Fatores de primeiro e segundo Plano da qualidade do serviço de tecnologias financeiras no setor bancário

RESUMO

Os bancos procuram atender às necessidades em constante mudança dos clientes por meio da revisão de seus serviços. Com o surgimento das tecnologias financeiras, a natureza dos serviços bancários mudou. Esta pesquisa tem como objetivo identificar os fatores de segundo e os fatores de primeiro plano da qualidade do serviço de tecnologias financeiras no setor bancário e o desenvolvimento de modelos. O método usado nesta pesquisa é uma combinação de métodos qualitativos e quantitativos. Os fatores de segundo plano foram identificados usando o método da teoria fundamentada, que é um método qualitativo, e o método combinado foi usado para identificar os fatores de primeiro plano que levaram ao desenvolvimento do modelo. De acordo com os resultados da pesquisa, as transformações digitais, as rápidas mudanças tecnológicas, as condições competitivas dos bancos, a redução das limitações de tempo e local da prestação de serviços, a redução de custos, o surgimento de empresas e startups de Fintech, o aumento da velocidade da prestação de serviços bancários, a estrutura cultural, as regulamentações que regem o sistema bancário e o hacking/phishing de contas bancárias foram identificados como os fatores de fundo. Além disso, os resultados mostraram que a qualidade do serviço das tecnologias financeiras no setor bancário do Irã é uma função dos fatores em primeiro plano, incluindo a abrangência dos serviços, a sustentabilidade dos serviços, a segurança e a confiabilidade, a personalização dos serviços, a facilidade de uso dos serviços e a inovação dos serviços.

Palavras-chave:
Qualidade de serviço; tecnologias financeiras; banco digital

ABSTRACT

Banks are trying to meet the changing needs of customers by revising their services, because, with the emergence of financial technologies, the nature of banking services has changed. This paper aims to identify the foreground and background factors of the service quality of financial technologies in the banking industry, and model development. The method used in this study is a combination of qualitative and quantitative methods. Background factors were identified using the grounded theory method, which is a qualitative method, and the combined method was used to identify the foreground factors that lead to the developed model. According to the research results, the identified background factors are: digital transformations, rapid technological changes, competitive conditions of banks, reducing the time and place limitations of providing services, reducing costs, the emergence of Fintech companies and start-ups, increasing the speed of providing banking services, cultural structure, regulations governing the banking system and hacking/phishing bank accounts. Also, the results showed that the service quality of financial technologies in Iran's banking industry is a function of the foreground factors, including the comprehensiveness of services, services sustainability, security and reliability, personalization of services, ease of use of services and innovation of services.

Keywords:
Service Quality; Financial Technologies; Digital Banking

1. Introdução

O setor de serviços, também conhecido como o terceiro setor da economia, inclui atividades que produzem valor ao fornecer produtos invisíveis ou intangíveis. No mundo de hoje, o setor de serviços é o setor produtivo e líder de todos os países e, entre eles, o setor bancário ocupa um lugar especial devido à sua importante função como fornecedor da cadeia de financiamento de todos os setores. Como um dos tipos de instituições de serviços, os bancos são o pilar básico do pulso da sociedade, ou seja, da economia, e a maioria das pessoas lida com eles de alguma forma, direta ou indiretamente. Essa questão torna os serviços bancários e financeiros um dos pilares básicos da economia de todos os países.

Como obter a satisfação do cliente e fornecer serviços de qualidade é uma necessidade para alcançar a excelência de qualquer empresa no mundo atual, as organizações e instituições comerciais de todo o mundo estão tentando obter uma excelência única e superar seus concorrentes no campo da qualidade dos serviços. Com base nos resultados da pesquisa no campo da qualidade do serviço (Meesala & Paul, 2018; Hong et al., 2020; Dia & VanHoose, 2022; Agarwal & Dhingra, 2023; Hou et al., 2024; Elnagar, 2024), fornecer serviços de alta qualidade é a chave para criar e manter uma vantagem competitiva, o que, por sua vez, leva à satisfação do cliente e, por esse motivo, a qualidade do serviço é um dos tópicos de interesse na gestão de negócios, especialmente no setor bancário.

Os avanços tecnológicos, juntamente com a redução de algumas restrições no setor bancário, causaram a redução das barreiras para entrar nesse setor e a concorrência acirrada entre as organizações financeiras. Assim, a diferenciação e a vantagem competitiva só são possíveis com o fornecimento de experiências positivas ao cliente (Barari & Furrer, 2018).

Os bancos operam em um ambiente altamente competitivo e variável, o que exige uma mudança de atitude em relação à questão vital da satisfação do cliente e da melhoria do nível de qualidade do serviço (Arasli et al., 2005). De fato, o principal fator para criar uma vantagem competitiva em uma empresa em comparação com outros concorrentes é a qualidade e a facilidade de receber serviços.

Com a revolução da Internet e a transformação da telefonia móvel, bem como o surgimento de tecnologias financeiras e a exploração dessas tecnologias pelos bancos, observamos um rápido crescimento na prestação de serviços de maior qualidade e na criação de uma vantagem competitiva, tornando esse campo extremamente competitivo e sensível. Assim, os principais ativistas nesse campo tentam usar a tecnologia para fornecer serviços financeiros mais simples, rápidos e eficientes. Com a redução dos custos, essas tecnologias se tornaram uma alternativa aos serviços financeiros tradicionais. Melhorar a qualidade dos serviços financeiros usando a tecnologia da informação, de acordo com Haddad e Hornuf (2019) , é a base da exploração de serviços financeiros e, segundo eles, o crescimento contínuo do investimento em serviços financeiros possibilitou o desenvolvimento com base em inovações básicas em vários campos, como redes móveis, big data, gerenciamento de confiança, aplicativos móveis, computação em nuvem e técnicas de análise de dados.

Os problemas enfrentados pelos bancos e os desafios relacionados na área objeto da pesquisa podem ser vistos na Figura 1.

Figura 1.
Problemas enfrentados pelos bancos e desafios relacionados no campo da pesquisa

A tecnologia financeira ajuda os bancos a equilibrar sua estrutura de alocação de ativos, desempenhando um papel anticíclico na redução de riscos. Além disso, a Tecnologia Financeira pode melhorar a lucratividade e diminuir os riscos de alavancagem dos bancos de grande, médio porte e de capital aberto (Yu, 2024).

Portanto, prestar atenção à qualidade do serviço das tecnologias financeiras, especialmente no setor bancário do Irã, com todos os seus desafios, desempenha um papel fundamental para os participantes desse setor, o que não será possível sem um plano e a adoção de uma estrutura coerente com base em um modelo científico e confiável.

Dessa forma, o objetivo desta pesquisa é examinar e extrair os principais critérios e, com base neles, compilar um modelo de qualidade de serviço de tecnologias financeiras no setor bancário do Irã.

