XXIII Интернационални научни скуп

Стратегијски менаџмент и системи подршке одлучивању у

стратегијском менаџменту

26. и 27. април 2018, Суботица, Република Србија

Јелена Лукић Владимир Мирковић

Висока школа модерног бизниса1 Народна банка Србије1
Београд, Србија Београд, Србија

ТРАНСФОРМАЦИЈА ПОСЛОВНИХ ПРОЦЕСА И УПРАВЉАЊА

БАНКАРСКИМ РИЗИЦИМА У BIG DATA СВЕТУ

Апстракт: Као последица развоја финансијских институција и финансијских инструмената и истовременог

унапређења информационе технологије, дошло је до промена у начинима на које банке успостављају односе са
клијентима. Пословни процеси у банкама су прилагођени новим тржишним захтевима у погледу вишег
степена дигитализације, те је и испорука банкарских производа клијентима добила нове, софистициране
форме. Трансформација пословних процеса у банкама се одвија у условима растућег значаја Big Data
технологија. Временом су се јасно диференцирале карактеристике, које подаци морају испунити да би
испуниле захтеве Big Data концепта што је дефинисано кроз „3V“ и „5V“ модел. Иновације и модернизација
пословања у банкарским системима су довели до значајног заокрета и напуштања појединих традиционалних
банкарских функција. Последично, мења се и структура глобалног финансијског система, јер се путем Big Data
технологије директно повезују инвеститори и клијенти. На тај начин отпочела је нова фаза развоја банкарског
пословања подржана Big Data технологијом, која суштински мења функционисање банака као организација.
Традиционалне банке постају агилније, прихватају иновативну културу и настоје да поједноставе испоруку
услуга клијентима. Разумевањем времена у којем се одвија пословање, банке постају свесне чињенице да се
драматичан заокрет очекује и у врло битном сегменту, као што је сегмент управљања ризицима. У Big Data
свету управљање банкарским ризицима постаје најважнији део стратешког плана банке и представља главно
обележје аналитичког и непристрасног процеса одлучивања, који резултира у вишем нивоу ефикасности
банкарских организација. Очекује се да ће функција управљања ризицима у банкама постати фактор
диференцирања, односно, фактор који ће јасно одвојити успешне од неуспешних банака. Овај рад указује на
значај измењеног начина управљања банкарским ризицима у условима техничко-технолошког прогреса, као и
на могуће структуралне трендове развоја у области управљања ризицима.
Кључне речи: Big Data, пословни процеси, управљање ризицима, организационе промене, иновације.

TRANSFORMATION OF BUSINESS PROCESSES AND RISK

MANAGEMENT IN BANKS IN BIG DATA WORLD

Abstract: As a result of the development of financial institutions and financial instruments and the simultaneous
improvement of information technology, the way of establishing and maintaining the relationship between the bank
and clients is changing. Business processes in banks are adapted to the new market requirements in terms of a higher
level of digitization, so the delivery of banking products to clients has obtained new, sophisticated forms.
Transformation of business processes in banks takes place in the conditions of the growing importance of Big Data
technology. Over time, there have been clearly differentiated characteristics, which data need to have in order to meet
the requirements of the Big Data concept, defined through the "3V" and "5V" models. Innovation and modernization
of operations in banking systems led to significant shift and abandoning of certain traditional banking functions.

1
Одрицање од одговорности: Изнети ставови у раду су искључиво ставови аутора рада, не и организацијa у којој су аутори тренутно
запослени.
Consequently, the structure of the global financial system is changing as Big Data technology connects investors and
clients directly. In this way, it has begun the new phase of the development of banking business which essentially
changes the functioning of bank as an organization which support the usage of Big Data technology. Traditional banks
become more agile, accept innovative culture and focus more on simplifying service delivery to customers. By
understanding the time in which the business is taking place, banks became aware of the fact that a dramatic turnover
is also expected in a very important segment, such as the risk management segment. In Big Data world risk
management in banks becomes the most important part of the bank's strategic plan and represents the main feature of
the analytical and de-biased decision-making process, which results in a higher level of efficiency of banking
organizations. It is expected that the risk management function in banks will become a factor of differentiation, that is,
a factor that will clearly separate the success of unsuccessful banks. This paper points out the importance of the altered
way of banking risk management in conditions of technical and technological progress, as well as, on possible
structural trends of development in the area of risk management.
Key words: Big Data, business processes, risk management, organizational changes, innovations.

