ارائه چارچوبي براي شناسايي پيشران‌هاي كليدي اثرگذار روي آينده فناوري مالي با بكارگيري فنون دلفي فازي و تحليل سلسله‌ مراتبي فازي نوع2

A Framework for Identifying Affecting Drivers on the Future of Financial Technology Using Fuzzy Delphi and Fuzzy AHP Type 2

فناوري مالي، صنعت خدمات مالي و موسسات آن را در حوزه‌هايي از جمله بانك و بيمه به شدت تغيير داده است. با توجه به نقش بيشتر فين‌تك در آينده صنعت خدمات مالي، شناخت پيشران‌هاي موثر روي آينده فناوري مالي اهميت زيادي دارد. تحقيق حاضر به دنبال شناسايي و اولويت‌بندي پيشران‌هاي موثر روي آينده فناوري مالي در كشور است. اين مطالعه به علت استفاده از روش‌هاي كمي داراي مباني فلسفي اثباتي بوده و جهت‌گيري آن، كاربردي است. جامعه نظري پژوهش، خبرگان فناوري مالي بوده و نمونه‌ها از روش نمونه‌گيري قضاوتي انتخاب شده‌اند. براي جمع‌آوري داده‌ها از دو ابزار مصاحبه و پرسشنامه استفاده شد. براي تحليل داده‌ها، در ابتدا پيشران‌هاي استخراج شده از مرور پيشينه و مصاحبه با خبرگان با كاربست دلفي فازي و نظرات خبرگان غربال شدند. از 14 پيشران شناسايي شده، 7 پيشران با استفاده از تحليل دلفي فازي كنار گذاشته شد و عوامل باقيمانده با بكارگيري تكنيك تحليل سلسله‌مراتبي فازي نوع 2 مورد تجزيه و تحليل قرار گرفتند. با توجه به اوزان ، پيشران‌هاي ميزان سهولت مبادلات و معاملات بين‌المللي، مدل‌هاي همكاري بين موسسات فين‌تك با موسسات مالي سنتي و توجه به علايق و ديدگاه‌هاي ذي‌نفعان در شكل‌گيري قوانين و مقررات بيشترين اثرگذاري را روي آينده فناوري مالي دارند.

Financial technology has drastically changed the financial services industry andinstitutions in areas such as banking and insurance. Given the increasing role of FinTech in the future of the financial services industry, important understand the affecting drivers on future of financial technology. The present study seeks to identify and prioritize the drivers affect the future of financial technology in the country. This study has positive philosophical basis due to the use quantitative methods and its orientation is practical. The theoretical population the research is financial technology experts in the country and the samples were selected using judgmental sampling method. Two tools of interview and questionnaire were used to collect data. To analyze the data, the drivers extracted from the literature review and interviews with experts were first screened using fuzzy Delphi and expert opinions. the 14 key drivers identified, 7 drivers were excluded using fuzzy Delphi analysis and remaining factors were analyzed using the best-worst fuzzy typetechnique. Given the weights gained, the drivers of international exchanges and transactions, models cooperation between fintech institutions and traditional financial institutions and paying attention the interests and views of stakeholders in developing laws and regulations have the greatest impact on the future of financial technology.