ارائه چارچوبی برای شناسایی و ارزیابی معیارها و گزینه های فین تک های همکار بانک ملت

هدف پژوهش حاضر، ارائه چارچوبی برای ارزیابی فین‌تک‌های همکار بانکی است. روش‌: تحقیق حاضر از نظر جهت‌گیری، کاربردی و از منظر روش‌شناسی، دارای ماهیت کمی است. در این مطالعه از سه روش دلفی فازی، بهترین- بدترین فازی و مشابهت فازی استفاده شد. از روش دلفی فازی، برای غربال معیارهای پژوهش، از روش بهترین- بدترین فازی برای وزن‌دهی به معیارهای پژوهش و نهایتاً از تکنیک مشابهت فازی به منظور اولویت‌بندی فین‌تک‌های همکار بخش بانکی استفاده شد. برای جمع‌آوری داده‌های پژوهش، ابزارهای مصاحبه و پرسشنامه مورد استفاده قرار گرفت. پرسشنامه‌های تحقیق عبارت بودند از: پرسشنامه غربال معیارها، پرسشنامه مقایسات زوجی و نهایتاً پرسشنامه اولویت‌سنجی. یافته ها:در ابتدا از طریق مرور پیشینه و مصاحبه با خبرگان بانکی، 17 معیار ارزیابی فین‌تک‌های بانکی استخراج شد. در گام بعدی، این معیارها با دلفی فازی غربال شدند. پنج معیار دارای عدد دیفازی بالاتر از 0/7 بودند و برای ارزیابی فین‌تک‌ها انتخاب شدند. وزن این معیارها با تکنیک bwm فازی محاسبه شد. معیار قابلیت فین‌تک برای روابط راهبردی بلندمدت با بانک با وزن 0/35، بیشترین اهمیت نسبی را در میان معیارهای تحقیق داشت. نهایتاً سه فین‌تک همکار بانک ملت با توجه به معیارهای پژوهش و تکنیک مشابهت فازی مورد ارزیابی قرار گرفتند. فین‌تک ج با امتیاز 0/82، بیشترین اولویت را برای همکاری با بانک ملت داشت. نتیجه گیری: بانک‌ها به جای نگاه منفی و رقابتی به فین‌تک‌ها می‌توانند به مشارکت راهبردی با آن‌ها بپردازند و با سرمایه‌گذاری روی آن‌ها، تحقیق و توسعه خود را بهبود داده و خدمات با نوآوری و کیفیت بیشتر را به مشتریان خود ارائه کنند.

providing a framework for identifying and evaluating criteria and options fintech partners of mellat bank

purpose: this study aims to establish a framework for evaluating the fintech partners of banks. method: the present study is applied in its orientation and quantitative in its methodology. in this study, three methods were employed: fuzzy delphi, best-worst fuzzy, and fuzzy similarity. the fuzzy delphi method was utilized to screen the research criteria, the best-worst fuzzy method was applied to assign weights to the research criteria, and finally, the fuzzy similarity technique was used to prioritize fintech partners within the banking sector. to collect research data, we utilized interview and questionnaire tools. the research questionnaires included a criteria screening questionnaire, a paired comparison questionnaire, and a priority assessment questionnaire. findings: first, a review of the literature and interviews with banking experts identified 17 criteria for evaluating banking fintechs. in the subsequent step, these criteria were assessed using the fuzzy delphi method. five criteria, which had a defuzziness value greater than 0.7, were selected for the evaluation of fintechs. the weights of these criteria were determined using the fuzzy best-worst method (bwm). among the research criteria, the criterion assessing fintech capability for establishing long-term strategic relationships with banks received the highest relative importance, with a weight of 0.35. finally, three fintech companies collaborating with bank mellat were assessed based on the research criteria and the fuzzy similarity technique. fintech c with a score of 0.82, received the highest priority for collaboration with bank mellat. conclusion: rather than viewing fintech companies with negativity and competition, banks can foster strategic partnerships with them. by investing in these firms, banks can enhance their research and development efforts, ultimately delivering more innovative and high-quality services to their customers.