2. Fundamentos teóricos e revisão da literatura

Devido à função essencial dos serviços na economia dos países e ao fato de que esse setor representa uma parcela muito grande do produto nacional bruto, a concorrência para melhorar a qualidade dos serviços foi levantada como uma questão importante e fundamental para as organizações de serviços nos últimos anos. As organizações com níveis mais altos de qualidade de serviço obtêm níveis mais altos de satisfação do cliente para alcançar uma vantagem competitiva sustentável (Guo et al., 2008).

Com a mudança de paradigma do banco tradicional para o banco moderno baseado em novas tecnologias nos últimos anos, o cenário da concorrência entrou em um estágio novo e mais sensível, o que alimentou o aquecimento dessa intensa concorrência.

Por um lado, novas tecnologias são transferidas para esse setor de outras áreas de negócios e possibilitam novos aplicativos e serviços bancários (como serviços de identificação on-line ou serviços de cadeia de blocos) e, por outro lado, as transformações digitais mudam a maneira como os clientes pensam e agem (por exemplo, ponto de venda, privacidade de dados) e expandem a nova base de clientes (Drasch et al., 2018). Além disso, no setor bancário, a transformação digital é eficaz nas áreas de tecnologia da informação e suas estratégias e causa mudanças nos processos de negócios e até mesmo em todos os modelos de negócios (Benlian et al., 2014). Enquanto isso, ao aproveitar o setor de tecnologia, as novas tecnologias financeiras oferecem a possibilidade de aumentar a qualidade e fornecer serviços mais diversificados aos clientes. Inúmeras novas formas econômicas e tecnológicas surgiram no atual estágio de rápidos avanços socioeconômicos e tecnológicos. Isso é acompanhado pela tendência crescente de globalização econômica e pelo aprofundamento da economia digital. Consequentemente, várias ligações entre diferentes formas de ciência e tecnologia estão se tornando cada vez mais interligadas com o domínio econômico. Além disso, há uma notável convergência entre os recursos científicos, tecnológicos e financeiros, levando à interação mútua e à promoção colaborativa do desenvolvimento econômico global e da melhoria da sociedade (Zhao et al., 2024).

No restante do artigo, além de explicar a questão da qualidade do serviço e os modelos relacionados, são examinadas as tecnologias financeiras no setor bancário e a qualidade dessas tecnologias.

2.1 A qualidade dos serviços bancários

Um dos tópicos mais importantes da gestão de negócios é a qualidade do serviço, de modo que, para sobreviver no competitivo mundo dos negócios, as empresas atuais se concentram em manter e aprimorar a qualidade de seus serviços.

A definição de qualidade de serviço sempre foi controversa e, ao mesmo tempo, indiscutivelmente muito importante para as empresas. O fornecimento de serviços de alta qualidade resultará em maior satisfação do cliente, retenção de clientes, lucro, redução de custos e uma boa imagem da empresa (Jiang et al., 2000). Apesar de fornecer definições diferentes de qualidade, as definições fornecidas por Deming, Crosby, Feigenbaum, Ishikawa e Joran são mais profundas e definem o conceito de qualidade com dois níveis, incluindo: 1) conformidade com especificações e requisitos, e 2) satisfação do cliente.

Embora estudos anteriores (como Kasiri et al., 2017; Meesala & Paul, 2018; Brusch et al., 2019; Hong et al., 2020; Shah et al., 2020; Khan et al., 2024) tenham considerado, em sua maioria, que a relação entre a qualidade do serviço e outras dimensões (como a satisfação do cliente) é linear, de acordo com Mu-Chen et al. (2021) , uma dimensão específica da qualidade do serviço não aumenta necessariamente a satisfação do cliente. As cinco dimensões identificadas para a qualidade do serviço incluem confiabilidade, capacidade de resposta, garantia, empatia e tangíveis.

Vários modelos foram desenvolvidos para avaliar a qualidade do serviço por pesquisadores ao longo do tempo, incluindo o modelo técnico e funcional da qualidade do serviço (Gronroos, 1984), o modelo de análise de lacunas na qualidade do serviço ou SERVQUAL (Parasuraman et al., 1988), o modelo SERVPERF (Cronin & Taylor, 1992), o modelo de atributo de serviço P-C-P (Philip & Hazlett, 1997), e o modelo antecedente e mediador (Dabholkar, et al., 2000). Além do mais, Agarwal e Dhingra (2023) apresentaram o modelo de qualidade do serviço em nuvem, demonstrando que a qualidade do serviço em nuvem é influenciada por sete fatores: agilidade, garantia de serviço, confiabilidade, escalabilidade, segurança, capacidade de resposta do serviço e usabilidade. Esses sete fatores, por sua vez, causam a satisfação e a fidelidade do cliente (Figura 2).

Figure 2.
Modelo de qualidade de serviço em nuvem

Embora todos esses modelos tenham seus próprios pontos fortes e fracos, já que a maioria deles foi influenciada pelo Service Gap Model (Parasuraman et al.), todos eles se concentraram na medição, avaliação e gestão da qualidade do serviço. No entanto, nenhum apresenta uma abordagem clara e precisa para esse fim, deixando de abordar adequadamente a questão principal da qualidade do serviço e uma estrutura para alcançá-la.

2.2 Tecnologias Financeiras

Tecnologias financeiras têm sido o termo usado nas últimas duas décadas para descrever os desenvolvimentos tecnológicos e, com seu uso, é possível criar uma revolução no fornecimento de serviços financeiros, especialmente no campo da criação de novos modelos de negócios, aplicativos, processos e produtos.

O escopo das tecnologias financeiras é dividido em três dimensões principais sob o título de cubo financeiro digital desenvolvido por Gomber et al. (2017) . Essas três dimensões incluem tecnologias financeiras digitais e conceitos tecnológicos, instituições financeiras digitais e práticas comerciais financeiras digitais, conforme mostrado na Figura 3.

Figura 3.
Cubo financeiro digital e suas dimensões Fonte:Gomber et al., 2017

A tecnologia financeira está experimentando um rápido crescimento, e seu desenvolvimento é uma medida significativa para que os bancos comerciais aprofundem suas reformas. Especificamente, a tecnologia financeira pode aliviar a assimetria de informações (Yu, 2024), reduzir o custo dos fundos de dívida, aumentar a eficiência do processamento de recursos de crédito (Fuster et al., 2019), e otimizar o gerenciamento de pré-empréstimos (Danisewicz & Elard, 2023).

