Primærdataene vil i hovedsak bestå av kvalitativ data innhentet fra intervju med bransjen, herunder FinTech-selskaper, banker og bransjeeksperter. Vi vil i tillegg samle inn kvantitativ
data fra Google sin «avansert søk»-funksjon, og deretter kjøre en prinsipiell komponent analyse.
Av sekundærdata vil vi bruke sider med godt rykte, som SSB og FinansNorge. Samt relevante masteroppgaver, gjerne fra tiden etter innføringen i 2019. Av journalistikk har vi særlig sett at Shifter og Finanswatch skriver mye om temaet og dette har vært en god kilde til oppdatert informasjon. Rapporter fra konsulentselskaper har også vært en god kilde til økt kunnskap om temaet for forskerne.
4.2.1 Intervju
I arbeidet med datainnsamlingen har vi hatt kontinuerlig kontakt med forskjellige FinTech-selskaper, en bransjeekspert og en bank som er ledende i Norge på å ta i bruk PSD2-APIer i sin mobilbank. Alle FinTech-selskapene har fått både en AISP- og PISP-lisens. To av selskapene er norsk, mens det tredje opererer i Norge.
Vår framgangsmåte for å finne intervjuobjekter gikk på å finne selskaper med konsesjon fra Finanstilsynet, samt finne bransjeeksperter som tidligere har uttalt seg på området PSD2 og Open Banking. For å få enda et perspektiv, så intervjuet vi også en produkteier for
mobilbanken i en norsk bank. Det er viktig for oppgaven at vi får flere synspunkter om temaet da det ikke er noen fasitsvar og det kan være forskjellige måter de ser på situasjonen.
Intervjuobjektene våre er alle personer med inngående kunnskap om finansbransjen og effekten PSD2 har hatt på markedet.
ID Type
selskap
Stillingstittel Dato for gjennomføring av intervju
B1 Bank Produkteier mobilbank 26.04.2021
F1 FinTech Chief Technology
Officer
23.02.2021
F2 FinTech Produkteier 04.03.2021
F3 FinTech Country Manager 13.04.2021
E1 Konsulent Strategisk Rådgiver 19.04.2021 Tabell 4 Oversikt over intervjuene
F1 ble funnet gjennom søk hos etablerte FinTech-selskap i Norge. F2 ble kontaktet på samme grunnlag. Vi ble videre sendt til F3 av produkteier hos F2, da personen mente F3 kunne ha inngående kunnskap om Norges håndtering av betalingsdirektivet i forhold til utenlandske myndigheter. E1 ble kontaktet på grunnlag av ekspertise innenfor implikasjonene av PSD2,
og personens inngående kunnskap om Nordens banksystem. Vi kom i kontakt med B1 gjennom en bekjent.
Vi så det som hensiktsmessig for studien å ha åpne intervjuer med våre intervjuobjekter, da alle til daglig jobber med problemstillingen og kan komme med nyttig informasjon utover de fastsatte spørsmål vi satt opp på forhånd av intervjuene. Dette ga oss i større grad mulighet til å stille oppfølgingsspørsmål og ha en åpen diskusjon rundt våre tema. Vi satt derfor opp tre forskjellige temaer i vår intervjuguide, med undertitler knyttet til deres
forretningsområde/ekspertise:
1. Compliance, forretningslandskap og PSD2-lisens 2. Samarbeid og innovasjon
3. Digitale forretningsmodeller og strategi
Over til selve intervjuene, så har vi valgt å anonymisere disse for at vi muligens kan få mer ærlige svar. PSD2 og open banking er et tema med mye sterke meninger, så syns vi det er viktigere å få frem dette enn hvem som har sagt det. For å få en god nok dekning med meninger, så har vi også intervjuet ulike personer fra ulike bransjer.
Grunnet Covid-19-situasjonen ble intervjuene i sin helhet gjennomført digitalt med Teams og et intervju på Google Meet. Det var ingen teknologiske barrierer knyttet til gjennomføringen, men samtalen ville nok vært mindre preget av avbrytelser hvis vi hadde gjennomført
intervjuene ansikt-til-ansikt.