1. УВОД
Количина и врста података које предузећа и финансијске институције користе у свом пословању свакодневно
расте. Банке прикупљају различите податке о својим клијентима и њиховим трансакцијама. Пре појаве Big Data
технологија, банке нису имале могућности да обраде и анализирају све податке којима располажу на прави
начин и у реалном времену. Тек са појавом и применом Big Data технологија, рад са великим скуповима
података у реалном времену омогућио је појаву нових, креативних решења и успостављања нових пословних
модела. Такође, последњих неколико година, уочени су бројни потенцијали за стварање вредности кроз
комбиновање и интегрисање интерних и екстерних података који потичу из различитих извора.

Циљ овог рада јесте да прикаже процес трансформације пословних процеса у банкама услед примене Big Data
технологија. У наставку рада ће бити указано на дефиницију и кључне карактеристике Big Data концепта кроз
„модел 5V“, улогу и значај примене Big Data у банкама и начин на који је овај коценпт променио процес
управљања банкарским ризицима.

2. КЉУЧНЕ КАРАКТЕРИСТИКЕ BIG DATA КОНЦЕПТА – „МОДЕЛ 5V“

Пре 17 година, Doug Laney је указао на све предности које се могу добити обрадом података који су доступни у
великим количинама, из различитих извора и у реалном времену (Laney, 2001). Иако није експлицитно
употребио израз Big Data, сматра се да је он један од првих заговорника овог концепта. Десет година касније,
McKinsey Институт дефинише Big Data као „базу података чија величина превазилази могућности
традиционалних база података и софтвера за прикупљање, обраду, анализирање и чување података” (Manyika
и сар., 2011, стр. 1). Међутим, дефиниција не истиче да се Big Data не односи само на пораст количине података
и да се потенцијали које доносе ови подаци не могу искористити повећањем простора за складиштење података
и јачим процесорима. Кључна карактеристика ових података и технологија за рад са њима јесте промена
њихове структуре – подаци су у великој мери полуструктурирарни и неструктурирани (Berman, 2013, стр. 2).
Према мишљењу неколико аутора, Big Data чине велике количине структурираних, полуструктурираних и
неструктурираних података који се не могу сместити у релационе базе података и радну меморију рачунара и
који су значајно променили начин на који организације функционишу (Havens, Bezdek, Leckie, Hall и
Palaniswami, 2012; Mayer-Schönberger и Cukier, 2013). Временом, издвојиле су се и неке особине које податак
треба да поседује да би био окарактерисан као Big Data. Особине се разликују од аутора до аутора, али између
свих аутора постоји консензус око три особине познате као 3V (почетна слова енглеских речи): Volume
(количина/обим података), Variety (подаци из различитих извора) и Velocity (брзина кретања података) (Minelli,
Chambers и Dhiraj, 2013).

Volume се односи на количину података која превазилази могућности обраде и анализирања података
применом традиционалних база података и софтвера и мери се терабајтима, петабајтима и зетабајтима.
Истраживање Lymanа и Variana спроведено у периоду од 2000. до 2003. године показало је да је у 2002. години
сачувано 5 егзабајта података, а да је преко 18 егзабајта података пренето електронским путем посредством
рачунара, Интернета и паметних мобилних телефона (Lyman и Varian, 2003). McKinsey Институт истиче да
обим података расте по стопи од 40% годишње и да ће до 2020. године обим података порасти око 44 пута, док
Светски економски форум истиче да ће до 2020. године више од половине светске популације бити повезано на
Интернет (Heisterberg и Verma, 2014). Такође, процене су да људи на дневном нивоу креирају 2,5 квинтилиона
бајтова података (Walker, 2015).

