ครึ่งปีแรกผ่านไป มีองค์กรขนาดใหญ่หลายรายประกาศชัดว่า ใช้ AI เป็นเทคโนโลยีหลักในการขับเคลื่อนธุรกิจ แต่สำหรับ ทีเอ็มบีธนชาต (ttb) กลับประกาศกลยุทธ์ที่แตกต่างแต่ยึดโยงกันว่า กำลังทรานสฟอร์มองค์กรเป็น Data-driven Organization หรือ องค์กรที่ขับเคลื่อนด้วยข้อมูล โดยเริ่มจากการสร้าง ‘Data-driven Culture’ หรือ วัฒนธรรมองค์กรที่พนักงานเห็นความสำคัญของการใช้ประโยชน์จากข้อมูล แล้วเรียนรู้ที่จะนำมาเพิ่มประสิทธิภาพในการทำงานของตัวเอง ของทีม ก่อนที่จะนำไปสร้างผลิตภัณฑ์หรือบริการที่ทำให้ลูกค้าได้รับประสบการณ์ที่ดีและเกิดความพึงพอใจมากยิ่งขึ้น

เปลี่ยนมายด์เซ็ตชาว ttb ผ่านอีเวนต์ Data Week

การใช้ประโยชน์จาก Tech & Data เป็นความท้าทายอย่างหนึ่งของคนทำงานยุคนี้ เพราะไม่ใช่ทุกคนที่จะมีทักษะดิจิทัลหรือใช้เครื่องมือเทคโนโลยีต่าง ๆ ได้อย่างคล่องแคล่ว และเพื่อสื่อสารให้พนักงานของธนาคารทุกคนเข้าใจ เห็นความสำคัญและประโยชน์จากการใช้ Tech & Data ในองค์กร จึงเกิดงาน Data Week ขึ้น โดยออกแบบอีเวนต์ให้พนักงาน Learn - Share - Connect ผ่าน 3 กิจกรรม ได้แก่ Data Exhibition, Data Workshop และ Data Community Day

ด้านกลยุทธ์การขับเคลื่อนองค์กรด้วย Data โดยมีอีเวนต์เป็นตัวเปิด สองผู้บริหารระดับสูงจากทีเอ็มบีธนชาต คุณฐากร ปิยะพันธ์ ผู้จัดการใหญ่ และ คุณนริศ สถาผลเดชา ประธานกลุ่ม งาน Data และ Analytics เปิดโอกาสให้เทคซอสเข้าไปพูดคุยถึงเบื้องหลังการทำให้พนักงานในองค์กรที่มีอยู่กว่า 15,000 คน เห็นความสำคัญของการใช้ Data การสร้างผลลัพธ์หรืออิมแพ็กที่ส่งผลให้เกิดวัฒนธรรมการใช้ Data ที่นำพาทุกคนทุกฝ่ายไปสู่ Data-driven Organization บนพื้นฐานแนวคิด Humanized Digital Banking หรือ ดิจิทัลที่เป็นมิตร รู้จักและรู้ใจลูกค้า 

คุณฐากรกล่าวว่า “ttb ต้องการให้ทุกคนในองค์กรรู้สึกว่า Data นั้น Powelful ขนาดไหน หลายคนอยู่กับธนาคาร 10-20 ปี อาจจะไม่เคยได้ยินบาง Use Cases หรือหลายคนที่อยู่ในแผนกนี้ไม่เคยรู้เลยว่า Analytics แบบนี้ใช้กับแผนกฉันได้ หรือหลายคนอาจจะไม่รู้เลยว่า มี Tools ให้ใช้เพื่อทําให้ชีวิตการทํางานของเขา หรือแผนกเขามีประสิทธิภาพมากขึ้น หลายคนไม่รู้เลยว่า มีเครื่องมือนี้อยู่ในองค์กรด้วย การจัดงาน Data Week จึงเป็นจุดเริ่มต้นที่ดีที่ทำให้คนเห็น Best Practices Sharing หรือ Knowledge Sharing และเป็น Inspiration ให้คนในองค์กรรู้สึกว่า โห…ไม่เคยเห็นสิ่งที่ควรจะได้เห็นตั้งเยอะแยะ” 

