دانش سرمایه‌گذاری

دانش سرمایه‌گذاری

ارایه الگوی بهینه شده هوش مصنوعی، تحول دیجیتال و تحلیل داده های بزرگ در بهبود عملکرد مالی بانک ها با رویکرد داده بنیاد چندوجهی

نوع مقاله : مقاله پژوهشی

نویسندگان
کوروش خسروی 1
فریبرز عوض زاده فتح 2
مهرداد صالحی 3
زهرا سادات حسینی 4
1 دانشجوی دکتری حسابداری، واحد یاسوج، دانشگاه آزاد اسلامی، یاسوج، ایران
2 استادیار گروه حسابداری، واحد گچساران، دانشگاه آزاد اسلامی، گچساران، ایران.
3 استادیار گروه حسابداری، واحد نورآباد ممسنی، دانشگاه آزاد اسلامی، نورآباد ممسنی ایران.
4 استادیار گروه حسابداری، واحد یاسوج، دانشگاه آزاد اسلامی، یاسوج، ایران.
10.22034/jik.2025.78485.4746
چکیده
پژوهش حاضر با هدف ارایه الگوی بهینه شده هوش مصنوعی، تحول دیجیتال و تحلیل داده های بزرگ در بهبود عملکرد مالی بانک ها با رویکرد داده بنیاد چندوجهی انجام شده است. جامعه آماری پژوهش شامل مدیران، کارشناسان مالی و اساتید دانشگاه می باشد. قلمرو زمانی این پژوهش در سال 1403 می باشد. در این پژوهش از رویکرد کیفی استفاده شده است. در بخش کیفی پژوهش، تعداد 20 مصاحبه با خبرگان بر مبنای روش نمونه گیری نظری (بصورت گلوله برفی وبر اساس تحقق اشباع نظری) انجام شده است. پس ازطی روش کدگذاری ومقوله بندی منجر به تدوین مدل مفهومی بهینه شده هوش مصنوعی، تحول دیجیتال و تحلیل داده های بزرگ در بهبود عملکرد مالی بانک با شناسایی500 کد مفهومی، 15مقوله اصلی و 32 مقوله فرعی به عنوان عوامل علی (امتیازدهی اعتباری، خدمات نوین الکترونیک، اتوماسیون فرآیندها، تجزیه و تحلیل داده های مالی، خودکار سازی فرآیندها، تحلیل سریع و دقیق داده ها، تحلیل داده های کلان، روند نکول وام ها)، عوامل زمینه ای (فین تک ها، مدیریت ریسک ها، مدیریت منابع بانکی، فعالیت های مشکوک، کاهش هزینه ها و افزایش کارایی، دسترسی شبانه روزی، آموزش ضمن خدمت، وصول مطالبات)، عوامل مداخله گر (همکاری افراد، تجربه، رفتار مشتریان، امنیت سایبری، پیش نیازهای مشتریان، دانش تخصصی) راهبردها (تعیین بودجه و هزینه، شرایط اقتصادی، فشار رقبا، شرایط کسب و کار) و پیامدها (کیفیت منابع انسانی، نظارت، محدودیت ذاتی و اجرایی، قوانین) شد.
کلیدواژه‌ها
هوش مصنوعی، تحول دیجیتال، تحلیل داده های بزرگ، عملکرد مالی

عنوان مقاله English

Presenting an optimized model of artificial intelligence, digital transformation, and big data analysis in improving the financial performance of banks with a multifaceted data-driven approach

نویسندگان English

korosh khosravi 1
fariborz avazzadeh fath 2
mehrdad salehi 3
zahra sadat hosseini 4
1 PhD student in Accounting, Yasuj Branch, Islamic Azad University, Yasuj, Iran
2 Assistant Professor, Accounting Department, Gachsaran Branch, Islamic Azad University, Gachsaran, Iran.
3 Assistant Professor, Accounting Department, Noorabad Mamasani Branch, Islamic Azad University, Noorabad Mamasani, Iran.
4 Assistant Professor, Accounting Department, Yasuj Branch, Islamic Azad University, Yasuj, Iran.
چکیده English

The present study aims to present an optimized model of artificial intelligence, digital transformation and big data analysis in improving the financial performance of the Banks with a multifaceted data-based approach. The statistical population of the study includes managers, financial experts and university professors. The time frame of this study is 1403. A qualitative approach has been used in this study. In the qualitative part of the study, 20 interviews with experts have been conducted based on the theoretical sampling method (snowball and based on the realization of theoretical saturation). After going through the coding and categorization method, it led to the development of an optimized conceptual model of artificial intelligence, digital transformation, and big data analysis in improving the financial performance of Bank by identifying 500 conceptual codes, 15 main categories, and 32 subcategories as causal factors (credit scoring, modern electronic services, process automation, financial data analysis, process automation, rapid and accurate data analysis, big data analysis, loan default trend), contextual factors (fintechs, risk management, bank resource management, suspicious activities, cost reduction and efficiency increase, round-the-clock access, in-service training, debt collection), intervening factors (individual cooperation, experience, customer behavior, cybersecurity, customer prerequisites, specialized knowledge), strategies (budget and cost determination, economic conditions, competitor pressure, business conditions), and consequences (human resource quality, supervision, inherent and executive constraints, laws).