138
Variety, као друга особина Big Data, се односи на разноврсност и последично структуру података (Minelli и
сар., 2013). Подаци потичу из различитих извора као што су: друштвене мреже, веб-сајтови, блогови, форуми,
електронска пошта, различити сензори. Подаци из тих извора се односе на текст, слике, видео, звук и могу бити
структурирани, полуструктурирани и неструктурирани. Светски економски форум је неструктуриране податке
класификовао као значајан ресурс и истакао њихов значај за пословање предузећа (преглед неколико милиона
твитова дневно, скенирање коментара купаца о купљеном производу/услузи предузећа на друштвеним
мрежама, форумима, веб-сајтовима и сл.) (Kudyba и Kwatinetz, 2014).

Velocity се односи на брзину генерисања, прикупљања, обраде и анализирања података. Предузећа у све већој
мери настоје да податке прикупљене из различитих извора обраде у реалном или приближно реалном времену и
да на основу њих доносе одлуке којима ће креирати вредност. Примена Интернета, сензора и различитих
друштвених мрежа утицала је на повећање брзине и обима преноса података до неслућених размера и условила
је нове принципе пословања по којима се све мора обавити „сада и одмах” (Mintzberg, 2015). Кључне предности
прикупљања, обраде и анализе података у реалном времену су у томе што: (1) предузећа могу одмах добити
информације о грешкама и пропустима који настану у предузећу и предузети корективне активности; (2)
предузећа могу одмах сазнати које су нове стратегије које предузимају конкуренти и сходно томе прилагодити
своје активности и потезе; (3) предузећа стичу сазнања о реакцијама купаца, њиховим мишљењима, ставовима
и коментарима о производима и услугама и на основу тога могу адекватно реаговати (Van Rijmenam, 2014).

Поједини аутори су проширили модел на „5V“ концепт укључујући и две додатне карактеристике података:
Value (вредност података) и Veracity (тачност/веродостојност података) (Cano, 2014). Value подразумева да
поседовање велике количине података само по себи није довољно, већ је потребно да ти подаци имају одређену
вредност, односно, њихово рашчлањавање и анализа треба да креирају одговарајућу корист за кориснике
података. У супротном, такав обим података се може сматрати бескорисним. Veracity се односи на квалитет тј.
веродостојност самих података. Техничко-технолошки развој је увео савремени свет у фазу развоја у којој је
просечан појединац оптерећен великом количином различитих података из различитих извора. Зато је од
кључног значаја да се сви извори података темељно сагледају и анализирају, пошто практично није могуће да
сви подаци носе подједнаки степен прецизности и веродостојности. Графички приказ карактеристика Big Data
концепта (кроз моделе: „3V“ и „5V“) је дат на Слици 1:

Слика 1: 3V и 5V модел Big Data концепта

Извор: Аутори

3. ПРИМЕНА BIG DATA ТЕХНОЛОГИЈЕ У БАНКАМА

Улога финансијских институција и банака у савремено доба добија софистициране форме, које су прилагођене
променама у техничко-технолошкој сфери, у циљу испоруке квалитетних производа клијентима на благовремен
начин. Иновације и модернизација пословања у банкарским системима широм света су довели до значајног
заокрета и напуштања појединих традиционалних банкарских функција (Мирковић, 2017, стр. 310).

Технолошке иновације у сфери финансија (познате као FinTech), доприносе променама структуре целокупног
финансијског система тако што путем on-line платформи директно повезују инвеститоре и клијенте водећи
креирању нових инвестиционих могућности, које су познате под називима peer-to-peer lending и crowdfunding
(Мирковић, Дудић З. и Дудић Б., 2016, стр. 192).

139
Поред свега горе наведеног, треба размотрити и све распрострањенију употребу биткоина и других крипто-
валута, која најављује нову фазу развоја банкарства значајно различиту од традиционалних и уврежених модела
пословања банака. Имајући у виду нове околности у којима се одвија пословање банака, јасно је да је Big Data
ера отворила читав спектар могућности за интеракцију банака и клијената, наметнувши банкама изазов да
постану саставни део живота клијената и да се што више прилагоде њиховим потребама и жељама. Да би
опстале, традиционалне банке морају постати агилније, морају пригрлити иновативну културу и морају се
фокусирати на поједностављење испоруке услуга клијентима у било које време, на било којем месту. У свему
томе, банке су нашле значајног савезника – Big Data технологије (Мирковић и Лукић, 2015, стр. 298).