คุณฐากรกล่าวถึงการส่งเสริมการเรียนรู้ ทำเวิร์กช็อป และกิจกรรมอื่น ๆ เพื่อให้พนักงานเกิดความตระหนักรู้และมีทักษะการใช้ Data ว่า “การใช้งาน Data ถือเป็น Investment ที่ต้องทำ ถ้าพนักงานทำตรงนี้สำเร็จจะทำให้เราได้อะไรคืนมา เพียงแต่ว่าจะรีเทิร์นกลับมาในรูปแบบไหนแค่นั้น และ Investment ที่เราคิดว่าลงวันนี้ อาจได้แค่นี้ แต่เดี๋ยวต่อไปมันจะได้ A B C D กลับมา… ไม่รู้อีกกี่ร้อยเท่า” 

คุณฐากร ปิยะพันธ์ ผู้จัดการใหญ่ ทีเอ็มบีธนชาต

คุณนริศกล่าวเสริม ในฐานะที่ทำงานด้าน Data และ Analytics ว่า “เราค่อนข้างเห็นภาพชัดในเรื่องการใช้ Data ของธนาคาร โดยผมมองว่า Data เป็น Asset ทำให้เกิด ROI กลับมาที่แบงก์ได้ ซึ่งการใช้ Data แยกประโยชน์ได้เป็นสองจุด จุดหนึ่งทําเพื่อให้เกิด Customer Experience ที่ดี เกิดประโยชน์ในทางที่ดีต่อลูกค้า อีกส่วนหนึ่งคือ เพื่อทําให้ Cost Efficiency ของบริษัทดีขึ้น หรือได้ Productivity ที่ดีขึ้น” 

ปักหมุดสร้าง Data-driven Culture พนักงานย่อมได้ประโยชน์ก่อนใคร

เพราะไม่ว่าจะอยู่หน่วยงานไหนหรือทำงานแผนกใด ก็มี Data เกิดขึ้น แตกต่างเพียงรูปแบบของ Data การวางแผนจัดเก็บและนำไปใช้ต่อ และเมื่อ ttb ตั้งเป้าว่าจะเป็น Data-driven Organization จึงมีการจัดตั้งหน่วยงานด้าน Data มีการกำหนดกลยุทธ์ ซึ่งในทางปฏิบัติก็คือ การสร้าง ‘วัฒนธรรมองค์กรที่ขับเคลื่อนด้วยข้อมูล’ เพื่อให้พนักงานทุกหน่วยงานใช้ Data ในการตัดสินใจได้ ผู้นำหรือผู้บริหารองค์กรต้องเห็นความสำคัญในเรื่องนี้และทำให้เห็นก่อน

“ถ้าจะขับเคลื่อนการเปลี่ยนแปลงหรือว่าสร้าง Culture ต้องเริ่มจากวงประชุมของผู้บริหารที่เมื่อต้องตัดสินใจเรื่องต่าง ๆ จะอยู่บนพื้นฐานของการใช้ข้อมูล (Data-driven Decision Making) และ การนำ Data นำมาพิสูจน์สิ่งต่าง ๆ บางทีก็จุดประกายให้เห็นว่าบางเรื่องมีอิมแพ็กมากกว่าที่คิด”

คุณฐากรเปรียบเทียบด้วยว่า การเก็บและใช้ Data ก็เหมือนการติดกระดุมเสื้อ ถ้าติดผิดตั้งแต่เม็ดแรกก็จะผิดต่อไปเรื่อย ๆ 

“เรากำหนดว่าจะต้องมีบทบาทที่เรียกว่า Data Owner สมมติพี่เป็นเจ้าของผลิตภัณฑ์สินเชื่อบ้าน เป็น Data Owner มีความรับผิดชอบต่อข้อมูลของลูกค้าสินเชื่อบ้านทั้งหมด อันนี้คือ Culture ที่เราสร้าง โดยมี Data Governance Framework เพื่อจัดระเบียบ ว่ามี Data อะไรไม่ถูกต้อง การไม่สร้าง Governance ก่อให้เกิดปัญหาข้างหลังตามมาที่เราต้องไปแก้ ไป Cleansing Data อีก เพราะนำไปใช้ไม่ถูกหลัก” 

จากนั้นคุณฐากรยกตัวอย่างการเก็บอัตลักษณ์ ที่ก่อนหน้านี้ถือเป็น Information Set ใหม่ ซึ่งก็ต้องมีการพูดคุยกันในทีมว่า ผลิตภัณฑ์ไหนต้องเก็บอัตลักษณ์ เก็บแบบไหน เก็บไว้ที่ไหน ใครที่นำไปใช้ได้ เพื่อทำให้เกิดการใช้ Data อย่างมีธรรมภิบาล (Data Governance) จึงจะทำให้เกิดการใช้ Data ที่มีประสิทธิภาพสูงสุด