O início do século XXI foi marcado pelo surgimento de novas tecnologias financeiras, desde serviços bancários on-line e pagamentos móveis até a tecnologia de registro distribuído e empréstimos no mercado. Os avanços tecnológicos facilitam o controle das finanças, fornecem instrumentos de pagamento alternativos e aumentam o acesso ao financiamento (Danisewicz & Elard, 2023). Desde 2015, a questão do uso de tecnologias financeiras na prestação de serviços bancários tem sido seriamente levantada e também é considerada uma importante questão de pesquisa. Por exemplo, um estudo foi realizado no campo das revoluções do setor bancário por Tornjanski et al. (2015) que tinha como objetivo entender o importante desafio do setor bancário, ou seja, a disrupção digital, como um fenômeno que ocorre devido às rápidas mudanças das comunidades de negócios no mundo em direção à digitalização.

No setor bancário, a pesquisa sobre tecnologias financeiras geralmente se concentra na natureza e na necessidade de aplicar tecnologias financeiras, analisando modelos de negócios relevantes, financiamento, questões competitivas e startups. O desenvolvimento da tecnologia financeira é benéfico para a estabilidade financeira, especialmente quando as empresas de tecnologia financeira fazem parcerias com bancos pequenos ou bancos não listados (Yudaruddin et al., 2023).

Um estudo intitulado “A survey on Fintech” (Uma pesquisa sobre Fintechs), realizado por Gai, Qiu e Sun (2018), foi conduzido com o objetivo de examinar cinco tópicos técnicos em Fintechs, incluindo segurança e privacidade, técnicas orientadas por dados, desenvolvimento de instalações e equipamentos, aplicação e, por fim, estabelecimento de modelos de serviço.

Em uma pesquisa para investigar o ecossistema, os modelos de negócios, os investimentos e os desafios das fintechs realizada por Lee e Shin (2018) , os seguintes elementos foram apresentados como os principais participantes do ecossistema das fintechs:

• Empresas start-ups de fintech

• Desenvolvedores de tecnologia (por exemplo, análise de big data, computação em nuvem, criptografia e desenvolvedores de mídia social)

• Governo (por exemplo, reguladores financeiros e legisladores)

• Clientes financeiros (por exemplo, indivíduos e organizações)

• Instituições financeiras tradicionais (por exemplo, bancos tradicionais, seguradoras, sociedades anônimas e investidores)

O efeito das tecnologias financeiras na redução do risco de crédito dos bancos foi investigado no estudo de Cheng e Qu (2020) . Carlini et al. (2021) também estudaram o efeito do investimento dos bancos em tecnologias financeiras nos retornos das ações.

Alguns estudos importantes realizados sobre tecnologias financeiras no setor bancário, juntamente com as explicações e descobertas obtidas a partir deles, são apresentados na Tabela 1.

Tabela 1 -
Algumas pesquisas realizadas no campo de tecnologias financeiras no setor bancário

Resultados da pesquisa	Objetivo da pesquisa	Pesquisador(es)
A tecnologia financeira ajuda os bancos a equilibrar sua estrutura de alocação de ativos, desempenhando um papel anticíclico na redução de riscos. A tecnologia financeira pode melhorar a lucratividade e diminuir os riscos de alavancagem de bancos grandes, médios e de capital aberto.	O efeito da inovação das tecnologias financeiras na redução dos riscos comerciais dos bancos	Yu ( 2024 )
(1) O desenvolvimento da tecnologia financeira melhora o desempenho dos bancos regionais. (2) A tecnologia financeira e as variáveis de controle têm um efeito de transbordamento espacial sobre o desempenho dos bancos, de modo que seu desenvolvimento em uma região pode afetar as regiões vizinhas.	Estudar se a tecnologia financeira afeta o desempenho dos bancos	Zhao et al. ( 2024 )
A oferta de outros créditos ao consumidor por bancos e empresas financeiras permanece inalterada, e isso sugere que o aumento observado nas falências decorre principalmente da reversão do acesso ao crédito no mercado.	Os efeitos reais da tecnologia financeira: Empréstimos no mercado e falência pessoal	Danisewicz & Elard ( 2023 )
O efeito do investimento dos bancos em Fintechs nos mercados de ações foi confirmado e constatou-se que esse efeito é maior e mais forte em empresas novas e orientadas para a tecnologia.	Estudo do efeito do investimento dos bancos em tecnologias financeiras sobre os retornos das ações	Carlini et al. ( 2021 )
De acordo com os resultados, o desenvolvimento de tecnologia nos bancos estatais é mais rápido, o que reduz o risco de crédito dos bancos. Esse efeito é menor em bancos grandes e estatais do que em outros bancos.	Investigando o efeito das tecnologias financeiras na redução do risco de crédito dos bancos	Cheng & Qu ( 2020 )
Fortalecimento dos bancos comerciais e aumento de sua produtividade por meio do uso de tecnologias financeiras	O efeito das tecnologias financeiras na melhoria da produtividade dos bancos comerciais	Wang et al. ( 2020 )
Apresentação de seis modelos de negócios no campo da Fintech	Análise dos modelos de negócios das Fintechs	Schmidt et al. ( 2018 )
A aplicação de tecnologias financeiras nos bancos leva à vantagem competitiva e à melhoria dos processos e do desempenho.	O impacto das tecnologias financeiras na concessão de facilidades em nível micro	Leong et al. ( 2017 )
A fusão de Fintechs no negócio dos bancos cria uma vantagem competitiva para os bancos. As fusões têm o efeito de reduzir as ameaças aos bancos.	Análise das tendências recentes no setor bancário, identificando oportunidades e ameaças das tecnologias financeiras para os bancos	Romanova & Kudinska ( 2016 )
A constatação de que as tecnologias financeiras causaram interrupções e transformações na estrutura e nos limites do setor financeiro.	Avaliação do efeito das fintechs no setor financeiro	Philippon ( 2016 )
Fornecer sugestões para gerentes e formuladores de políticas desse setor na Romênia.	Estudo das características do setor de Fintech	Micu, I.& Micu, A ( 2016 )
Identificação de cinco elementos do ecossistema Fintech, a saber: 1) start-ups, 2) desenvolvedores de tecnologia, 3) governo, 4) clientes e 5) instituições financeiras tradicionais, como bancos: 1. Pagamento 2. Gerenciamento de patrimônio 3. Crowdfunding (financiamento coletivo) 4. Pagamento de empréstimos5. Serviços de seguro	Um estudo sobre o ecossistema Fintech	Lee ( 2016 )

• Fonte: Elaborado pelos autores

2.3 Quadro teórico

Conforme mencionado nas seções anteriores, foram estudadas as pesquisas realizadas nas áreas relacionadas a esta pesquisa, especialmente nas áreas de modelos de qualidade de serviço e tecnologias financeiras. De acordo com os resultados obtidos nas pesquisas anteriores e em uma nova iniciativa e usando o modelo de paradigma, classificamos os fatores que influenciam a qualidade dos serviços de tecnologia financeira no setor bancário em várias categorias, incluindo Condição causal, Condição contextual, Condição de intervenção. Nesta pesquisa, os fatores dessas três categorias foram chamados de “fatores de segundo plano”.