4.2.2 Prinsipiell komponent analyse
For å finne ut hvordan bankene har omtalt seg om PSD2 og Open Banking, og hvordan media har omtalt bankene i media, så vi det som en god idé å gjennomføre en prinsipiell komponent analyse (PCA). PCA er en multivariabel analyse for en tabell hvor observasjonene er forklart med flere interkorrelerte variabler, disse interkorrelerte variablene kalles prinsipielle
komponenter (Abdi & Williams, 2010). De prinsipielle komponentene viser korrelasjonen mellom våre objektet og variabler som er våre henholdsvis banker og søkeord. Dette blir så plottet i et punktdiagram.
Analysen baserer seg på tall hentet fra «Google Avansert Søk», hvor våre objekter var syv av Norges største aktører i finansbransjen, og våre variabler var antall søketreff på søkeord som er direkte knyttet til sentrale deler av denne oppgaven:
Tabell 5 Oversikt over bankene i vår PCA-analyse
Tabell 6 Oversikt over søkeordene i vår PCA
For å hente ut mest mulig korrekte søkemotorresultater inkluderte vi synonymer og forskjellige skrivemåter for hver av våre variabler, som i mest mulig grad skulle treffe det norske markedet. Av tabell 7 ser vi søkeordene og deres tilhørende synonymer/skrivemåter som er blitt brukt.
Søkeord Input "Avansert søk" i Google
FinTech «FinTech», «Finansiell teknologi», «finans + teknologi»,
«finansteknologi»
Open Banking «API», «åpen programvare grensesnitt», «application programming interface», «open banking»
Digitalisering «digitalisering», «modernisering», «modernisere»
PSD2 «PSD2», «PSD 2», «Payment Service Directive», «betalingdirektiv»,
«betalingsdirektivet", «Revised Payment Services Directive”
Innovasjon “Innovasjon”, “innovative”, “innovativt”
Tabell 7 Oversikt over input i vår PCA-analyse DNB
Nordea Danske Bank Sbanken Eika Sparebank1 Gjensidige
FinTech Open Banking Digitalisering PSD2
Innovasjon
Totalt ble det gjennomført 35 søk, fem søk på hver av våre finansielle institusjoner. Totalt antall søketreff ble 2 957 390, med Nordea på 1 424 600 søk totalt.
Bank FinTech Open Banking Digitalisering PSD2 Innovasjon
DNB 180 000 20 600 134 000 28 100 221 000
Nordea 804 000 35 900 420 000 66 500 98 200
Danske Bank 281 000 42 200 67 700 24 800 41 100
Sbanken 20 600 10 800 20 800 12 500 19 000
Eika 9 140 2 760 19 800 6 550 21 600
Sparebank1 2 850 1 500 20 000 12 000 77 000
Gjensidige 94 900 8 220 56 300 2 770 73 200 Tabell 8 Oversikt over resultatene fra vår PCA-analyse
Det finnes flere regler på hvor mange prinsipielle komponenter som skal velges. Kaisers regel sier at man skal bruke prinsipielle komponenter med minimum 1 i Eigenvalue, En Eigenvalue på 1 inneholder like mye informasjon som en variabel. En annen regel sier at man skal kunne forklare minst 70% av variansen med komponentene (Jolliffe & Cadima, 2013). I vårt tilfelle vil det derfor naturlig å ta i bruk PC1 og PC2 (her F1 og F2).
Av figur 7 ser vi at PC1 forklarer 71,04% av variansen i variablene, mens PC2 forklarer 21,96% av variansen. Disse har henholdsvis en Eigenvalue på 3,552 og 1,098. Den kumulative variansen for våre prinsipielle komponenter er derfor 93,00%, som er godt innenfor den praktiske tilnærmingen på minst 70%.
Figur 7 Scree plot
Analysen ble gjennomført med Excel-tillegget XLSTAT utviklet av Addinsoft.