“มันคือการสเกลไปให้ได้ทั้งองค์กร ไม่ใช่แค่กลุ่มบางกลุ่ม เราไม่เชื่อว่าการทํา Data จะต้องมารวมศูนย์ (Centralized Data) แต่มันคือการที่หน่วยงานอื่นใช้ Data ได้มากขึ้น ซึ่ง Data Culture เป็นอะไรที่ต้องขับเคลื่อน เพื่อนำ Data มาสร้างสิ่งใหม่ ๆ หรือทําสิ่งเก่าที่ดีอยู่แล้วให้ดีขึ้น”

นอกจากนี้ คุณฐากรยังบอกอีกว่า ttb ยังมีทีมงานกลางที่เรียกว่า Data Partner คือมีพาร์ตเนอร์ที่เข้ามาทำงานกับแต่ละหน่วยงาน (BU) คอยให้คําแนะนํา และหากมีเรื่องอะไรที่ต้องใช้งาน Data ขั้นสูงก็จะมีโค้ชเข้ามาช่วย  

เชื่อมโยงกลับไปที่ Data Week คุณนริศกล่าวถึงกิจกรรม Data Exhibition, Data Workshop และ Data Community Day ในวันนั้น ทําให้พนักงานได้เรียนรู้แนวคิดและเครื่องมือการใช้ Data อาทิ วิธีทำ Automation, Data Visualization & Power BI รวมถึง Data-driven Design Thinking  และที่สำคัญ ยังเปิดโอกาสให้เกิดการสร้างเครือข่ายพนักงาน ได้มาแชร์ประสบการณ์ว่า ใครใช้ Data ให้เป็นประโยชน์สู่ลูกค้าอย่างไรบ้าง และเมื่อเห็นตัวอย่างการใช้งานจากฝ่ายอื่น ๆ ก็ยิ่งส่งเสริมการเรียนรู้สิ่งใหม่ ทั้งผ่านออนไลน์และออฟไลน์ ทั้งยังมีความร่วมมือกับสถาบันการศึกษา เช่น คณะพาณิชยศาสตร์และการบัญชี ภาควิชาสถิติ จุฬาลงกรณ์มหาวิทยาลัย ในการพัฒนา Data Talent ฝึกงานในสายงาน Data เป็นต้น

สรุปได้ว่า ttb เปิดโอกาสให้พนักงานเรียนรู้และทดลองใช้ Data ส่งเสริมการเรียนรู้ด้าน Data Analytics และต้องใช้ Data อย่างมีธรรมาภิบาล ซึ่งนอกจากจะช่วยเพิ่มประสิทธิภาพการทำงานแล้ว การใช้ Data ยังช่วยให้การตัดสินใจเรื่องต่าง ๆ ทำได้แม่นยำมากขึ้น เพราะเข้าใจความต้องการของลูกค้าอย่างแท้จริง และสามารถพัฒนาไปสู่การสร้างนวัตกรรมใหม่ ๆ หรือธุรกิจใหม่

Data-driven สู่การสื่อสารใน ‘ttb touch’ ให้ touch ใจลูกค้า

มาที่การนำ Data ไปใช้ให้ลูกค้าจับต้องได้และได้ประโยชน์ คุณนริศยกกรณีการใช้งาน Mobile Banking บนแอปพลิเคชัน ttb touch ที่มี AI เรียนรู้พฤติกรรมการใช้งานและช่วงเวลาที่ใช้ จากนั้นส่งเป็นข้อความ Personalized Message ให้แต่ละบุคคล (Individual) ตามลักษณะการใช้งานและช่วงเวลาที่เหมาะสม มากไปกว่านั้น ยังส่งข้อความที่ใส่ใจหรือ Empathy ต่อลูกค้า แบบ Real Time โดยให้ Personalized AI Engine เรียนรู้และจัดสรร Personailzed Cards เฉพาะบุคคลขึ้นมาแสดงบนหน้าแรกเพื่อสื่อสารข้อมูล 5 ด้าน ตั้งแต่ ทักทาย Greeting, เตือนความจำ Reminder, ข้อมูลเชิงลึกเฉพาะบุคคล Insight, แจ้งเตือนเรื่องจำเป็น Inform และ นำเสนอผลิตภัณฑ์หรือบริการที่ตรงใจ Offer ยกตัวอย่างเช่น แจ้งเตือนว่าอีกสองวันจะถึงวันชำระค่าบัตรเครดิต แต่เงินในบัญชีมีไม่เพียงพอ, แจ้งว่าป้ายทะเบียนรถใกล้หมดอายุ เตือนให้ไปต่อทะเบียน, เสนอให้เปลี่ยนรถ หลังจากใช้รถมานานหลายปี ฯลฯ