As condições causais incluem um conjunto de fatores que afetam a categoria central. As condições causais são eventos que criam e, até certo ponto, explicam as situações, os tópicos e as questões relacionadas ao fenômeno. Na verdade, as condições causais significam os eventos que afetam esse fenômeno e levam à sua ocorrência.

As condições contextuais são as condições sob as quais as estratégias e ações gerenciam o fenômeno e, por fim, as condições intervenientes são condições amplas e gerais, como cultura, espaço etc., que atuam como facilitadores ou limitadores das estratégias. Essas condições facilitam e aceleram a implementação de estratégias ou, como um obstáculo, as atrasam.

Além disso, na continuação desta pesquisa, foram extraídos critérios estratégicos para melhorar a qualidade dos serviços bancários que levarão a consequências. Nesta pesquisa, chamamos esses critérios estratégicos de “fatores de primeiro plano”.

De acordo com os casos mencionados, o modelo conceitual da pesquisa foi obtido conforme a Figura 4.

Figura 4.
Modelo conceitual de pesquisa

3. Método de pesquisa

Como uma das etapas mais importantes da realização de pesquisas, é muito importante que os pesquisadores escolham o método de pesquisa adequado para obter respostas precisas às perguntas da pesquisa. Além disso, para realizar qualquer pesquisa, é necessário passar por etapas diferentes e específicas. Toda pesquisa precisa considerar quatro elementos principais, incluindo estratégia de pesquisa, tipo de pesquisa, método de coleta de informações e método de análise de dados.

O planejamento da pesquisa no nível estratégico leva à formulação de estratégias de pesquisa que exigem classificação e tipologia com base em um critério correto. Dessa forma, foi usada uma estratégia de pesquisa de levantamento, que é uma combinação de métodos quantitativos e qualitativos. Ademais, a pesquisa atual é de desenvolvimento e aplicada, com base nos resultados, e explicativa-descritiva, com base no objetivo.Os dados usados são quantitativos-qualitativos (Método Misto), e a função do pesquisador nesta pesquisa é independente do processo de pesquisa.

Como uma combinação de métodos qualitativos e quantitativos, a pesquisa mista é usada pelo pesquisador ou pela equipe de pesquisa para entender um fenômeno de forma precisa e abrangente, e seu esforço é examinar vários pontos de vista, abordagens e posições. Especialmente quando o problema da pesquisa é ambíguo, esse método ajuda o pesquisador a se concentrar no problema principal da pesquisa (Schmidt et al., 2021).

No método de pesquisa mista, os pesquisadores podem usar estratégias quantitativas e qualitativas, o que aumenta a amplitude e a profundidade da pesquisa e desenvolve teorias complexas generalizáveis as quais podem incluir as complexidades humanas e as experiências individuais (Creswell & Clark, 2017). Além disso, com a sobreposição dos métodos, o pesquisador pode usar os pontos fortes de cada um para reduzir seus pontos fracos e explicar melhor fenômenos complexos.

A análise de dados qualitativos com base na abordagem da teoria fundamentada inclui quatro estágios principais de codificação aberta, codificação axial, codificação seletiva e organização de códigos. Nesta seção, são realizadas entrevistas semiestruturadas para coletar informações e analisá-las, usando o método de análise de conteúdo qualitativo.

Além do mais, foram usadas técnicas de estatística descritiva e inferencial para a análise de dados na parte quantitativa e após a coleta de dados. Nesta pesquisa, a revisão, a codificação, a entrada de dados e a formação do banco de dados foram realizadas após a coleta das entrevistas de resposta aberta e, após a confirmação do questionário principal, foram usados métodos de descrição estatística, incluindo tabelas de distribuição de frequência, figuras descritivas e índices central e de dispersão para descrever os dados. O software estatístico SPSS foi usado na etapa de análise descritiva dos dados. Além disso, o teste de análise fatorial confirmatória com o software AMOS foi usado na parte quantitativa para análise de dados na etapa de validação.

Todos os bancos do país constituem a unidade de pesquisa, incluindo bancos comerciais estatais (Melli, Sepeh, Postbank); bancos especializados estatais (Maskan, Keshavarzi, Sanat Madan Bank, Tose-e Saderat Bank, Tose'e Ta'avon Bank); Bancos privados (Mellat, Saderat, Tejarat, Refah, Parsian, Pasargad, Eghtsad Noven, Sarmayeh, Saman, Ayandeh, Iran Zamin, Karafarin, Khavar Mianeh, Day, Shahr), bem como empresas de fintech ativas no setor bancário, como Fanap, Easy Pay (AP), Zarin Pal, Jibit e Finodad.

Da mesma forma, os membros do conselho de administração e CEO, vice-presidentes e gerentes seniores de bancos e empresas de Fintech ativas no setor bancário do país constituem a população estatística da pesquisa (entrevistados).

Na parte qualitativa da pesquisa, para determinar o número de unidades de análise, foi usado o método de amostragem de julgamento não probabilístico para selecionar entre os membros do conselho de administração e os representantes relacionados ao assunto em cada banco e empresa de Fintech. Para a parte qualitativa, a amostragem foi continuada até a saturação teórica, e foi feita uma tentativa de usar todos os bancos da amostra.

Adicionalmente, devido ao uso de diferentes unidades relacionadas ao assunto nos bancos, foi usado um método aleatório estratificado para a amostragem na fase quantitativa da pesquisa, a fim de coletar as opiniões de especialistas e peritos de cada banco da melhor maneira possível. A média de 30 especialistas em relação aos assuntos investigados nesta pesquisa foi selecionada em cada banco. Consequentemente, os entrevistados desta pesquisa incluíam 950 pessoas. Uma amostra de 274 pessoas foi selecionada com base na fórmula de Cochran, com Z=1,96, P=0,5 e d=0,05, para distribuir os questionários de pesquisa entre elas.

$$\mathit{n}=\frac{\frac{{\mathit{Z}}^2\mathit{p}\mathit{q}}{{\mathit{d}}^2}}{1+\mathit{}\frac{1}{\mathit{N}}\left(\frac{{\mathit{Z}}^2\mathit{p}\mathit{q}}{{\mathit{d}}^2}-1\right)}$$

Nesta pesquisa, dois métodos comuns de entrevista e questionário foram usados com base nos objetivos e hipóteses da pesquisa. O questionário elaborado pelo pesquisador desta pesquisa inclui dois tipos de perguntas fechadas e abertas, que incluem os principais elementos da pesquisa e foram elaboradas com base na opinião dos especialistas.