Банке располажу различитим изворима података, као што су: подаци о клијентима, подаци о свим сегментима
пословања банака који су међусобно повезани кроз јединствени систем банке (сore banking data), подаци о
закљученим трансакцијама, подаци о плаћањима и платном промету, подаци о књиговодственој евиденцији
билансних и ванбилансних ставки кроз главну књигу банке, подаци са POS терминала, апликација за мобилне
телефоне, друштвених мрежа. Потенцијал за примену аналитике у реалном времену над наведеним изворима
података се налази у неколико сегмената и то (Somal, 2017):
 сегмент усклађивања са регулаторним захтевима;
 сегмент праћења података са друштвених мрежа у реалном времену;
 стицање конкурентских предности (и то не само у односу на друге банке већ и у односу на FinTech
компаније);
 сегмент анализе и оцене искустава клијената;
 откривање преварних радњи у реалном времену и
 сегмент тржишта капитала и инвестиционог банкарства.

У области усклађивања са регулаторним захтевима, један од највећих изазова за банке јесте спровођење
регулаторних стрес тестирања у реалном времену. Неопходно је постићи адекватну синхронизацију између:
расположивих података у различитим системима банке који се користе као улазни подаци за стрес тестирање,
сервера, апликација, база података, линија пословања и др. Банке ће остварили максималну корист од таквог
опредељења само кроз омогућавање доступности података за стрес тестирање у реалном времену помоћу
различитих аналитичких алатки и модела. У сегменту праћења података са друштвених мрежа, примена Big
Data обезбеђује увид у економске трендове и кретања на тржиштима у реалном времену, али и пружа могућност
предвиђања будућих кретања на одређеним (у првом реду, финансијским) тржиштима. Тако на пример, једна
студија коју је спровела Европска централна банка указује на то да је друштвена мрежа Twitter постала
економски значајан фактор предвиђања кретања на међународном тржишту акција. Истраживачи (Mao, Counts
и Bollen, 2015) су закључили да су сви твитови који су садржали израз „bullish" последично водили ка
повећању приноса на поменуте акције наредног трговачког дана.

Банке се не такмиче за бољу тржишну позицију само са другим банкама које су већ прихватилe нова техничко-
технолошка решења, већ се конкуренција одвија и на линији банке - FinTech компаније. „Односи између
FinТech start up компанија са једне стране и банака са друге стране се могу посматрати и као конкурентски
односи уколико су усмерени ка заузимању истоветних тржишних ниша или као партнерски тј. обострано
корисни односи, уколико остварују сарадњу у сегменту испоруке квалитетних услуга својим клијентима. У
будућности је реалније очекивати да ће се тржишно орјентисане банке определити на сарадњу са FinТech start-
up компанијама из разлога што су у ситуацији да искористе постојећу инфраструктуру банака, њихов реноме
(имиџ) код клијената и између осталог њихову широку базу клијената, којој су у могућности да понуде
иновативне производе и услуге“ (Мирковић, 2017, стр. 310).

Сегмент анализе и оцене искустава клијената подразумева праћење задовољства клијената на бази оцена
апликација за коришћење (кроз додељивање броја звездица од једне до пет звездица - у зависности од степена
сатисфакције апликацијом) као и анализу коментара које клијенти остављају као повратну информацију на
друштвеним мрежама (највише: Twitter и Facebook). Високе оцене подразумевају комбинацију традиционалних
и нових аналитичких алата које треба да резултирају у позитивном искуству и вишем степену задовољства
клијената. У зависности од добијених повратних информација везаних за степен задовољства клијената
апликацијама, основни задатак банака подразумева реакцију у најбржем могућем року што ће произвести
додатну вредност за клијента и створити претпоставке за боље тржишно позиционирање саме банке у очима
клијената.

