شناسايي و تحليل عوامل مؤثر در پياده‌سازي بانكداري جامع در نظام بانكي بر اساس نقشه شناختي فازي

Identification and Analysis of Factors Effecting the Implementation of Universal Banking Based on Fuzzy Cognitive Map

اين پژوهش با هدف شناخت عوامل مؤثر در پيادهسازي بانكداري جامع صورت گرفته است. بدين منظور، پنجاه عامل از طريق مطالعهٔ ادبيات موضوع و مصاحبه با خبرگان و مديران صنعت بانكداري كه در پيادهسازي بانكداري جامع داراي تجربه بودهاند، شناسايي شد. اين عوامل در شش دستهٔ كلي مشتري، زيرساختي، فرايند، ساختار و استراتژي، نيروي انساني و قوانين و مقررات قرار گرفتند. سپس به‌منظور شناسايي شاخصهاي محوري مدل از ترسيم نقشه شناختي فازي استفاده شد. نتايج نشان داد كه ارائهٔ محصولات متناسب با نياز مشتريان داراي محوريت بيشتري نسبت‌به ساير عوامل است. همچنين داشتن ديدگاه بلندمدت درجهتِ رفع نياز مشتريان در رتبهٔ دوم اهميت قرار ميگيرد. اين شاخص بيشترين اثرگذاري را در ساير متغيرها دارد. شاخص ارائهٔ محصولات متناسب با نياز مشتري بيشترين تأثيرات را از ساير متغيرها دريافت ميكند. در اين تحقيق، از رويكرد مدل‌سازي ساختاري تفسيري براي طراحي مدل استفاده شد. نتايج نشان داد كه عوامل زيرساختي به‌عنوان سطح‌مبنا و پايهاي تأثير اساسي در ساير عوامل دارند. به‌علاوه عوامل انطباق با قوانين و مقررات، نيروي انساني، و ساختاري در سطح دوم، عوامل فرايندي در سطح سوم، و عوامل مرتبط با مشتري در سطح آخر قرار دارد. به‌علاوه تحليل ميكمك نشان داد كه عوامل زيرساختي جزو متغيرهاي مستقل قرار ميگيرند و در ساير متغيرها اثرگذار هستند، ولي خود وابستگي كمي به سيستم دارند. عوامل مربوط به مشتري و اصلاح و بهبود فرايند جزو طبقهٔ متغيرهاي وابسته قرار ميگيرند. اين متغيرها داراي نفوذ كم ولي وابستگي زياد به ساير متغيرها هستند.

This study aims to determine the factors affecting the Implementation of Universal Banking. For this purpose, 50 factors were identified through the study of literature and interviews with experts and managers of the banking industry who had experienced in Universal banking implementation. These factors were classified into six categories: customer, infrastructure, process, structure, human resources, and regulations. Then, fuzzy cognitive mapping was used to identify the axial factors of the model. The results showed that providing products tailored to customerschr('39') needs is more focused than other factors. Then, an interpretive structural modeling approach was used to design the model. The results showed that infrastructure factors as the base level had a significant effect on other factors. In addition, factors of compliance with laws and regulations, manpower and structure at the second level, and process factors at the third level and the factors associated with the customer were at the last level. The analysis of MICMAC also showed that infrastructure factors are independent variables and affect other variables but have little dependence on the system. Customer-related factors and process improvement are included in the category of dependent variables. These variables have little influence but are highly dependent on other variables.