3.1 Validação dos resultados da pesquisa

Na parte qualitativa, os critérios de confiabilidade e validade foram considerados e usados por meio do método de revisita (re-teste) para avaliar a validade e a confiabilidade da pesquisa.

Foi enfatizada a seleção da plataforma certa, alinhando os dados obtidos com os resultados da entrevista.A pesquisa realizada no campo das tecnologias financeiras no setor bancário também contou com a participação e a interação próximas e contínuas de especialistas em fintechs bancárias na interpretação de dados. Esses especialistas revisitaram as informações, especificaram as etapas e os processos da forma mais clara possível para facilitar sua revisão e compreensão por outras pessoas. Tudo isso foi realizado para garantir a validade e a confiabilidade da pesquisa tanto quanto possível.

Na parte quantitativa, a análise fatorial confirmatória foi usada para confirmar a validade da ferramenta, enquanto o reteste de todo o questionário foi utilisado para determinar sua confiabilidade, que foi obtida pelo coeficiente alfa de Cronbach de 0,795.

4. Resultado e discussão

Para identificar os componentes de qualidade, o conjunto de critérios foi extraído da literatura sobre o assunto, e as opiniões dos especialistas com relação à modificação ou complementação dos critérios foram obtidas e complementadas após entrevistas e explicações sobre a questão da qualidade das tecnologias financeiras no setor bancário. A seguir, um “questionário” foi elaborado com base na opinião dos especialistas para medir e determinar as dimensões dos componentes das tecnologias financeiras. Na parte quantitativa, a ferramenta de coleta de dados foi um questionário extraído da parte qualitativa da pesquisa. Após a realização e análise das entrevistas, foi elaborado um questionário com base em 73 perguntas em 6 critérios principais. Em seguida, o coeficiente alfa de Cronbach dos itens foi calculado para os índices desejados, o que indica o nível de significância dos itens.

O método de entrevistar especialistas foi usado na parte qualitativa da pesquisa. Os critérios mais importantes mencionados na entrevista incluem a forma de receber informações, o acesso aos serviços, a facilidade de receber serviços, o nível de confiança nos serviços bancários, o companheirismo do banco com os usuários e clientes, a segurança e o suporte de serviços, a forma de fornecer serviços de valor agregado, os custos e as opções de incentivo.

De acordo com os resultados da pesquisa, as transformações digitais, as rápidas mudanças tecnológicas, as condições competitivas dos bancos, a redução das limitações de tempo e local de prestação de serviços, a redução de custos, o surgimento de empresas e startups de Fintech, o aumento da velocidade de prestação de serviços bancários, a estrutura cultural, as regulamentações que regem o sistema bancário e o hacking/phishing de contas bancárias foram identificados como os fatores de fundo.

A seguir, para extrair os fatores em primeiro plano e desenvolver o modelo, os critérios mais importantes mencionados na entrevista incluem a forma de receber informações, o acesso aos serviços, a facilidade de receber os serviços, o nível de confiança nos serviços bancários, o companheirismo do banco com os usuários e clientes, a segurança e o suporte de serviços, a forma de fornecer serviços de valor agregado, os custos e as opções de incentivo.

O questionário foi elaborado e distribuído ao público com base nos resultados das entrevistas. Em seguida, os dados coletados foram analisados usando o software SPSS, considerando tanto as estatísticas descritivas quanto as inferenciais. Na parte quantitativa e no estágio de validação, foi implementado o teste de análise fatorial confirmatória com o software AMOS.

Na parte qualitativa, o texto da entrevista foi inicialmente segmentado em elementos com mensagens de códigos de extração abertos, e as informações foram classificadas na forma de categorias conceituais.

No estágio seguinte, ou seja, na codificação axial, as principais categorias foram determinadas.No estágio de codificação seletiva, as relações entre as categorias foram determinadas, e o modelo teórico foi extraído com base nos dados. Nessa etapa, 244 conceitos foram extraídos em codificação aberta com base em entrevistas e análise de conteúdo teórico. Posteriormente, 73 conceitos foram identificados em codificação seletiva, e essas categorias foram classificadas em seis critérios gerais. Para atingir a saturação teórica das categorias principais, subcategorias e suas dimensões, a análise dos dados foi feita repetidamente e com grande precisão, por várias vezes.

Depois de validar os resultados da etapa qualitativa, o questionário, compilado com base nos critérios de qualidade das tecnologias financeiras no setor bancário, foi aprovado por cinco especialistas em gestão e dez pessoas dos participantes da pesquisa.Em seguida, os questionários foram disponibilizados para 274 pessoas, incluindo gerentes, especialistas e funcionários do setor bancário.

Na parte quantitativa, 274 pessoas responderam ao questionário, das quais 62,1 % eram homens, e 37,9 % eram mulheres. Dessa população, 21,1 % tinham menos de 10 anos de experiência de trabalho, 7,4 % tinham de 10 a 20 anos de experiência, e 51,5 % tinham mais de 20 anos de experiência. Com relação ao nível de escolaridade, 10,2 % dos respondentes do questionário possuíam doutorado, 56,9 % tinham mestrado, 29,2 % possuíam bacharelado, e 3,7 % têm tinham graus de instrução.

Nesta seção, o teste t univariado e a técnica de equação estrutural foram implementados para investigar as hipóteses de pesquisa principal e secundária.

4.1 Critérios finais

O status das variáveis do modelo e o nível de concordância dos entrevistados com elas foram investigados inferencialmente usando o teste t. Para cada um dos critérios, os itens propostos mais importantes são os seguintes:

Abrangência dos serviços: 1) fornecer serviços diferentes e diversificados com base em tecnologias financeiras; 2) fornecer serviços de pagamento diferentes em métodos diferentes, como pagamentos digitais, dinheiro eletrônico e outros pagamentos remotos; 3) fornecer todos os serviços presenciais no banco por meio de ferramentas Fintech; 4) extensão dos serviços prestados; 5) prestação de serviços especiais adaptados a diferentes setores da sociedade; 6) prestação de serviços a uma comunidade-alvo diversificada, incluindo diferentes empregos e grupos; 7) fornecimento de instruções e serviços no idioma local de cada região; 8) fornecimento de serviços e instruções para pessoas com deficiência, por exemplo, para surdos etc.

Sustentabilidade dos serviços: 1) recebimento de serviços contínuos e on-line; 2) prestação de serviços 24 horas por dia, 7 dias por semana; 3) acesso a serviços bancários a qualquer momento; 4) acesso à conta do usuário mesmo com internet ruim; 5) uso de vários meios para notificar o cliente sobre a falha ou a interrupção do serviço antes que ela ocorra; 6) não cortar todos os métodos e ferramentas de tecnologias financeiras ao mesmo tempo; 7) compensação por danos em caso de erros e interrupções que excedam os limites acordados.

