การจัดการข้อมูลแบบเรียลไทม์ คือกุญแจสำคัญของการป้องกันการทุจริต

“ทำไมข้อมูลแบบเรียลไทม์จึงกลายเป็นกุญแจสำคัญของการป้องกันการทุจริต ทุกภาคธุรกิจในไทยจำเป็นต้องยกระดับเกราะป้องกันภัยทุจริต เพื่อรับมือกับภัยคุกคามที่กำลังขยายตัวและมีความซับซ้อนกว่าที่เคย ด้วยแพลตฟอร์ม Data Streaming

ข้อมูลจากรายงาน Thailand Scam Report โดย Global Anti-Scam Alliance (GASA) ระบุว่า 72% ของคนไทยเผชิญกับกลโกงออนไลน์เป็นประจำ โดยมีจำนวนถึง 60% ที่ยอมรับว่าเคยตกเป็นเหยื่อในช่วงปีที่ผ่านมา และในกลุ่มผู้ที่ได้รับผลกระทบกว่า 14% ต้องเผชิญความเสียหายทางการเงิน คิดเป็นมูลค่าความเสียหายเฉลี่ยประมาณ 12,955 บาทต่อราย

ข้อมูลประมาณการล่าสุดชี้ให้เห็นว่า ความเสียหายจากการหลอกลวงในประเทศไทยมีมูลค่าสูงถึงประมาณ 1.15 แสนล้านบาทต่อปี 

ขณะเดียวกัน มาตรการบังคับใช้กฎหมายก็ได้เพิ่มความเข้มงวดมากขึ้น โดยกระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม ได้สั่งระงับบัญชีม้ามากกว่า 1.18 ล้านบัญชีในช่วงเดือนพฤศจิกายน 2566 ถึง มกราคม 2569 พร้อมทั้งปิดกั้น URL ผิดกฎหมายกว่า 300,000 รายการ ซึ่งส่วนใหญ่มีความเชื่อมโยงกับการหลอกหลวงออนไลน์และการพนัน

ท่ามกลางสถานการณ์ดังกล่าว ธนาคารแห่งประเทศไทยได้ยกระดับมาตรการที่เข้มงวดยิ่งขึ้นเพื่อจัดการกับบัญชีม้า ซึ่งรวมถึงการขยายเกณฑ์การระบุพฤติกรรมที่ต้องสงสัย และการเสริมสร้างความร่วมมือระหว่างสถาบันการเงิน โดยมุ่งเน้นไปที่ความสามารถของธนาคารในการตรวจจับและตอบสนองต่อความเสี่ยงได้อย่างทันท่วงที

อย่างไรก็ตาม ธนาคารหลายแห่งยังคงพึ่งพากระบวนการประมวลผลแบบกลุ่ม (Batch processing) แบบเดิม ซึ่งมักจะตรวจสอบธุรกรรมได้เพียงช่วงสิ้นวัน ทำให้การตรวจจับความผิดปกติเกิดความล่าช้า 

ในขณะที่ธุรกรรมทุจริตสามารถโอนข้ามบัญชีได้ภายในไม่กี่นาที ช่องว่างด้านเวลานี้จึงเป็นอุปสรรคที่จำกัดประสิทธิภาพในการเข้าแทรกแซง เช่น การระงับธุรกรรมหรือการอายัดบัญชีได้ทันการ

การประมวลผลข้อมูลแบบเรียลไทม์ กลายเป็นตัวเลือกที่สำคัญ

เพื่อก้าวข้ามข้อจำกัดดังกล่าว สถาบันการเงินหลายแห่งจึงเริ่มหันมาใช้การประมวลผลข้อมูลแบบเรียลไทม์มากขึ้น โดยแพลตฟอร์ม Data Streaming ช่วยให้ธนาคารสามารถวิเคราะห์ข้อมูลธุรกรรมได้ทันทีที่รายการเกิดขึ้น

เทคโนโลยีนี้ช่วยให้ระบบสามารถระบุพฤติกรรมที่ผิดปกติได้อย่างแม่นยำและยับยั้งได้ทันท่วงที อาทิ การโอนเงินที่รวดเร็วผิดปกติ ปริมาณธุรกรรมจำนวนมากในช่วงเวลาสั้นๆ หรือการทำธุรกรรมร่วมกับบัญชีที่มีความเสี่ยงสูง นอกจากนี้ ในกรณีที่มีอัปเดตรายชื่อต้องสงสัย ระบบเรียลไทม์ยังสามารถนำข้อมูลดังกล่าวมาปรับใช้กับธุรกรรมที่กำลังดำเนินอยู่ได้ทันที 

ความท้าทายสำคัญประการหนึ่งคือ ข้อมูลที่เกี่ยวข้องมักถูกจัดเก็บแยกส่วนกันตามระบบต่างๆ เช่น ระบบ Core Banking ฐานข้อมูลลูกค้า หรือแพลตฟอร์มธุรกรรม ซึ่งแนวทางของผู้ให้บริการแพลตฟอร์ม Data Streaming ชั้นนำ จะเข้ามาช่วยเชื่อมต่อข้อมูลเหล่านี้เข้าด้วยกันผ่าน Data Pipeline แบบเรียลไทม์ โดยไม่จำเป็นต้องแก้ไขระบบหลักเดิม 

