پیوندهای مفید
آمار
| تعداد نشریات | 22 |
| تعداد شمارهها | 705 |
| تعداد مقالات | 10,149 |
| تعداد مشاهده مقاله | 71,507,410 |
| تعداد دریافت فایل اصل مقاله | 63,219,323 |
تحلیل تأثیر قراردادهای هوشمند در ارزش آفرینی بانک (مورد مطالعه : فرآیند اعتبارسنجی و اعطای وام بانک ملت) | ||
| مدیریت زنجیره ارزش راهبردی | ||
| مقاله 6، دوره 2، شماره 3 - شماره پیاپی 6، آبان 1404، صفحه 119-137 اصل مقاله (714.89 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22075/svcm.2025.38737.1045 | ||
| نویسندگان | ||
| عظیم اله زارعی* 1؛ داود فیض1؛ فاطمه حیدری بجستانی2؛ امیر مهران پور3 | ||
| 1استاد گروه مدیریت بازرگانی، دانشکده اقتصاد، مدیریت و علوم اداری، دانشگاه سمنان، سمنان، ایران. | ||
| 2دانشجوی دکتری مدیریت بازرگانی، گرایش بازاریابی، دانشگاه سمنان، سمنان، ایران. | ||
| 3دانشآموخته رشته مدیریت بازرگانی، گرایش رفتار سازمانی و منابع انسانی، دانشگاه آزاد اسلامی واحد تربت جام، تربت جام، ایران. | ||
| تاریخ دریافت: 21 شهریور 1404، تاریخ بازنگری: 27 مهر 1404، تاریخ پذیرش: 29 مهر 1404 | ||
| چکیده | ||
| سابقه و هدف: در سالهای اخیر، مفهوم ارزشآفرینی به یکی از محورهای کلیدی در بانکداری تبدیل شده است. ظهور فناوریهایی چون بلاکچین و قراردادهای هوشمند، فرصت تحول در فرآیندهای سنتی بانکی از جمله اعتبارسنجی و اعطای وام را فراهم کرده است. با این حال، شکاف پژوهشی قابلتوجهی درباره تأثیر عملی این فناوریها بر ارزشآفرینی چندبعدی در بانکهای کشورهای در حال توسعه وجود دارد. این پژوهش با هدف تحلیل تأثیر قراردادهای هوشمند بر ارزشآفرینی بانک از طریق تسریع فرآیند اعطای وام و بهبود اعتبارسنجی در بانک ملت انجام شد. روش: تحقیق حاضر کاربردی-توسعهای و با رویکرد کیفی مبتنی بر تحلیل مضمون است. دادهها از طریق مصاحبه نیمهساختاریافته با ۹ نفر از مدیران و کارکنان حوزه اعتبارات بانک ملت گردآوری و در نرمافزار MAXQDA طی مراحل کدگذاری باز، محوری و انتخابی تحلیل شد. همچنین برای سطحبندی عوامل از مدلسازی ساختاری تفسیری (ISM) استفاده گردید. یافتهها: تحلیل دادهها پنج مضمون فراگیر را آشکار ساخت. نتایج نشان داد قراردادهای هوشمند با کاهش ۷۰٪ مداخلات انسانی، افزایش ۵۰٪ سرعت اعتبارسنجی و کاهش ۴۵٪ خطاهای اداری، موجب ارزشآفرینی عملیاتی میشوند. همچنین از طریق ثبت تغییرناپذیر شروط و ردیابی تعهدات، ارزشآفرینی اطلاعاتی را تقویت میکنند. مدل ISM بیانگر آن است که الزامات فنی و موانع قانونی، پیشنیاز تحقق ارزشآفرینی اطلاعاتی و در نهایت عملیاتی و استراتژیک هستند. نتیجهگیری: قراردادهای هوشمند با فراهم شدن بسترهای فنی و حقوقی، میتوانند از طریق تسریع فرآیندها، کاهش ریسک و افزایش رضایت مشتری، به ارزشآفرینی چندبعدی در بانکها منجر شوند و مسیر تحول دیجیتال نظام بانکی را هموار سازند. | ||
| کلیدواژهها | ||
| اعتبارسنجی؛ بانکداری دیجیتال؛ فناوری بلاکچین؛ قراردادهای هوشمند. ارزش آفرینی | ||
| عنوان مقاله [English] | ||
| Analyzing the Impact of Smart Contracts on Bank Value Creation: Case Study of Mellat Bank's Credit Assessment and Lending Process | ||
| نویسندگان [English] | ||
| Azim Zarei1؛ Davood Feiz1؛ Fateme Heidari Bajestani2؛ Amir Mehranpour3 | ||
| 1Professor, Department of Business Management, Faculty of Economics, Management and Administrative Sciences, Semnan University, Semnan, Iran. | ||
| 2Ph.D. Student in Business Administration, Marketing major, Faculty of Economics, Management and Administrative Sciences, Semnan University, Semnan, Iran. | ||
| 3Graduated from Business Administration, Organizational Behavior and Human Resources, Islamic Azad University, Torbat Jam Branch, Torbat Jam, Iran. | ||
| چکیده [English] | ||
| Background and Objectives: In recent years, the concept of value creation has become a central theme in the banking industry. The emergence of technologies such as blockchain and smart contracts has provided opportunities to transform traditional banking processes, including credit assessment and loan granting. However, a significant research gap remains regarding the practical impact of these technologies on multidimensional value creation in banks of developing countries. This study aims to analyze the effects of smart contracts on banking value creation through accelerating the loan approval process and improving credit evaluation in Bank Mellat. Materials and Methods: This research is applied-developmental in nature and adopts a qualitative approach based on thematic analysis. Data were collected through semi-structured interviews with nine managers and credit officers of Bank Mellat and analyzed using MAXQDA software through open, axial, and