واکاوی و کشف الگوهای همکاری بانک‌های ایران با فین‌تک‌ها

همکاری بانک و فین‌تک به یکی از موضوعات مهم در مطالعات کسب‌وکارهای فناوری مالی و تحول در سیستم بانکداری تبدیل شده است، بااین‌حال تاکنون پژوهش دقیقی پیرامون وضعیت و الگوی همکاری بانک‌های ایران با فین‌تک‌ها انجام نشده است. هدف این پژوهش کشف الگوهای همکاری بانک‌ها با فین‌تک‌ها از منظر بانک‌هاست و بر این اساس سوال اصلی پژوهش این است که چه الگوهای همکاری میان بانک‌های ایران و فین‌تک‌ها وجود دارد؟ در این پژوهش تلاش گردید تا ضمن توزیع پرسشنامه در میان 144 نفر از مدیران ارشد بانکی و تولید داده‌های موردنیاز، وضعیت همکاری 16 بانک ایرانی با فین‌تک‌ها در چهار بخش همکاری، نوآوری، بانک و فین‌تک مطابق با چارچوب مفهومی مدنظر موردبررسی قرار گیرد. به منظور تحلیل داده‌های به دست آمده، از الگوریتم‌های خوشه‌بندی که یکی از کاربردی‌ترین روش‌های داده‌کاوی است استفاده گردید. نتایج حاصل نشان می‌دهد: اول اینکه الگوی همکاری بانک‌های موردمطالعه در پنج خوشه بهینه تقسیم‌بندی می‌شود: الگوی سرآمدانه، الگوی تحول‌طلبانه، الگوی شتابانه، الگوی زیرکانه و الگوی سرمایه‌گذارانه. دوم اینکه به دلایل گوناگونی از جمله عدم توسعه گونه‌های مختلف فین‌تک و مدل‌های کسب‌وکار مربوط به آن، اکثر بانک‌های موردمطالعه در یک خوشه قرار می‌گیرند و رفتار نسبتاً مشابهی دارند. سوم اینکه نتایج خوشه‌بندی نشان می‌دهد عامل دولتی و خصوصی بودن بانک‌ها نمی‌تواند به‌عنوان عامل متمایزکننده در رابطه بین بانک‌ و فین‌تک مطرح شود.

Exploring and Discovering Collaboration Patterns Between Iranian Banks and Fintechs

Bankfintech collaboration has become one of the crucial topics in the study of financial technology and the banking system transformation. Yet, there has been very little research into this phenomenon, so as to establish best practices, because neither bankfintech collaboration nor associated and relevant characteristics have been evaluated. The purpose of this study is to discover the patterns of bankfintech collaboration, accordingly, the key question of the research is: What are the collaboration patterns of Iranian banks with fintechs? To answer this question, we have benefited from a theoretically founded and empirically proven taxonomy including cooperation, innovation, banking, and fintechs dimension. In this study, while distributing the questionnaire among 144 senior bank managers, the situation of cooperation between 16 Iranian banks and fintechs was examined. To analyze the data, clustering algorithms, one of the most useful data mining methods, were utilized. The results show: Firstly, the patterns are divided into the five optimal clusters: perfectionist pattern, transformational pattern, impatient pattern, smart pattern, and shareholding pattern. Second, for a variety of reasons, including a low verity of fintech types in the market, most of the banks studied are in the same cluster and have relatively similar behaviors. Third, clustering results indicate that the public or private factor cannot be considered as a distinguishing factor in the relationship between banks and fintechs.