Откривање преварних радњи се може значајно побољшати путем увођења различитих алгоритама за
предвиђање у реалном времену, а на основу образаца понашања (регистрованих превара и аномалија) уочених у
претходном периоду. Преварне радње се откривају много брже и прецизније уз мањи напор које налаже
поређење интерних и екстерних података (нпр. прање новца или преваре са кредитним картицама). Сегмент
тржишта капитала и инвестиционог банкарства подразумева унапређење у области управљања различитим
подацима почев од тржишних података, постојећих позиција, неструктурираних података који се обједињују у

140
циљу стицања увида у потенцијална тржишна кретања, приносе и профитабилност појединих одељења које
функционишу као посебни профитни центри.

Примена Big Data у великој мери доприноси побољшању у сегменту управљања ризицима у банкама (кроз нпр.
примену scorecard система), јер саме иницијативе са управљачког нивоа могу бити знатно брже
интерпретиране, као директна последица растућег нивоа доступности релевантних информација.

4. ПРОМЕНЕ У УПРАВЉАЊУ БАНКАРСКИМ РИЗИЦИМА

Према студији McKinsey&Company (2015), функције управљања ризиком у банкарском свету ће се
фундаментално променити у наредној деценији (Härle, Havas, Kremer, Rona и Samandari, 2015). Спремност
банака да се брзо прилагоде свим променама које предстоје, такође представља значајан изазов, посебно
имајући у виду нове регулаторне захтеве са којима ће се суочавати. Регулаторне промене ће свакако уследити и
у будућности покривајући различите сегменте пословања како би се унапредила банкарска пракса и како би се
исправиле системске грешке уочене у прошлости. Истовремено, очекивања клијената ће се повећавати са
појавом нових технологија и нових пословних модела. Основне функције управљања ризиком (оличене
превасходно кроз: кредитни, тржишни и оперативни ризик) ће се допуњавати новим врстама ризика са њиховом
еволуцијом (нпр. ризик модела, ризик „заразе“ тј. contagion risk, ризик безбедности на Интернету итд.) пошто
нове врсте ризика захтевају и нове способности и нове алате и методе. Реализација нових функција управљања
ризиком ће подразумевати и жељу банака да се све то оствари уз неупоредиво ниже трошкове, односно, нови
циљеви банака ће се остваривати уз суштински ниже оперативне трошкове.

Уколико се направи кратак осврт на претходну деценију, јасно произилази да је и тај поменути период
обележен крупним променама у неколико сфера. Регулаторне промене су биле нужне почев од ескалације
глобалне финансијске кризе 2008. године, што је само по себи довело до одређених измена у обављању
функције управљања ризиком. Неке од најзначајнијих промена се односе пре свега на: капиталне захтевe,
левериџ рацио, промене у обухвату и праћењу ризика ликвидности, ограничења везана за изворе финансирања
самих банака као и увођење и пооштравање стандарда који се односе на извештајне захтеве банака. Досадашња
искуства показују да увођење препорука у виду регулативе позитивно доприносе подизању свести о значају
процеса управљања ризицима (Мирковић и Кнежевић, 2014). Поред тога, управљање нефинансијским ризиком
као и примена стрес тестирања као супервизорске алакте су добили на значају као битни елементи који се
морају ускладити са склоношћу ка ризику (risk-appetite) самих банака. Банке су се, у складу са новим
захтевима, оријентисале на улагање и јачање своје културе ризика и укључиле све горе поменуте аспекте
управљања ризиком у процес доношења кључних пословних одлука. И поред очигледног напретка у свим
сегментима, може се рећи да је процес увођења нових функција ризика и њихова имплементација у банкама и
даље у току, као и да се банке процесу трансформације сопственог пословања постепено прилагођавају.
Очекујући да ће у будућности бити настављен тренд промена у сфери управљања банкарским ризиком само
нешто мањим темпом него у последњих десет година, McKinsey&Company студија јасно прави разлику између
6 структуралних трендова који ће обликовати управљање ризиком у наредном десетогодишњем периоду,
односно, до 2025. године (Härle и сар., 2015).