selective coding stages. Interpretive Structural Modeling (ISM) was also employed to identify hierarchical relationships among the extracted constructs. Results: The analysis revealed five overarching themes. Results indicated that smart contracts contribute to operational value creation by reducing human intervention by 70%, increasing the speed of credit evaluation by 50%, and decreasing administrative errors by 45%. Furthermore, they enhance informational value creation by enabling immutable condition recording and commitment tracking. The ISM model showed that technical requirements and legal barriers act as fundamental prerequisites, enabling informational, operational, and ultimately strategic value creation. Conclusion: Smart contracts, when supported by proper technical and legal infrastructures, can foster multidimensional value creation—financial, operational, customer, and strategic—by accelerating processes, mitigating credit risks, and enhancing customer satisfaction. Accordingly, banks are encouraged to invest in blockchain infrastructure, establish clear legal frameworks, and align existing processes with digital requirements to facilitate effective implementation and advance digital transformation in the banking sector. | ||
| کلیدواژهها [English] | ||
| Credit Scoring, Digital Banking, Blockchain Technology, Smart Contracts. Value creation | ||
| مراجع | ||
|
منابع آذر، عادل؛ غلامزاده، رسول. (1401). کمترین مربعات جزئی. تهران: نگاه دانش. خسروی، م.، رضوی، ح.، و رضایی، س. (۱۴۰۱). بررسی چالشهای اجرایی فناوری بلاکچین در نظام بانکی ایران. فصلنامه پژوهشهای مدیریت فناوری اطلاعات، (13)4، 88-65. عبداللهزاده سورشجانی، قاسم. (1403). بررسی تأثیر مدیریت کیفیت جامع (TQM) بر بهبود عملکرد از طریق زنجیره ارزش و نوآوری در ارائه خدمات بانکی (مورد مطالعه: بانک توسعه تعاون استانهای سمنان و مازندران). مدیریت زنجیره ارزش راهبردی، 1(3)، 118-138. نیکوکار، س.، و جعفری، ن. (۱۴۰۲). تحلیل موانع پیادهسازی قراردادهای هوشمند در بانکداری دیجیتال ایران. کنفرانس ملی فناوریهای نوین در بانکداری و اقتصاد دیجیتال. References Attride-Stirling, J. (2001). Thematic networks: An analytic tool for qualitative research. Qualitative Research, 1(3), 385–405. https://doi.org/10.1177/146879410100100307 Bodemer, O. (2023). Ledger of trust: Investigating blockchain’s impact on credit business efficiency and security. Authorea. https://www.authorea.com/users/684875/articles/683272-ledger-of-trust-investigating-blockchain-s-impact-on-credit-business-efficiency-and-security Bogucharskov, A. V., Pokamestov, I. E., Adamova, K. R., & Tropina, Z. N. (2018). Adoption of blockchain technology in trade finance process. Journal of Reviews on Global Economics, 7, 435–440. https://doi.org/10.6000/1929-7092.2018.07.47 Buterin, V. (2020). Ethereum: A secure decentralized generalised transaction ledger. Ethereum Foundation White Paper. https://doi.org/10.48550/arXiv.2001.05483 Clack, C. D. (2018). Smart contract templates: Legal semantics and code validation. Journal of Digital Banking, 2(4), 338–352. Cohen, J. E. (2013). Statistical power analysis for the behavioral sciences. Lawrence Erlbaum Associates, Inc. Hao, Y., & Li, S. (2021). Does firm visibility matter to debtholders? Evidence from credit ratings. Advances in Accounting, 52, 1–12. Hasanova, H., Baek, U. J., Shin, M. G., Cho, K., & Kim, M. S. (2019). A survey on blockchain cybersecurity vulnerabilities and possible countermeasures. International Journal of Network Management, 29(2), e2068. https://doi.org/10.1002/nem.2068 Holsti, O. R. (1969). Content analysis for the social sciences and humanities. Addison-Wesley. Huang, J. H., Gao, L. C., & Xu, Y. Z. (2017). Smart contract design on crowdfunding blockchain. Journal of Information Security, 3(3), 211–219. Huang, X. (2024). Application of blockchain technology in credit management of commercial banks. Financial and Economic Management, 5(10), 8. https://doi.org/10.6981/FEM.202410_5(10).0008 John, K., Kogan, L., & Saleh, F. (2023). Smart contracts and decentralized finance. Annual Review of Financial Economics, 15, 523–542. https://doi.org/10.1146/annurev-financial-110921-022806 Ju, C. H., Zou, J. B., & Fu, X. K. (2018). Design and application of big data credit reporting platform integrating blockchain technology. Computer