คุณนริศอธิบายการใช้ Data และเทคโนโลยี AI เพื่อนำเสนอสิ่งที่น่าจะตรงกับความต้องการของลูกค้าและสรุปการใช้จ่ายให้อัตโนมัติ เช่น ทุกสิ้นเดือนเจ้าของบัญชีจะโอนหาใคร, เดือนที่แล้วลูกค้าซื้อสินค้าออนไลน์มากกว่าปกติไหม, ที่ผ่านมาได้ Cashback ไปเท่าไหร่ หรือหากเจอว่า (Detect Moment) ผู้ใช้งานคนนี้อาจกำลังต้องการสภาพคล่อง Personalized AI Engine ก็แนะนำได้ว่า สามารถนำรถมาค้ำประกันเพื่อให้ดอกเบี้ยที่ถูกลงได้

“อีกฟีเจอร์ที่ลูกค้าชอบมากคือ Trust & Security ตัวอย่างเช่น บัตรเครดิตที่ไม่มีการใช้งานในต่างประเทศ Personalized AI Engine จะรู้ว่าบัตรนี้ใช้ในประเทศอย่างเดียว และไม่ได้ใช้ซื้อสินค้าออนไลน์ ก็จะแนะนำให้ปิดการทำงาน (Toggle Off) ซึ่งจะไม่กระทบประสบการณ์ลูกค้าและมีความปลอดภัยมากขึ้น หรือบางคนมีการใช้วงเงินในแต่ละวันไม่ถึง 5,000 บาท ก็จะเตือนว่า ควรปรับลดวงเงินที่ตั้งค่า (Default) ที่วันละ 200,000 ลงไหม ก็จะช่วยลดความเสี่ยงได้มากขึ้น”

คุณฐากรให้รายละเอียดเพิ่มถึงการเก็บและใช้งาน Data ว่า “ลองคิดดู ผู้ใช้งานแอป 5 ล้านคน ย่อมมีเรื่องที่ต้องใส่ในแอปเยอะมาก สมองของ Personalized AI Engine จะเลือกยังไงให้ตรงกับจังหวะเวลา เพราะลูกค้าบางคนมี Timing ของตัวเอง เช่น เช็ก Mobile Banking ทุกเช้า และพฤติกรรมการใช้งานในวันธรรมดาก็ไม่เหมือนวันเสาร์ - อาทิตย์" 

"เราจึงต้องมี Data เพื่อนำเสนอผลิตภัณฑ์หรือบริการที่ใช่ให้ลูกค้า ในเวลาที่ใช่ และสื่อสารผ่านช่องทางที่ใช่ สมมติให้เลือกเรื่องที่สำคัญที่สุด 3 อย่าง ในวันหนึ่งก็เอา 5 ล้านคูณ 3 คือ มันจะต้องมี 15 ล้าน Personalized Cards คือมีสิ่งที่ต้องใส่เยอะมากเพื่อให้ลูกค้าเห็นและใช้ประโยชน์ได้จริง" 

สอดคล้องตามแนวคิดของธนาคาร Humanized Digital Banking หรือ ดิจิทัลที่เป็นมิตร รู้จักและรู้ใจลูกค้า คุณฐากรกล่าวย้ำว่า บริการบนแอปที่ออกแบบมานี้ต่างจากธนาคารอื่น ลูกค้าติดใจและมักจะเข้าแอปไปดูว่า วันนี้ ttb จะสื่อสารหรือแจ้งอะไร 

“แอป touch ถือเป็นอีกหนึ่งตัวอย่างที่เรา Make REAL Change โดยเฉพาะหน้าแรก ที่ UX/UI ของเราได้สร้างความแตกต่างในวงการธนาคาร และมีความหมายต่อชีวิตทางการเงินที่ดีขึ้นของลูกค้าแน่นอน”  

ตัดเส้นทางบัญชีม้า ลดความเสียหายให้ลูกค้าด้วย Data Analytics & AI 

เรื่องใหญ่ในรอบ 2 ปีที่สร้างความเสียหายให้คนไทยคือ กลุ่มมิจฉาชีพโทรมาพูดคุยเพื่อหลอกให้โอนเงิน โดยใช้บัญชีในชื่อผู้อื่นเป็นบัญชีม้าจำนวนมากเพื่อรับเงินโอน ทำให้สาวถึงต้นตอได้ยากขึ้น

