखने की आवश्यकता है। परंपरागत रूप से, लेनदेन को आम तौर पर एक बैच मोड में संसाधित किया जाता था और भुगतान करने में घंटों लगते थे, यदि दिन नहीं, प्रक्रिया, स्पष्ट और व्यवस्थित करने के लिए। अब, सुलह और निपटान चक्रों को संकुचित कर दिया गया है। यह किसी भी संस्था के बैक ऑफिस पर कई इंट्राडे सेटलमेंट साइकल का समर्थन करने और वास्तविक समय के निकट डेटा को समेटने में काफी दबाव डालता है। वर्तमान मैनुअल या अर्ध-स्वचालित प्रक्रियाएं बस नई व्यावसायिक आवश्यकताओं को समायोजित करने के लिए पैमाने पर नहीं हो सकती हैं।

एंड-टू-एंड एंटरप्राइज स्तर स्वचालित सुलह प्रक्रियाएं वित्तीय संस्थानों और कॉरपोरेट्स को लेनदेन डेटा के बड़े प्रवाह को संभालने, गति में सुधार, परिचालन जोखिम का प्रबंधन करने और अनुपालन आवश्यकताओं को पूरा करने में मदद कर सकती हैं।

सटीकता और त्रुटि के कम जोखिम में सुधार  

एक एकल अपवाद के परिणामस्वरूप महत्वपूर्ण नुकसान हो सकते हैं और सुलह करने वाली टीमें हर दिन बड़ी संख्या में अपवादों को संभालती हैं। पूरे वित्तीय करीब जीवनचक्र में सामंजस्य और प्रमाणन प्रक्रियाओं को स्वचालित करने से त्रुटियों का खतरा कम हो जाता है।

लोअर एक्सेप्शन और राइट-ऑफ

स्वचालित सामंजस्य प्रक्रियाओं के साथ, लेखा विसंगतियों को ग्राहकों द्वारा शिकायत दर्ज करने से पहले सटीक रूप से पहचाना और ठीक किया जा सकता है। एक उदाहरण के रूप में, ग्राहक लेन-देन को रद्द कर सकते थे, लेकिन तकनीकी गड़बड़ी या सिस्टम त्रुटि या वास्तविक धोखाधड़ी के कारण संबंधित क्रेडिट प्राप्त नहीं हुआ हो सकता है। विस्तृत ऑडिट ट्रेल्स के साथ ऐसी विसंगतियों को आसानी से पहचाना जा सकता है, जिससे बैंकों को अपवाद जांच से निपटने के समय को 90% तक कम करने में मदद मिलती है, विवाद से निपटने की लागत का अनुकूलन होता है, जो जोखिम न्यूनीकरण के साथ सहायता करता है

अनुपालन जोखिम को कम करें

बेहतर डेटा प्रबंधन और ऑडिट ट्रेल्स के साथ, वित्तीय संस्थान अनुपालन जोखिम को कम करते हैं और ऑडिट और नियामक आवश्यकताओं का अनुपालन सुनिश्चित करते हैं।

उत्पादकता में वृद्धि

सामंजस्य के संचालन में समय लेने वाली मैनुअल प्रक्रियाओं को स्वचालित करें, समय के कर्मचारियों को सामंजस्य प्रक्रियाओं पर खर्च करता है, जोखिम शमन, और परिचालन सुधार सहित रणनीतिक अतिरिक्त मूल्य कार्य पर ध्यान केंद्रित करने के लिए संसाधनों को मुक्त करता है।

एआई और एमएल का उपयोग बैंकों द्वारा सुलह प्रणालियों में आने वाली चुनौतियों को दूर करने के लिए कैसे किया जा सकता है?

चैनलों की एक बढ़ती हुई संख्या, उपकरण जटिलता और गतिविधि कई सेवा प्रदाताओं में फैल गई और उपभोक्ताओं द्वारा लेनदेन की आवृत्ति में वृद्धि हुई है, जो सामंजस्य प्रक्रिया की जटिलता को जोड़ता है। एआई और मशीन लर्निंग का सामंजस्य प्रक्रिया की दक्षता पर महत्वपूर्ण प्रभाव पड़ेगा। मुख्य डेटा सामंजस्य बिंदुओं पर मशीन लर्निंग को नियोजित करके, सामंजस्य समय के संदर्भ में मूल्य के गुणकों को अनलॉक कर सकता है, संचालन लागत और नियामक दंड से बच सकता है,

उन्नत एमएल एल्गोरिदम कई सुलह बिंदुओं में प्रक्रिया दक्षता में सुधार कर सकते हैं। सुलह प्रक्रिया आम तौर पर भुगतान कक्षाओं को ऑनबोर्ड करने, गैर-मानकीकृत फ़ाइल स्वरूपों से डेटा निकालने और सामान्य करने, मिलान नियमों को परिभाषित करने और खातों के निपटान के लिए प्रविष्टियों को पोस्ट करने जैसे कार्यों को पूरा करती है।