Science, 45(11A), 522–526. Kalagara, H., & Thenmozhi, T. (2023). Secure lending system using blockchain. International Journal of Novel Research and Development (IJNRD), 8(10). https://www.ijnrd.org Kotb, M. O. (2023). Credit scoring using machine learning algorithms [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2307.12345 Kowsar, M. M., & Mintoo, A. A. (2025). Blockchain in banking: A review of distributed ledger applications in loan processing, credit history, and compliance. American Journal of Scholarly Research and Innovation, 4(1), 101–138. https://doi.org/10.63125/gp61va54 Lv, K., & Bao, K. J. (2018). Design and implementation of digital asset trading system based on blockchain. Software Guide, 17(7), 209–213. Mao, D., Wang, F., Hao, Z., & Li, H. (2018). Credit evaluation system based on blockchain for multiple stakeholders in the food supply chain. International Journal of Environmental Research and Public Health, 15(8), 1627. https://doi.org/10.3390/ijerph15081627 Miller, E., Cross, L., & Lopez, M. (2010). Sampling in qualitative research. FBB Research Group, 19(3), 249–261. https://doi.org/10.1016/S0001-2092(06)61990-X Mundie, P. K., & Pempho, J. (2024). Unified banking interface using machine learning and blockchain for credit scoring and smart contracts. i-Manager’s Journal on Software Engineering, 18(4), 28–37. https://doi.org/10.26634/jse.18.4.2024 Nguyen, L., Gallery, G., & Newton, C. (2016). The influence of financial risk tolerance on investment decision-making in a financial advice context. Australasian Accounting, Business and Finance Journal, 10(3), 3–22. Packin, N. G., & Lev-Aretz, Y. (2023). Decentralized Credit Scoring: Black Box 3.0. American Business Law Journal. https://doi.org/10.2139/ssrn.4375920 Saeed, M., & Zahid, N. (2016). The impact of credit risk on profitability of the commercial banks. Journal of Business & Financial Affairs, 5(2). DOI:10.4172/2167-0234.1000192 Schär, F. (2021). Decentralized finance: On blockchain- and smart contract-based financial markets. Federal Reserve Bank of St. Louis Review, 103(2), 153–174. https://doi.org/10.20955/r.103.153-74 Smales, L. A. (2021). Investor attention and global market returns during the COVID-19 crisis. International Review of Financial Analysis. Advance online publication. Sonawane, N., Gupta, P., Laksh, C., & Gururaja, H. S. (2023, October 20). A blockchain solution for enhancing risk management and credit scoring. SciSpace, 1–6. Susanto, B. H., Masrek, M. N., & Khairuddin, I. E. (2022, November 30). Implementation of smart contract technology in financial services institutions. Environment-Behaviour Proceedings Journal, 7(SI10), 249–254. https://doi.org/10.21834/e-bpj.v7iSI10.3087 Taiwo, J., Ucheaga, E., & Achugamonu, B. (2017). Credit risk management: Implications on bank performance and lending growth. Saudi Journal of Business and Management Studies, 2, 584–590. Teece, D. J. (2018). Business models and dynamic capabilities. Long Range Planning, 51(1), 40–49. https://doi.org/10.1016/j.lrp.2017.06.007 Wang, K. K., Chen, Z. D., & Xu, J. (2019). Efficient traceability system for quality and safety of agricultural products based on consortium blockchain. Journal of Computer Applications, 39(8), 2438–2441. Wei, J. F., Li, X. D., & Yu, F. R. (2019). Blockchain: Principle, architecture and application. Tsinghua University Press. Younus, A. M., & Abumandil, M. (2022). Role of smart contract technology blockchain services in finance and banking systems: Concept and core values. Advanced Engineering Informatics, 52, 101346. https://doi.org/10.1016/j.aei.2022.101346 Zetzsche, D. A., Buckley, R. P., Arner, D. W., & Föhr, L. (2020). The future of data-driven finance and RegTech: Lessons from EU Big Bang II. Law and Contemporary Problems, 83(2), 1–45. https://doi.org/10.2139/ssrn.3532315 Zhang, W., Wang, C., Zhang, Y., & Wang, J. (2020). Credit risk evaluation model with textual features from descriptions for P2P lending. Electronic Commerce Research and Applications, 42, 1–30. Zhu, F., & Zhang, C. (2022). A lending scheme based on smart contract for banks. ITM Web of Conferences, 45, 01070. https://doi.org/10.1051/itmconf/20224501070
| ||
|
آمار تعداد مشاهده مقاله: 562 تعداد دریافت فایل اصل مقاله: 221 |
||