คุณนริศเล่าถึงการนำ Data การใช้บัญชีธนาคารมาทำ Data Analytics เพื่อวิเคราะห์เส้นทางการโอน - รับเงิน แกะรอยบัญชีม้าจากรายการเดินบัญชี แล้วให้ AI แจ้งเตือนความผิดปกติที่ตรวจพบ

คุณนริศ สถาผลเดชา ประธานกลุ่มงาน Data และ Analytics ทีเอ็มบีธนชาต เปิดภาพเส้นทางของบัญชีม้าที่ธนาคารแกะรอยได้ ซึ่งเป็น Network ที่เกิดจาก Data จริง

“ในปีที่ผ่านมา เราทําเรื่อง Fraud เรื่องบัญชีม้าค่อนข้างเยอะ เพราะมันเป็นเรื่องที่กระทบลูกค้าแล้วก็กระทบสังคมมาก เราจึงใช้ Data กับ AI ดูแพทเทิร์นบัญชีม้า แล้วสิ่งที่ทำก็ไม่ใช่แค่ Analysis แต่เป็น Prevent บัญชี คือ ถ้าชวนดูรูปจะเห็น Network ที่เกิดจากบัญชีม้า แล้วจุดจุด (Node) ในภาพคือ แต่ละบัญชีที่เชื่อมต่อกัน สมัยก่อนเวลามีการฟอกเงินหรือว่าทําอะไรผิดกฎหมาย ใช้เวลาเป็นเดือน แต่เดี๋ยวนี้มิจฉาชีพ อาชญากรมาเร็วมาก คือจุดพวกนี้ไม่ถึง 24 ชั่วโมง สามารถโอนเงินไปหมดแล้ว ฉะนั้น ถ้าจะใช้วิธีปัจจุบันตามจับเขาไม่ทันแล้ว” 

อธิบายในภาคปฏิบัติได้ว่า 

• ธนาคารศึกษาลักษณะพฤติกรรมของบัญชีม้า โดยหารูปแบบทางการเงินที่ต่างจากคนทั่วไป
• ตรวจสอบ หาสัญญาณ และออกแบบมาตรการ โดยทดสอบความแม่นยำและหลีกเลี่ยงการรบกวนการใช้บริการทางการเงินของลูกค้าให้มากที่สุด
• นำ Data มาพิจารณา พบว่ามีลูกค้า 98% ที่กำหนดวงเงินโอนออกสูงกว่าจำนวนเงินที่ใช้จริง เพื่อลดความเสียหายของลูกค้า ttb จึงหาแนวทางดำเนินการและแนะนำมาตรการ ‘Personalized Limit’ ปรับวงเงินการทำธุรกรรมลงผ่าน Personalized Message หรือ SMS ปัจจุบันเริ่มมีลูกค้าสนใจมากขึ้น และปรับลดวงเงินตามที่ธนาคารแนะนำ
  
  

ttb : The Bank of Financial Well-being แนวคิดเพื่อชีวิตทางการเงินที่ดีขึ้นของคนไทย

“จริง ๆ แล้วปรัชญาของเราก็คือ เราอยากจะพัฒนาผลิตภัณฑ์ทางการเงินที่ช่วยทําให้ชีวิตทางการเงินของคนไทยดีขึ้น ถามว่า Data มาช่วยอะไรได้ ยกตัวอย่างที่เป็นรูปธรรม เช่น การสมัครขอสินเชื่อ ปกติเวลาธนาคารดูข้อมูลก็จะดูบูโรร่วมด้วย ถ้าคนนั้น Score ไม่ค่อยดี เพราะภาระหนี้เขาอาจจะเยอะ ธนาคารก็อาจปฏิเสธการขอกู้เพราะ Score ไม่ผ่าน” คุณฐากรเกริ่นเรื่อง Data เกี่ยวกับภาระหนี้ที่ต้องเร่งแก้ปัญหา เพราะส่งผลต่อหลาย ๆ เรื่องในชีวิตของคนไทย

คุณนริศเสริมว่า “Data มีอยู่ทุกที่ และการใช้ Data ไม่ได้สร้างประโยชน์ให้ลูกค้าเท่านั้น แต่ยังส่งผลต่อ Employee Well-being ความเป็นอยู่ที่ดีขึ้นของพนักงานด้วย” 

