当经济吃紧时，金融机构面临着几个相互强化的挑战。客户采取不良行动的诱惑增加了。这会增加监管审查，并可能因不合规而被处以巨额罚款。
降低成本的冲动危及对创新金融产品和服务的持续投资，与此同时，客户对简单、有效和出色的体验的期望比以往任何时候都高。
从表面上看，对于新兴的灵活金融科技供应商行业来说，这看起来像是一个灌篮高手。事实并非如此——除非这些金融科技公司可以从老牌公司那里吸取一些关于客户入职的经验教训。这些教训最终归结为流程自动化和数据结构的结合。
为什么要关注入职？
入职体验是客户对组织的第一印象，并为关系定下基调。这也是组织必须准确确定客户是谁以及他们业务的真实意图的关键点。快速和准确的客户入职总是很重要，但在经济低迷时期，它变得更加重要——投资者迅速对初创公司失去耐心，因为它们无法在监管机构打击整个金融部门的风险的同时实现增长和利润。
有效的入职培训是金融科技的致命弱点。答案是在不将信息从记录系统中移出的情况下统一信息的数据结构。
有效的入职培训是金融科技的致命弱点。看看WISE ，它被阿布扎比监管机构罚款 360,000 美元。或者，英国金融行为监管局因反洗钱失败对GT 银行处以 780 万英镑的罚款。或者，德国银行即服务 (BaaS) 提供商Solaris受到限制，未经政府批准不得加入任何未来的客户。
金融科技公司无法妥善管理准确入职所需的数据和流程，这可能是2022 年投资下降的主要原因。
Data Fabric 和流程自动化改进了入职流程
入职培训从经过验证的数据开始，例如姓名、地址、税号、拟议业务的详细信息、资金的来源和去向。问题在于，金融机构是庞大而复杂的组织，拥有无数的 IT 系统和应用程序，持有孤立的数据集。这些跨越各种产品、客户类型和合规性计划的遗留系统不能很好地集成。
这意味着手头问题的视图不完整，而要完成该视图通常意味着在系统和电子表格之间进行手动剪切和粘贴。单是人为错误的机会就足以让任何银行经理心生恐惧。
数据结构——一种统一所有企业数据的技术——无需将其从记录系统中移出——就是答案。数据结构创建了一个虚拟数据层，可变的企业数据以及这些数据之间的关系可以在一个简单的低代码环境中进行管理。数据在行级别受到保护，这意味着只有应该看到它的人才能看到它，并且只能在他们应该看到它的时候看到它。数据可能位于本地、云服务或多云环境中。
使用数据结构方法，您可以以全新的方式组合业务数据。这意味着您不仅可以 360 度全方位了解客户、他们的身份、历史记录、产品，还可以通过全面查看企业数据来收集新的见解。
入职和自动化：金融科技公司可以从大银行中学到什么Walter Thompson最初发表于TechCrunch
原文： https://techcrunch.com/2023/05/12/onboarding-and-automation-what-fintechs-can-learn-from-big-banks/