Tags Open Banking Интернет вещей Стартапы Цифровой банкинг
В 2020 году число пользователей мобильного банкинга достигнет 2 млрд., утверждают аналитики Juniper Research. Вот основные тренды развития этой технологии в 2020 году по версии издания TechFunnel.
- Интеграция инновационных финтех-сервисов (включая различные стартапы и небанковские онлайн-системы) в системы мобильного банкинга благодаря концепции Open Banking.
- Банки, сфокусированные полностью на дистанционном обслуживании, станут еще более заметными.
- Нетрадиционные банки будут дальше продвигать инновации и информировать о них потребителей.
- Рост популярности микрокредитования (до нескольких тысяч долларов) через мобильные приложения.
- Банки больше не будут посредниками в некоторых кредитных операциях из-за развития равноправного (peer-to-peer) кредитования.
- Расширение использования искусственного интеллекта, особенно для выявления мошенничества.
- Дальнейшее развитие и совершенствование чатботов.
- Data Mining позволит клиентам получать наиболее подходящие предложения.
- С помощью дополненной реальности будет легче найти банкомат или филиал банка.
- Технологии определения местонахождения станут точнее.
- Совершенствование механизмов распознавания голоса для аутентификации и обработки транзакций.
- Дальнейшее распространение бесконтактных платежей.
- Использование цифровых сервисов для персональных финансовых консультаций (т. н. human digital banking).
- Автоматизация банковских операций посредством интернета вещей.
- Рост числа пользователей мобильных и криптокошельков.
- Распространение облачных мобильных приложений.
- Интеграция все большего числа функций и сервисов в мобильные приложения.
- Интеграция с помощью API, обеспечивающая максимально легкое и продуктивное взаимодействие между системами, станет важнее, чем когда-либо.
- Банки все больше будут общаться с клиентами в соцсетях.
- Мобильные устройства постепенно заменят банковские карты (даже в банкоматах).
- Биометрическая аутентификация станет наиболее распространенной.
- Модернизация механизмов идентификации пользователей. В первую очередь для этого будет использоваться анализ паттернов физической активности, которые отслеживаются и хранятся в базе данных.