“Data สะท้อนบางสิ่งบางอย่างว่าเป็นความเข้าใจผิดของคนไทย บางคนยอมก่อหนี้สินเชื่อส่วนบุคคลดอกเบี้ย 20 กว่าเปอร์เซนต์ หรือใช้นาโนไฟแนนซ์ที่มีดอกเบี้ย 33 เปอร์เซนต์ ไม่ยอมเอารถหรือบ้านไปขอสินเชื่อ เพราะคิดว่าถ้าฉันเป็นหนี้ธนาคาร ธนาคารต้องมายึดบ้านแน่เลย ไม่เอาดีกว่า กลายเป็นหนี้เต็มเลย” คุณฐากรกล่าว

จากความเข้าใจผิด และการใช้เครื่องมือทางการเงินในทางที่ผิด ส่งผลกระทบต่อความสามารถในการชำระหนี้ที่กำลังเป็นปัญหาระดับประเทศ ttb จึงคิดโมเดลเพื่อปรับโครงสร้างหนี้ สำหรับคนที่ชำระได้อยู่ แต่เสี่ยงจะไปต่อไม่ไหว, คนที่มีหนี้นอกระบบ, คนที่มีหนี้ในระบบ แต่จ่ายได้เพียงขั้นต่ำ, คนที่ไม่สามารถขอกู้สินเชื่อได้อีก ด้วยการออกแบบแพลตฟอร์ม ทีทีบี โค้ชปลดหนี้ โดยเริ่มจากการให้ความช่วยเหลือพนักงานในองค์กรที่มีหนี้ก่อน ร่วมกับการนำศักยภาพของพนักงานที่มีความรู้ความเชี่ยวชาญทางการเงินมาช่วยแก้ปัญหาในฐานะ ‘โค้ชปลดหนี้’

“เราเพิ่งเริ่มทําเฟสแรก คือ สร้างโค้ชทางการเงินเป็น ‘โค้ชปลดหนี้’ เพื่อให้คําปรึกษาแก่ลูกหนี้ โดยให้พนักงานของ ttb ให้คําปรึกษาพนักงานกันได้เองก่อน และในเฟสถัดไป เราจะสร้างโค้ชปลดหนี้ให้มากขึ้น เพราะมีลูกค้ารอเราอยู่ ซึ่งก็คือลูกค้าที่ใช้บัญชีเงินเดือน ttb หรือ ใช้สวัสดิการสินเชื่อกับเรา โดยเราจะใช้โค้ชของ ttb ช่วยแก้หนี้ให้พนักงานของบริษัทอื่น ๆ ต่อ ส่วนเฟสที่สาม เราจะให้บริการสำหรับบุคคลทั่วไปที่มีปัญหาทางการเงิน คนที่ไม่สามารถขอสินเชื่อได้อีกแล้ว และอยากปรึกษาสามารถนัดคุยกันผ่านแพลตฟอร์มออนไลน์ได้โดยมีโมเดลในการแก้หนี้ที่เป็นแพทเทิร์นของ ttb”

เทียบได้กับกรณีที่ผู้ป่วยสามารถหาหมอจากระยะไกลผ่าน Telemedicine ผู้เป็นลูกหนี้ก็สามารถขอคำปรึกษาจาก Tele Financial Advisor ได้เช่นกัน 

“ที่ผ่านมา คนที่ Score ไม่ดี ธนาคารก็ปฏิเสธ ไม่ให้กู้ แต่ตอนนี้เรานำ Data มาใช้ในการทำงานมากขึ้น เราตั้งทีมใหม่ที่ใช้ข้อมูลช่วยหาทางออกให้กับลูกค้า โดยโทรกลับไปคุยว่า พี่ครับผมเห็นชื่อในบูโร ผมอนุมัติให้พี่ไม่ได้ครับ แต่ถ้าพี่ไปแก้ตรงนี้ก่อน ไปลดภาระหนี้ตัวนี้ก่อน ผมเห็นพี่มีรถนะ ลองไปคุยกับที่เดิมมั้ย จะไปรวบหนี้ไว้กับที่เดิมก็ได้ แต่ถ้าที่เดิมไม่ทํา พี่รวบหนี้มาอยู่กับผม เพราะ ttb อยากให้ Financial Well-being ของทุกคนดีขึ้น เราจะเข้ามาช่วยคนที่เคยถูกปฏิเสธไป” คุณฐากรกล่าวตอนท้าย 

บทความนี้เป็น Advertorial