Segurança e confiabilidade: 1) preservação das informações e da confidencialidade do usuário; 2) prevenção de acesso não autorizado; 3) gerenciamento de transações incomuns; 4) fornecimento de considerações de privacidade para os clientes; 5) autenticação integrada em todos os métodos e ferramentas de tecnologias financeiras; 6) autenticação biométrica por meio de telefones celulares e outros equipamentos, como quiosques; 7) existência de indicadores de segurança; 8) logout das contas dos usuários quando a Internet estiver fora do ar ou as sessões forem estendidas; 9) utilização de perguntas de segurança dinâmicas; 10) conta de usuário ativa durante a execução da transação; 11) recuperação de senhas; 12) descoberta e investigação de comportamentos destrutivos; 13) autenticação usando diferentes métodos, como impressões digitais, olhos etc.; 14) determinação do nível de acesso para finanças jurídicas (corporativas, organizacionais e comerciais); 15) suporte para erros no processamento de transações.

Personalização de serviços: 1) fornecimento de informações abrangentes no painel personalizado do cliente; 2) fornecimento de informações relacionadas ao cliente; 3) fornecimento de informações sobre o poder de compra do cliente após cada transação; 4) fornecimento de informações atualizadas ao cliente; 5) lembretes para obter autorizações relacionadas a cartões de débito ou crédito ou empréstimos; 6) interação por meio de bots de bate-papo; 7) fornecer a capacidade de tarefas iterativas; fornecer uma linha do tempo para gerenciar as ações normalmente realizadas em momentos específicos; 8) a possibilidade de definir e fornecer serviços de pessoa para pessoa (P2P), como empréstimos, serviços de pagamento etc.; 9) aconselhar os clientes sobre diferentes investimentos e tipos de poupança por meio de inteligência artificial e software analítico;

Facilidade de uso dos serviços: 1) transparência das instruções de trabalho e redução da burocracia na prestação de serviços; 2) facilidade de acesso às centrais de atendimento 24 horas por dia, 7 dias por semana; 3) uso de diferentes métodos para facilitar o acesso aos serviços bancários; 4) fornecimento de acesso 24 horas por dia, 7 dias por semana, aos serviços bancários e a todos os produtos; 5) facilidade de pesquisar os serviços necessários usando palavras-chave; 6) facilidade de avaliar as diferentes opções de serviços bancários oferecidas ao cliente; 7) facilidade de fornecer ao cliente informações compreensíveis com diferentes ferramentas; 8) uso de ícones e símbolos diferentes para cada tipo de transação; 9) resposta rápida aos serviços esperados pelo cliente; 10) facilidade de uso e interação com carteiras eletrônicas de outros bancos; 11) facilidade de acesso e atendimento a várias ferramentas, como ATM, POS, web, celular, SMS, aplicativos, telefone IVR, quiosque e e-mail e criação de link direto entre diferentes métodos; 12) login rápido na conta do usuário; 13) preenchimento automático de algumas informações; 14) fornecimento de formulários totalmente eletrônicos usando assinatura digital; 15) redução do tempo de espera para o cliente receber serviços bancários; 16) redução e esclarecimento das etapas necessárias para realizar uma transação; 17) facilitação da prestação de serviços usando realidade virtual e interações em redes sociais;

Inovação de serviços: 1) uso de redes sociais para fornecer serviços e interações bancárias; 2) classificação automática de clientes (com base na classificação de crédito) para concessão de empréstimos; 3) fornecimento de serviços integrados em todos os canais (Omni-channel); 4) fornecimento de serviços bancários abertos (API aberta) para várias empresas e startups; 5) fornecer serviços de validação do cliente automaticamente usando big data e inteligência artificial; 6) usar big data e inteligência artificial para aprendizado automático e melhoria contínua no fornecimento de serviços diferenciados; 7) utilização e prestação de serviços em dispositivos vestíveis, como relógios Apple e quaisquer outras ferramentas; 8) prestação de serviços a usuários de equipamentos de IOT e troca de informações com esses equipamentos; 9) utilização de big data e inteligência artificial para fornecer um modelo de negócios preditivo e personalizado para cada cliente; 10) prestação de serviços de agências virtuais para estabelecer interações; 11) fornecer o uso e a interação da tecnologia de cadeia de blocos e fornecer serviços para empresas relevantes; 12) fornecer troca com moedas digitais nacionais e estrangeiras (capacidade de troca); 13) a possibilidade de usar criptomoedas; 14) fornecer aos clientes a possibilidade de investir em projetos de financiamento; 15) fornecer serviços on-line, como abrir uma conta on-line, economizar etc; 16) fornecer serviços usando tecnologia robótica, como um robô falante, por meio de todos os métodos e ferramentas financeiras; 17) usar tecnologia de big data e inteligência artificial para criar a possibilidade de análise do comportamento do cliente.

4.2 Interpretação dos resultados

A principal questão da pesquisa é: com a mudança de paradigma do sistema bancário tradicional para o digital e com base em tecnologias financeiras, quais são os fatores que moldam a qualidade dos serviços de tecnologia financeira no setor bancário? As perguntas da pesquisa exigem a normalidade da função de distribuição de dados usando a técnica de equações de teste estatístico. Portanto, os estudos sobre a distribuição de todas as variáveis mostraram que as variáveis estudadas são normais porque a assimetria e a tensão em todas as variáveis estão entre ±1.

Como a suposição de normalidade dos dados foi estabelecida, foram usados os testes paramétricos do teste t de amostra única. Para isso, de acordo com o intervalo dos questionários distribuídos, o limite médio de cada um dos componentes foi considerado como padrão 3. Nesse teste, foi comparada a média prática e a média teórica. A média teórica significa a média dos códigos atribuídos às opções de cada pergunta, que é igual a 3, e se o número do teste t for maior que 1,96 e o nível de significância for menor que 0,05, e a média de observação (a média da amostra estudada para cada variável) for significativamente maior que a média teórica.

Tabela 2
Resultados do teste t de uma amostra para determinar o grau de ajuste do modelo proposto

Teste de uma amostra
			Valor do teste = 3
	t	gl	Sig. (bicaudal)	Diferença Média	Intervalo de confiança de 95 % da diferença
					Inferior	Superior
Abrangência	20/701	273	0/000	1/03285	0/9346	1/1311
Sustentabilidade	29/819	273	0/000	1/43796	1/3430	1/5329
Personalização	7/405	273	0/000	0/39416	0/2894	0/4990
Segurança	7/922	273	0/000	0/50000	0/3757	0/6243
Facilidade	24/823	273	0/000	1/21168	1/1156	1/3078
Inovação	11/517	273	0/000	0/74453	0/6173	0/8718

• Fonte: Elaborado pelos autores

Os resultados relatados na Tabela 2 mostram que, de acordo com as visões e opiniões dos entrevistados, o valor do teste t e o valor P resultante são significativos porque, em todas as variáveis, o valor P é menor do que o nível de significância do teste ou o valor P é <0,05 e o valor de t é maior do que o valor crítico da tabela (1,96). O nível de significância de todas as perguntas é menor que 0,1, e o índice crítico (C.R) é maior que 1,96. Como resultado, o modelo de pesquisa é aprovado com os indicadores de “extensão e abrangência dos serviços, personalização dos serviços, estabilidade dos serviços, segurança, facilidade de uso dos serviços e inovação dos serviços” sem remover os itens.