Први структурални тренд се односи на наставак експанзије у погледу регулаторних реформи банкарског
сектора. Најпре треба имати у виду да је смањен степен толеранције влада развијених земаља на случајеве
пропадања банака који су уследили након глобалне финансијске кризе. Другим речима, скоро у потпуности је
ишчезла пракса спровођења државне интервенције у циљу спашавања системски значајних банака новцем
пореских обвезника, јер су саме банке одговорне за неадекватно управљање ризицима у периоду који је
претходио глобалној економској кризи. Нова регулатива која је ступила на снагу након глобалне кризе у први
план истиче примену интерних модела за обрачун капитала, што намеће посебну обавезу код самих банака да
своје пословање ускладе са регулаторним захтевима у циљу обезбеђивања континуитета пословања. Пред банке
се постављају и захтеви да своје пословање ускладе и са законским одредбама које изричито санкционишу
финансијски криминал (преварне радње, прање новца, финансирање тероризма) што је највише дошло до
изражаја након терористичких напада у САД-у 11. септембра 2001. године. Наглашава се потреба да се домаћа
регулаторна решења ускладе са решењима на глобалном нивоу у погледу регулаторних стандарда, јер се на тај
начин креира имиџ „добре банке“, а не само „добре банкарске праксе“. Додатно, поред увођења дисциплине у
пословање банака, очекује се да понашање банака у односу на њихове клијенте буде у значајној мери
унапређено и да се више поштују етички стандарди у опхођењу са клијентима банака.

Други структурални тренд представљају промене у очекивањима клијената. Распрострањена употреба

технологије ће бити минимални критеријум из перспективе клијената. Тренутна млада генерација клијената
банака, који овладавају технолошким решењима модерног доба, ће представљати главне генераторе прихода
банака у наступајућем периоду до 2025. године. Потврду таквих тврдњи већ сада налазимо у аспекту

141
прилагођавања традиционалних, старијих банака новим технолошким променама, као и у снажном развоју
Fintech компанија.

Трећи структурални тренд представља коришћење технологије и напредне аналитике као основних полуга
будућег управљања ризицима у банкама. У модерно доба, банкама су доступне велике количине података о
клијентима, које могу значајно побољшати процес одлучивања. Приступ екстерним, неструктурираним
подацима представља основ за доношење бољих одлука у процесу оцене бонитета и кредитног ризика
клијената, али је истовремено и основ за праћење квалитета портфолија банака и развијање система раног
упозорења, идентификовања финансијског криминала и предвиђања оперативних губитака. Нагло прихватање
различитих модела који се користе у анализи података великог обима пружа детаљнији увид у све доступне
податке, што и сам модел чини тачнијим и прецизнијим.

Четврти структурални тренд се односи на додатне (нефинансијске) врсте ризика које се појављују, а последица
су пре свега различитих оштећења, накнади и трошкова парница везаних за оперативни ризик и ризик
усклађености пословања банке са регулаторним захтевима. Предвиђа се да ће се значај нефинансијских врста
ризика повећавати и у будућности и то кроз комбиновани ефекат експанзивних регулаторних реформи и
очекиваног пораста капиталних захтева за оперативни ризик. Овде се не сме никако изоставити и аспект даљег
ширења одређених врста ризика, који су у почетној фази развоја попут: ризика модела, ризика „заразе“ или
сајбер ризика.

Пети структурални тренд се односи на бољи, унапређени процес доношења одлука кроз елиминисање
пристрасности. Познато је да људи у настојању да донесу рационалне одлуке, често свесно или несвесно чине
одређене потезе понашајући се супротно ономе што захтева оптимално доношење одлуке тако да је сам процес
одлучивања оптерећен пристрасношћу, односно, субјективношћу доносиоца одлуке. У том контексту се
предвиђају значајни помаци у будућем периоду и то кроз најпре идентификовање оних одлука које су највише
оптерећене пристрасношћу. Након што се такве одлуке идентификују, неупоредиво је лакше спровести даљи
процес елиминисања пристрасности применом различитих техника. Банке примењују три врсте техника за
смањивање или елиминисање пристрасности: аналитичке мере (које доносиоцима одлука дају улазне податке
засноване на чињеницама), дебатне технике (помажу уклањању пристрасности кроз разговор, дискусију и
резултирају у доношењу одлука) и организационе мере (подразумевају нову структуру која истовремено
означава и имплементацију новог начина доношења одлука у посматраној организацији).

