Banks and Fintechs: How to Develop a Digital Open Banking Approach for the Bank’s Future
Notice bibliographique
Résumé
Mutated market conditions, the advent of new players and digital technologies, and a significant regulatory push, are profoundly changing the banking industry. Banking business models may shift significantly from a pipeline, vertical, paradigm, to open banking models where modularity can be an opportunity for banks. Not only are the abovementioned factors representing a threat to the traditional model, but also they are spurring significant new opportunities to pursue new revenue streams. Those opportunities are exploited through new banking paradigms that entail higher levels of openness towards third parties and a crescent number of modular services bundled together. Models can go to mere compliance with the prescriptions of openness of PSD2, to the inclusion of new services, the opening of the banking core and data, and the aggregation of those within a platform experience. Value is created in platforms through economies of scope in production and innovation.This paper has explored the evolution of Fintech and Techfin in the market and the emergence of platform models in banking. It has investigated the evolution of that concept, also introducing an interesting banking case (BBVA), which gives several insights on the choices made toward a Banking-as-a-Platform model within the context of Fintech and Open Banking.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,015 |
| Communication savante | 0,019 | 0,030 |
| Science ouverte | 0,001 | 0,010 |
| Intégrité de la recherche | 0,009 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,005 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».