A Figura 5 mostra o modelo final extraído dos resultados da pesquisa.

Figura 5.
Modelo principal de pesquisa

Após as investigações e modificações do modelo de análise fatorial confirmatória com saída padrão e remoção de cargas fatoriais menores que 0,3 entre itens e dimensões, o modelo final foi confirmado na Figura 6.

Figura 6.
Estimativa do modelo principal de pesquisa com coeficientes padrão

Além disso, a Tabela 3 mostra que o modelo de análise fatorial confirmatória ajustado à escala com o índice da razão do qui-quadrado para o grau de liberdade tem um valor de 2,713 no nível ideal e é menor que 4, sendo adequado para a validade do modelo. Além disso, o valor da estimativa do erro quadrático médio (RMSEA) é 0,079 e quase inferior ao nível desejado de 0,08, o que indica um erro razoável na sociedade.

Da mesma forma, os valores dos índices de adequação de ajuste (GFI) com valor de 0,886, adequação de ajuste ajustada (AGFI) com valor de 0,818, adequação comparativa (CFI) com valor de 0,832 e adequação de ajuste suavizada (NFI) com valor de 0,824 estão no nível desejado e são considerados valores adequados. Portanto, o modelo de análise fatorial confirmatória ajustado pelos dados da pesquisa apoia as teorias em um nível adequado e é considerado um modelo adequado para explicar as dimensões. Portanto, todos os itens usados na pesquisa tinham o poder explicativo desejado para as dimensões do modelo e, de acordo com as características de adequação e os coeficientes alfa de Cronbach relatados, a ferramenta de coleta de dados tem as características técnicas (confiabilidade e credibilidade) em um nível muito bom.

Tabela 3
Uma seleção de indicadores importantes de ajuste do modelo

Indicador	X2	df	X2/df	RMSEA	GFI	AGFI	CFI	NFI
Tamanho	4781/282	1763	2.713	0/079	0/886	0/818	0/832	0.824
Nível	-------	-------	<4	<0.08	>0.80	>0.80	>0.80	>0.80
Resultado	Confirmar	Confirmar	Confirmar	Confirmar	Confirmar	Confirmar

• Fonte: Elaborado pelos autores

Os resultados mostraram que o modelo principal da pesquisa foi confirmado com os indicadores de extensão e abrangência dos serviços, estabilidade dos serviços, segurança e garantia, personalização dos serviços, facilidade de uso dos serviços e inovação dos serviços sem excluir os itens. De acordo com os resultados, todas as médias dos seis principais indicadores explicados são maiores do que a média hipotética da sociedade e, com base na estatística t calculada com 273 graus de liberdade, a diferença entre as duas médias é significativa no nível de 0,01 e com o nível de confiança de 0,99.

5. Conclusão

Com base nos resultados obtidos com o método da teoria fundamentada, que é um método qualitativo, foram identificados diversos fatores que influenciam o setor bancário digital. As transformações digitais, as rápidas mudanças tecnológicas, e as condições competitivas dos bancos (como condições causais), juntamente com a redução das limitações de tempo e local de prestação de serviços, a redução de custos o surgimento de empresas e startups de fintech, o aumento da velocidade de prestação de serviços bancários (como condições contextuais) foram destacados como contribuintes para essas mudanças. Além disso, a estrutura cultural, as regulamentações que regem o sistema bancário e o hacking/phishing de contas bancárias (como condições intervenientes) foram identificados como fatores de fundo.

Ademais, os resultados mostraram que a qualidade do serviço das tecnologias financeiras no setor bancário do Irã é uma função dos fatores em primeiro plano, incluindo a abrangência dos serviços, a sustentabilidade dos serviços, a segurança e a confiabilidade, a personalização dos serviços, a facilidade de uso dos serviços e a inovação dos serviços.

Os resultados obtidos com a análise do índice de “abrangência dos serviços” indicam que a prestação de diversos serviços com base em tecnologias financeiras, de modo a cobrir a maioria dos serviços bancários e as necessidades de diferentes segmentos da sociedade, garante a qualidade dos serviços de tecnologias financeiras bancárias. Além disso, aumentará a satisfação do cliente, reduzirá significativamente as visitas às agências e, como resultado, reduzirá os custos tanto para os clientes quanto para os bancos.

Os resultados obtidos com o índice de “sustentabilidade do serviço” indicam que, em um período de constantes mudanças significativas no setor bancário, é necessário acessar os serviços de forma contínua e on-line a qualquer hora e lugar. No entanto, é necessário garantir que, mesmo em condições de internet fraca, mecanismos sejam estabelecidos para notificar os clientes sobre qualquer falha ou interrupção nos serviços antes que ocorra.

De acordo com os resultados obtidos no índice de “segurança e confiabilidade”, pode-se observar que o fator mais importante nesse índice é a preservação e a confidencialidade das informações dos usuários. Essa questão se tornou mais importante, especialmente nos últimos anos, com o surgimento de ataques cibernéticos e phishing de informações. Além do mais, a manutenção da privacidade e a criação de diferentes métodos de verificação de identidade integrada e a existência de indicadores de segurança são outros fatores desse índice.

When the demands and requirements of the customers in all contact points of the bank, such as physical and electronic tools and personalization of the user interface, are in accordance with the preferences of the customers, it can be said that the “personalization of services” has been provided for the customers.

The ease of providing understandable information to the customer with different tools, the clarity of work instructions in providing services, the use of different icons and symbols for each type of transaction and quick response to customers are among the "ease of use of services".

If financial technologies want to be dynamic and succeed in competing with others, they must always keep their infrastructure and services up to date. Therefore, in this field, they can always "innovate in their services" by providing open banking services, providing virtual branch services, the possibility of providing banking services and interactions in social networks.

In the statistical community, which consisted of 274 specialists, managers and experts in the banking field, the role of extensiveness and comprehensiveness of services with a coefficient of 0.69, stability of services with a coefficient of 0.68, security and assurance with a coefficient of 0.91, personalization of services with a coefficient of 0.86, ease of use of services with a coefficient of 0.90, and service innovation with a coefficient of 0.78 were estimated.