पारंपरिक प्रणाली भुगतान के सामंजस्य के लिए एक स्थिर पूर्व-कॉन्फ़िगर "नियम-आधारित रूपरेखा" पर निर्भर करती है। हालाँकि, नए डेटा स्रोतों को जोड़ते समय ये उपकरण अक्षम हो सकते हैं या यदि नई प्रविष्टियों को किसी विशेष सामंजस्य फ़ाइल में पेश किया जाता है, तो इन्हें मैन्युअल रूप से पहचानने की आवश्यकता होती है। आगे के सामंजस्य की टीमों को मौजूदा नियमों पर प्रभाव को संतुलित करते हुए नए नियमों को बनाने, परीक्षण करने और लागू करने की आवश्यकता है, जो सामंजस्य चक्र के समय को बढ़ाता है। एमएल-सक्षम प्रक्रियाओं के साथ, सिस्टम स्वचालित रूप से डेटा स्रोतों और पैटर्नों को "सीखता है", कई डेटा सेटों में संभावित मैचों के लिए इसका विश्लेषण करता है, डेटा के मुद्दों को हल करने के लिए सुलह अपवादों / मिसमैच को हाइलाइट करता है, और कार्रवाई करने योग्य "सूचियों" को प्रस्तुत करता है।

रोबोटिक प्रोसेस ऑटोमेशन का उपयोग नियमित, मैन्युअल रूप से गहन कार्यों को स्वचालित कर सकता है। मैं आपको एक उदाहरण देता हूं। आज भी स्वचालित समाधान प्रक्रियाओं वाले बैंक इंटरचेंज पोर्टल या विवाद प्रबंधन प्रणाली से फाइलें लाने, फाइलों को डाउनलोड करने और डेटा पर कार्रवाई करने के लिए समाधान प्रणाली के लिए उन्हें सही स्थान पर रखने के लिए समर्पित कर्मियों को तैनात करते हैं। ऐसे कार्यों को बॉट्स के उपयोग से स्वचालित किया जा सकता है, जिससे कर्मचारी के समय का मूल्य अधिकतम हो सकता है।

भुगतान सामंजस्य अत्यधिक जटिल हो गया है, जिसमें कई भुगतान विकल्प, चैनल, व्यवसाय की रेखा के पार विभिन्न भुगतान पद्धति के लिए उत्पाद प्रोसेसर का संयोजन और व्यवसायों के लिए गति और सटीकता की सटीकता की आवश्यकता महत्वपूर्ण है। एफएसएस स्मार्ट रिकॉन भुगतान वर्कफ़्लोज़ के बीच सुलह प्रबंधन के लिए एक एआई-आधारित समाधान प्रदान करता है, जिसमें बहु-स्रोत, बहु-फ़ाइल कई-से-कई मिलान परिदृश्यों के समर्थन में बनाया गया है। एफएसएस स्मार्ट रिकॉन ग्राहकों के साथ ग्रीनफील्ड कार्यान्वयन के लिए बाजार में समय में 40% सुधार प्राप्त कर सकते हैं, मेल-मिलाप के समय चक्रों में एक बड़ा 30% सुधार, और आंशिक रूप से स्वचालित प्रक्रियाओं की तुलना में प्रत्यक्ष लागत में कुल मिलाकर 25% कम हो जाता है। निम्नलिखित तरीके:

• अंत-से-अंत सामंजस्य को संभालने के लिए एक आधुनिक, पूरी तरह से वेब-आधारित सामंजस्य मंच प्रणाली प्रदान करने के लिए एक एकीकृत मंच जो डेटा आयात, परिवर्तन और संवर्धन, डेटा मिलान, अपवाद प्रबंधन शामिल करता है
• विस्तृत आवेदन - एकल प्रणाली का उपयोग करके सभी प्रकार के डिजिटल भुगतानों का समर्थन करता है - जनरल लेजर रीकॉलिसिएशन टैली, एटीएम रीकॉन्सीलेशन, कार्ड रिक्लाइनमेंट, ऑनलाइन पेमेंट्स, वॉलेट्स, इंस्टेंट पेमेंट्स (आईएमपीएस और यूपीआई), एनईएफटी, आरटीजीएस और क्यूआर कोड पेमेंट्स - बिल्ट-इन-के साथ नए भुगतान चैनलों और योजनाओं को तेजी से चालू करने के लिए लचीलापन
• यूनिवर्सल डेटा विज़ार्ड: टेम्पलेट-आधारित डेटा-मैपिंग फ़्रेमवर्क के माध्यम से सामंजस्य प्रक्रिया के सेट-अप को सरल करता है। यह ग्रीनफील्ड कार्यान्वयन के लिए 30 प्रतिशत तक के अनुकूलन का समय देता है
• विस्तृत ऑडिट ट्रेल: एक विस्तृत ऑडिट ट्रेल प्रदान करता है जो उपयोगकर्ताओं को ब्रेक या मैच मामले के पीछे तर्क को समझने में मदद करता है और तदनुसार इसे संबोधित करता है।
• समय पर कार्रवाई की सलाह देने और पालन करने के लिए उन्नत अपवाद पहचान और विश्लेषण यूपीएस इसे बंद करने में सक्षम बनाने के लिए
• एआई-आधारित सेटलमेंट प्रोसेस लीवरेजिंग मशीन लर्निंग (एमएल), एल्गोरिदम, एफएसएस स्मार्ट रिकॉन लगातार फाइल पैटर्न सीखता है और स्वचालित रूप से नए रिकॉर्ड्स की पहचान कर सकता है, जिससे कर्मचारियों को अपवादों की भविष्यवाणी करने और निरंतर कार्रवाई या पेशेवर सेवाओं की आवश्यकता के बिना रिज़ॉल्यूशन क्रियाओं को निष्पादित करने में सक्षम बनाया जा सकता है।
• विवाद प्रबंधन - विवाद और चार्जबैक जीवनचक्र के लिए समर्थन बैंकों को बहुत कम समय सीमा में विवादों का जवाब देने में सक्षम बनाता है - दक्षता बढ़ाने के साथ-साथ ग्राहक सेवा भी।
• लचीले व्यापार मॉडल: एफएसएस ग्राहकों को अधिक से अधिक तैनाती लचीलापन प्रदान करने के लिए एक लाइसेंस प्राप्त और सास मॉडल के रूप में रेऑन सेवाएं प्रदान करता है, जो अग्रिम पूंजीगत व्यय की आवश्यकता को समाप्त करता है।

क्या महत्वपूर्ण प्रौद्योगिकी रुझान हैं जो आप सामंजस्य स्थान में देख रहे हैं?

तेजी से भुगतान विकास, बाजार में प्रतिस्पर्धा, और प्रौद्योगिकी में प्रगति ड्राइव विकास और सामंजस्य प्रक्रियाओं के आधुनिकीकरण को जारी रखती है। प्रौद्योगिकी के रुझान जो गति प्राप्त कर रहे हैं उनमें शामिल हैं

• बढ़ते लेनदेन वर्कलोड को समायोजित करने और स्वामित्व की कुल लागत को कम करने के लिए सास और क्लाउड-आधारित मॉडल को अधिक से अधिक अपनाना
• ब्लॉकचेन जटिल सामंजस्य के लिए एक आदर्श विकल्प है और वैश्विक अग्रणी उत्पादों में अगला विभेदीकरण समावेश होगा
• AI- और मशीन लर्निंग AI- आधारित एल्गोरिदम का स्व-पर्यवेक्षित और स्व-अनुकूलन के लिए वर्धित प्रक्रियाओं का उपयोग
• प्रदर्शन, मिलान की सटीकता, संचालन और धोखाधड़ी नियंत्रण में सुधार के लिए रिकॉर्ड डेटा की सही डेटा परत या सिस्टम को डिज़ाइन करके डेटा का स्मार्ट उपयोग

एफएसएस के लिए आगामी फोकस क्षेत्र क्या होंगे?  

हमारा अगला बड़ा लॉन्च एनालिटिक्स और डेटा विज्ञान के आसपास है, अधिकांश बड़े संगठनों में डेटा की संपत्ति आज डेटा लेक या वेयरहाउस में धकेल दी जाती है और बहुत कम ही इन अंतर्दृष्टि का लाभ उठाने के लिए अपने ग्राहकों या व्यवसाय को प्रभावित करने के लिए किया जाता है। उत्पाद को भुगतान स्पेस में इस विशिष्ट बिग डेटा अवसर को संबोधित करने के लिए डिज़ाइन किया गया है। उत्पाद एक पूर्ण व्यक्तित्व-आधारित एनालिटिक्स सूट है जो व्यापार उत्पाद क्षेत्रों द्वारा पूर्वनिर्धारित अंतर्दृष्टि के साथ आता है, मैट्रिक्स बढ़ता रहता है और जल्द ही पूरे भुगतान पारिस्थितिकी तंत्र का नक्शा तैयार करेगा। उत्पाद बैंकों को डेटा-संचालित व्यवसाय निर्णय लेने में मदद करता है, उत्पादकता और व्यावसायिक दक्षता बढ़ाता है।

स्रोत: https://techobserver.in/2020/10/05/ai-ml-and-rpa-can-strengthen-reconciliation-systems-for-bfsi-sector-sathish-n-fss-#new_tab?utm_source=rss&utm_medium = आरएसएस और utm_campaign = एअर इंडिया मिलीलीटर और जन प्रतिनिधि कानून-कर सकते हैं-को मजबूत-सुलह-प्रणालियों के लिए बीएफएसआई क्षेत्र