Последњи, али не и најмање битан, структурални тренд до 2025. године јесте неопходност смањења трошкова у
свим категоријама банкарских производа. Услед промена у регулативи (капитални захтеви, повећани трошкови
усклађивања пословања банака) за очекивати је да банке преиспитају своје оперативне трошкове и да се
фокусирају на испоруку већих вредности клијентима уз ниже трошкове. Уз традиционалне методе смањења
трошкова, попут анализе додате вредности (анализе тражње) и поверавање активности трећим лицима
(outsourcing), све је јасније да ће у будућности много већи простор за уштеде у трошковима доћи по основу
поједностављења, стандардизације и дигитализације пословања.

Наравно, наведених шест структуралних трендова за које се предвиђа да ће обележити сегмент управљања
ризиком у банкама нису једини изазов са којима ће се банке суочити. Напротив, постаје очигледно да ће
постојеће функције ризика постати критичне по банкарско пословање и да све мере морају бити подигнуте на
знатно виши ниво него што је то тренутно случај како би се створиле претпоставке за надградњу тј. ефикасно
функционисање банкарских организација.

5. ЗАКЉУЧАК
Процеси глобализације и прилагођавање пословања банака новим моделима пословања представљају једно од
најважнијих обележја савременог банкарског пословања. Упоредо са наведеним променама, мења се и улога
банака, тако да традиционално схватање банкарског пословања са акцентом на класичне кредитно-депозитне
послове постаје обогаћено новим приступом у односима између банака и клијената: односом који се
незадрживо развија захваљујући присуству нових техничко-технолошких решења. Савремено пословање у свим
сегментима (па и сегменту банкарског пословања) подразумева комбиновање традиционалних података које
организације прикупљају о својим клијентима, добављачима, производима и услугама са Big Data и подацима
од трећих лица који укључују и додатне информације попут демографских и географских података. На овај
начин прикупљање података може резултирати у моделима (обрасцима), који ће представљати основно
аналитичко средство за предвиђање будућег понашања клијената. Такође, значај података до којих се долази
путем дељења информација преко друштвених мрежа континуирано расте и доприноси формирању
квалитетних техника за предвиђање понашања клијената.

142
Пословни процеси у организацијама су доживели значајне трансформације са продором дигитализације у све
друштвене сфере. Банке, као финансијски посредници између субјеката који располажу суфицитарним и
дефицитарним средствима, своју тржишну позицију у модерно доба креирају прилагођавајући се свим
променама које ново, Big Data доба захтева. У том смислу, сваки пословни процес у савременим банкама се
одвија сходно законитостима дигиталног пословања, уз неизбежно прилагођавање пословних операција
примарним лукративним циљевима банака. Прихватање нових техничко-технолошких решења у циљу
оптимизације и модернизације пословања са собом носи и одређене врсте нових ризика са којима ће се банке у
будућности суочавати. Отуда је од кључног значаја улога система управљања банкарским ризицима, која такође
мора бити редизајнирана у складу са новим условима пословања. У овом раду су представљени структурални
трендови будућег развоја система управљања ризицима у банкама, који ће обележити наступајући период и са
собом донети вишеструке промене како у перцепцији самог ризика тако и у самој оперативној реализацији
пословних процеса у банкама. Како највећи део банкарских ризика потиче по основу кредитног ризика, будућа
истраживања на ову тему треба да буду посвећена изазовима које доноси примена Big Data концепта за сегмент
управљања кредитним ризиком, нарочито за тематику кредитног ризика других уговорних страна (counterparty
credit risk).