ด้วยการผสานข้อมูลธุรกรรม ข้อมูลลูกค้า และข้อมูลเชิงพฤติกรรมเข้าด้วยกัน ช่วยให้ธนาคารสามารถเห็นความเคลื่อนไหวของบัญชีได้ครอบคลุมยิ่งขึ้น และสามารถตรวจจับพฤติกรรมต้องสงสัย เช่น การทำธุรกรรมเป็นขบวนการ หรือการระบุเครือข่ายบัญชีม้า นอกจากนี้ AI ยังเข้ามามีบทบาทมากยิ่งขึ้นในการตรวจจับการทุจริต 

อย่างไรก็ตาม ประสิทธิภาพของ AI นั้นขึ้นอยู่กับความครบถ้วนและความสดใหม่ของข้อมูลเป็นหลัก การใช้ Data Pipeline แบบเรียลไทม์จะช่วยให้โมเดล AI สามารถวิเคราะห์ข้อมูลธุรกรรมล่าสุดควบคู่กับพฤติกรรมในอดีตได้อย่างมีประสิทธิภาพ ส่งผลให้การตรวจจับมีความแม่นยำมากขึ้นและช่วยลดปัญหาการแจ้งเตือนผิดพลาดได้

การประมวลผลข้อมูลแบบเรียลไทม์ ช่วยยกระดับประสิทธิภาพการดำเนินงาน

นอกจากการป้องกันทุจริตแล้ว การประมวลผลข้อมูลแบบเรียลไทม์ยังช่วยยกระดับประสิทธิภาพการดำเนินงานในภาพรวมได้ ทั้งการสืบสวนการทุจริตและการติดตามตรวจสอบธุรกรรม ที่สามารถทำได้รวดเร็วยิ่งขึ้น ขณะเดียวกัน ในกรณีอื่นๆ อย่างการประเมินสินเชื่อ ก็ได้รับประโยชน์จากการเข้าถึงข้อมูลที่สดใหม่และเป็นปัจจุบันยิ่งขึ้นด้วย

ตัวอย่างความสำเร็จจากธนาคารในต่างประเทศได้สะท้อนถึงประโยชน์ของการใช้งานระบบเรียลไทม์ โดยธนาคารใหญ่ของอินโดนีเซียอย่าง Bank Rakyat Indonesia สามารถลดระยะเวลาในกระบวนการตรวจจับทุจริตจากที่เคยใช้เวลานานหลายสัปดาห์สู่ระดับเรียลไทม์ พร้อมทั้งย่นระยะเวลาการอนุมัติสินเชื่อให้เหลือเพียง 2 นาที

เช่นเดียวกับ EVO Banco ในประเทศสเปน ที่นำระบบตรวจจับทุจริตแบบเรียลไทม์มาใช้ในธุรกรรมกว่า 500,000 รายการต่อวัน ช่วยให้ธนาคารสามารถระงับธุรกรรมทุจริตได้หลายร้อยรายการในแต่ละวัน และลดความเสียหายลงได้อย่างมีประสิทธิภาพ

ท่ามกลางกลโกงที่พัฒนาอยู่ตลอดเวลา สถาบันการเงินจำเป็นต้องรองรับข้อมูลและสัญญาณบ่งชี้ความเสี่ยงที่หลากหลายมากขึ้น โดยแพลตฟอร์ม Data Streaming ทำหน้าที่เป็นโครงสร้างพื้นฐานหลักที่ช่วยผสานรวมข้อมูลเหล่านี้เข้าด้วยกัน เพื่อสร้างระบบการตรวจจับที่ยืดหยุ่นและรองรับโมเดล Machine Learning ที่สามารถปรับตัวตามรูปแบบภัยคุกคามใหม่ๆ ได้ทันที

เคนนี่ ชิน ผู้อำนวยการภูมิภาคเอเชียตะวันออกเฉียงใต้ บริษัท คอนฟลูเอนท์ กล่าวว่า “ประสิทธิภาพในการตรวจจับทุจริตในปัจจุบัน ขึ้นอยู่กับความรวดเร็วในการเข้าถึงและจัดการกับข้อมูลของสถาบันการเงิน ข้อมูลแบบเรียลไทม์ช่วยให้ธนาคารสามารถตอบสนองต่อธุรกรรมที่น่าสงสัยได้ทันทีที่เกิดขึ้น” 

“พร้อมทั้งช่วยให้การตัดสินใจมีความแม่นยำ และมอบประสบการณ์ที่ดีให้กับลูกค้า ซึ่งเป็นเรื่องสำคัญอย่างยิ่งในการสร้างสมดุลระหว่างการยกระดับมาตรการป้องกันภัยกับการอำนวยความสะดวกให้ลูกค้าที่ทำธุรกรรมอย่างถูกต้อง”

ท่ามกลางการเปลี่ยนแปลงของกฎเกณฑ์และระเบียบข้อบังคับที่มีความเข้มงวดมากขึ้น ความสามารถในการประมวลผลและตอบสนองต่อข้อมูลแบบเรียลไทม์ได้กลายเป็นกุญแจสำคัญ ทั้งในการยกระดับการบริหารความเสี่ยงและการสร้างความเชื่อมั่นของลูกค้าที่มีต่อระบบการเงินในประเทศไทย