  • باقریان، مهدی، سعادت، پریسا، مثالی، مهدی. (1402). نقش هوش مصنوعی و اهمیت آن در سیستم های حسابداری، فصلنامه رویکردهای پژوهشی نوین مدیریت و حسابداری، شماره 7 (24). صص 713-723.
  • خالقی زاده دهکردی، مریم، صراف، فاطمه و نجفی مقدم، علی. (1403). نقش معیارهای عملکرد در تبین کارایی سرمایه گذاری با تاکید بر هوش مصنوعی. فصلنامه علمی پژوهشی دانش حسابداری و حسابرسی مدیریت، دوره 13، شماره 3، پیاپی 51، صص 151-168.
  • خلفی، سپیده، مسجد موسوی، میر سجاد و امیدی، علی. (1402). مقایسه شبکه های عصبی در پیش بینی بازدهی سهام، فصلنامه رویکردهای پژوهشی نوین در مدیریت و حسابداری. سال هفتم، شماره 89، صص 720-753.
  • زارعی، علی، رهنمای رودپشتی، فریدون و خانمحمدی، حامد. (1405). ارائه الگوی پیش بینی تقلب بر هوش مصنوعی و کاربرد مدل ماشین بردار پشتیبان (svm). فصلنامه علمی پژوهشی دانش حسابداری و حسابرسی مدیریت، دوره 15، شماره 3، پیاپی 59، صص 175-186.
  • زنگنه، مهدی، جمشیدی نوید، بابک، قنبری، مهرداد، محمدی یاریجانی، فروزان. (1405). ارائه الگوی برای فرصت ها و چالش های تصمیم گیری مبتنی بر هوش مصنوعی در فرآیند حسابرسی. فصلنامه علمی پژوهشی دانش حسابداری و حسابرسی مدیریت، دوره 15، شماره 4، پیاپی 59، صص 175-190.
  • صادقی، سحر، جاوید، امیر حسین، فرجی، مهسا، اسحاق شیرکون. (1403). هوش مصنوعی و کاربردهای آن در فعالیت های مرتبط، اولین کنفرانس مهندسی فن آوری اطلاعات، مکانیک و علوم مهندسی. صص 14-34.
  • یحیی زاد فرد، محمود ؛ آقاجانی، حسنعلی و یحیی تبار، فاطمه. (1393) . بررسی رابطة بین سرمایة فکری و عملکرد مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران.  دوره 16، شماره 1، صص199-188.
  • نصرت نظامی، محمد رضا، محمدی ن.ده، فاضل وخردیار سینا. (1404). مدل یابی پیش بینی ورشکستگی با تاکید بر روش های نوین اندازه گیری شبکه های عصبی و ماشین بردار پشتیبان. فصلنامه علمی پژوهشی دانش حسابداری و حسابرسی مدیریت، دوره 14، شماره 3، پیاپی 55، صص 265-278.

 

  • Abduljabbar, Sani (2019): Four Ways Artificial Intelligence Will Transform Banking. https://www.forbes.com/sites/forbeslacouncil/2019/06/18/four-ways-artificial-intelligence-will-transform-banking/#319620317056.
  • Al-Isormi, S., Li, M., Shen, J. & He, Q., 2022. Cloud computing adoption determinants: An analysis of Australian SMES. PACIS 2016 proceedings, pp. 1-17.
  • Marr, Bernard (2019): The 7 Biggest Technology Trends to Disrupt Banking & Financial Services in 2020.
  • Bo ZHANG, Jun ZHU & Hang SU, (2023), Toward the third generation artificial intelligence, journal of SCIENCE CHINA Information Sciences, Vol. 66,p 1–19.
  • Covne, J.G. and McMickle, P.L. "Can blockchains serve an accounting purpose". (2015)., Journal of Emerging Technologies in Accounting, Vol. 14, No. 2, PP. 101-111.
  • European Commission, 2016. The EU Data Protection Reform and Big Data, Brussel: European Commission.
  • Gartner, 2016. Gartner Survey Shows More Than 75 Percent of Companies Are Investing or Planning to Invest in Big Data in the Next Two Years. [Online] Available at: http://www.gartner.com/newsroom/id/3130817 [Accessed April 2017].
  • Keyvani, S., Heydari, M., Rostamzadeh, R. (2024). Analyzing the challenges of integrating artificial intelligence and customer relationship management, Journal of Public Service Marketing, No. 8, pp. 11-31.
  • Lee, Y. & Cheung, C., 2000. Internet Retailing Adoption by Small-to-Medium Sized Enterprises (SMEs): A Multiple-Case Study. Information Systems Frontiers, 6(4), pp. 385-397.
  • Mayer-Schönberger, V. & Cukier, K., 2013. Big Data: A Revolution That Will Transform How We Live, Work, and Think. Boston, MA: Houghton Mifflin Harcourt.
  • Shivakumar, S; Sethii, S, (2019): Building Digital Experience Platforms, Transforming Legacy Banking Applications to Banking Experience Platforms.
  • Temenos, (2019), The Future of the Digital Banking Experience.
  • Tean, J. Y., (2015). An Integrated Model of Information Systems Adoption in Small Businesses. Journal of Management Information Systems , 15(4), pp. 187-214.
  • Zhang, Y., Xiong, F., Xie, Y., Fan, X., & Gu, H. ''The Impact of Artificial Intelligence and Blockchain on the Accounting Profession''. IEEE Access, 8, 2020.