РЕФЕРЕНЦЕ
Berman, J. (2013). Principles of Big Data, Preparing, Sharing and Analyzing Complex Information. Boston: Elsevier.
Cano, J. (2014). The V's of Big Data: Velocity, Volume, Value, Variety, and Veracity. Преузето 01.12.2015. године са
сајта: https://www.xsnet.com/blog/bid/205405/the-v-s-of-big-data-velocity-volume-value-variety-and-veracity
Havens, T., Bezdek, J., Leckie, C., Hall, L., & Palaniswami, M. (2012). Fuzzy c-Means Algorithms for Very Large Data.
IEEE Transactions on Fuzzy Systems, 20(6), str. 1130-1146.
Heisterberg, R., & Verma, A. (2014). Creating Business Agility: How Convergence of Cloud, Social, Mobile, Video, and
Big Data Enables Competitive Advantage. San Francisco: John Wiley & Sons.
Kudyba, S., & Kwatinetz, M. (2014). Introduction to the Big Data Era. У Kudyba, S., Big Data, Mining, and Analytics (str.
1-17). CRC Press, Taylor & Francis Group.
Laney, D. (2001). 3-d data management: Controlling data volume, velocity and variety. META Group Research Note.
Преузето 08.01.2017. године са сајта: http://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-
Management-Controlling-Data-Volume-Velocity-and-Variety.pdf
Lyman, P., & Varian, H. R. (2003). How Much Information, Преузето 20.12.2015. године са сајта:
http://groups.ischool.berkeley.edu/archive/how-much-info-2003/printable_report.pdf
Mao H., Counts S., & Bollen J. (2015). Quantifying the effects of online bullishness on international financial markets.
Statistics Paper Series - Еuropean Central Bank. Преузето 05.01.2018. године са сајта:
http://www.ecb.europa.eu/pub/pdf/scpsps/ecbsp9.en.pdf?177000b829d4450b007f3d3a612cab18
Mayer-Schönberger, V., & Cukier, K. (2013). Big Data: A Revolution That Will Transform How We Live, Work, and Think.
Canada: Eamon Dolan/Houghton Mifflin Harcourt.
Härle, P., Havas, A., Kremer, A., Rona, D., & Samandari, H. (2015). The future of bank risk management.
McKinsey&Company. Преузето 05.01.2018. године са сајта: https://www.mckinsey.com/business-
functions/risk/our-insights/the-future-of-bank-risk-management
Manyika, J., Chui, M., Brown, B., Bughin, J., Dobbs, R., Roxburgh, C., & Byers А. H. (2011). Big Data: The next frontier
for innovation, competition, and productivity. McKinsey Global Institute.
Minelli, M., Chambers, M., & Dhiraj, A. (2013). Big Data, Big Analytics. New Jersey: John Wiley & Sons
Mintzberg, H. (2015). Managing in the Digital Age: Over the Edge. Преузето 23.07.2015. године са сајта:
www.druckerforum.org/blog/_p=928
Мирковић, В., и Кнежевић, М. (2014). Ликвидност као фактор конкурентности банкарског сектора Србије. Анали
Економског факултета у Суботици, Vol. 50, број 32/2014, стр. 323 – 335.
Мирковић, В., и Лукић, J. (2015). Мобилно банкарство као иновација у сектору финансијских услуга. Економски
видици 2015, број 2-3, стр. 297 – 310., Београд.
Мирковић, В., Дудић, З.,и Дудић, Б. (2016). Банкарство у сенци као потенцијални фактор нестабилности
финансијских система. FINIZ 2016, Risks in contemporary business (стр. 190 – 196). doi:10.15308/finiz-2016-190-
196. Београд: Универзитет Сингидунум.

143
Мирковић, В. (2017). Утицај финансијске технологије на савремено банкарско пословање. XXII Интернационални
научни скуп СМ 2017, Стратегијски менаџмент и системи подршке одлучивању у стратегијском менаџменту
(стр. 304-311). Суботица: Економски факултет.
Somal,HK (2017). Big Data & Analytics: Tackling Business Challenges in Banking Industry. Business and Economics
Journal, 8(2), str. 1-8. doi: 10.4172/2151-6219.1000305.
Van Rijmenam, M. (2014). Think Bigger, Developing a Successful Big Data Strategy for Your Business. AMACOM.
Walker, R. (2015). From Big Data to Big Profits, Success with Data and Analytics. New York: Oxford University Press.

144