Nos coeficientes padrão obtidos, a segurança e a confiabilidade e a facilidade de uso dos serviços tiveram a maior quantidade e o maior impacto. Isso significa que a atenção e o foco nesses fatores podem ter um efeito maior no aprimoramento da qualidade dos serviços de tecnologia financeira no setor bancário.

Sugere-se que os bancos priorizem os indicadores e as dimensões do modelo para sua implementação. É óbvio que a alocação de tempo e orçamento proporcional à importância das dimensões aumentará o sucesso.

Além disso, sugere-se para pesquisas futuras que, ao avaliar os resultados do modelo obtido em diferentes regiões, as consequências do uso de critérios estratégicos sejam extraídas e estudadas.

Referências bibliográficas

• Agarwal, R., & Dhingra, S. (2023). Factors influencing cloud service quality and their relationship with customer satisfaction and loyalty. Heliyon, 9(4), e15177.
• Arasli, H., Mehtap-Smadi, S., & Turan Katircioglu, S. (2005). Customer Service Quality in the Greek Cypriot Banking Industry. Managing Service Quality, 15(1), 41-56.
• Barari, M., & Furrer, O. (2018). The customer experience ecosystem in two cultural contexts. Journal of Financial Services Marketing, 23(3-4), 234-243.
• Benlian, A., Hess, T., & Leimeister, J. M. (2014). Business Models. Business & Information Systems Engineering, 6(1), 45-53.
• Brusch, I., Schwarz, B., & Schmitt, R. (2019). David versus goliath-service quality factors for niche providers in online retailing. Journal of Retailing and Consumer Services, 50, 266-276.
• Carlini, F., Del Gaudio, B. L., Porzio, C., & Previtali, D. (2021). Banks, FinTech and stock returns. Finance Research Letters, 45(5), 102252.
• Cheng, M., & Qu, Y. (2020). Does bank FinTech reduce credit risk? Evidence from China. Pacific-Basin Finance Journal, 63, 101398.
• Creswell, J. W., & Plano Clark, V. L. (2017). Designing and Conducting Mixed Methods Research (3rd ed.). Sage Publications.
• Cronin J. Jr., & Taylor S. A. (1992). Measuring Service Quality: A Reexamination and Extension. Journal of Marketing, 56(3), 55-68.
• Dabholkar, P. A., Shepherd, C. D., & Thorpe, D. I. (2000). A comprehensive framework for service quality: An investigation of critical conceptual and measurement issues through a longitudinal study. Journal of Retailing, 71(2), 139-173.
• Danisewicz, P., & Elard, I. (2023). The real effects of financial technology: Marketplace lending and personal bankruptcy. Journal of Banking & Finance, 155, 106986.
• Dia, E., & VanHoose, D. (2022). Differentiated attributes and service-quality competition as sources of portfolio interdependence and diverging scales in banking. Economics Letters, 219, 110823.
• Drasch, B. J., Schweizer, A., & Urbach, N. (2018). Integrating the ‘Troublemakers’: A Taxonomy for Cooperation between Banks and Fintechs. Journal of Economics and Business, 100, 26-42.
• Elnagar, S. (2024). Using deep learning to enhance electronic service quality: Application to real estate websites. Intelligent Systems with Applications, 21(2024), 200330.
• Fuster, A., Plosser, M., Schnabl, P., & Vickery, J. (2019). The role of technology in mortgage lending. The Review of Financial Studies, 32(5), 1584-1899.
• Gai k., Qiu M., & Sun X. (2018). A survey on FinTech. Journal of Network and Computer Applications, 103, 262-273.
• Gomber, P., Koch, J. A., & Siering, M. (2017). Digital Finance and FinTech: current research and future research directions. Journal of Business Economics, 87, 537-580.
• Gronroos, C. (1984). A service quality model and its marketing implications. European Journal of Marketing , 18(44), 36-44.
• Guo, X., Duff, A., & Hair, M. (2008). Service Quality Measurement in the Chinese Corporate Banking Market. International Journal of Bank Marketing, 26(5), 305-327.
• Haddad, C., & Hornuf, L. (2019). The emergence of the global fintech market: Economic and technological determinants. Small Business Economics, 51(1), 81-105.
• Hong, S. J., Choi, D., & Chae, J. (2020). Exploring different airport users’ service quality satisfaction between service providers and air travelers. Journal of Retailing and Consumer Services , 52, 101917.
• Hou, J., Liu, W., Cao, Y., Wang, S., & Tang, O. (2024). Evaluating service quality of express logistics service based on online reviews using LDA-LSTM. Journal of Management Science and Engineering, 9(3), 308-327.
• Jiang J. J., Klein G., & Crampton S. M. (2000). A note on SERVQUAL reliability and validity in information system service quality measurement. Decision Sciences, 31, 725-774.
• Kasiri, L. A., Cheng, K. T. G., Sambasivan, M., & Sidin, S. M. (2017). Integration of standardization and customization: Impact on service quality, customer satisfaction, and loyalty. Journal of Retailing and Consumer Services , 35, 91-97.
• Khan, M. R., Pervin, M. T., Arif, Z. U., & Hossain, S. M. K. (2024). The impact of technology service quality on Bangladeshi banking consumers' satisfaction during the pandemic situation: Green development and innovation perspective in banking service. Innovation and Green Development, 3(2), 100120.
• Lee, I. (2016). Fintech: Ecosystem and Business Models. Advanced Science and Technology Letters, 142, 57-62.
• Lee I., & Shin Y. J. (2018). Fintech: Ecosystem, business models, investment decisions, and challenges. Business Horizons, 61(1), 35-46.
• Leong, C., Tan, B., Xiao, X., Tan, F. T. C., & Sun, Y. (2017). Nurturing a FinTech ecosystem: The case of a youth microloan startup in China. International Journal of Information Management, 37(2), 92-97.
• Meesala, A., & Paul, J. (2018). Service quality, consumer satisfaction and loyalty in hospitals: Thinking for the future. Journal of Retailing and Consumer Services , 40, 261-269.
• Micu, I., & Micu, A. (2016). Financial Technology (Fintech) and Its Implementation On the Romanian Non-Banking Capital Market. SEA-Practical Application of Science, 11, 379-384.
• Mu-Chen, C., Chia-Lin, H., & Chun-Han, H. (2021). Applying the Kano model to investigate the quality of transportation services at mega events. Journal of Retailing and Consumer Services , 60, 102442.
• Parasuraman, A., Zeithaml, V. A., & Berry, L. L. (1988). SERVQUAL: A multi-item scale for measuring consumer perceptions of service quality. Journal of Retailing , 64(1), 12-40.
• Philip, G., & Hazlett, S. A. (1997). The measurement of service quality: A new P-C-P attributes model. International Journal of Quality & Reliability Management, 14(3), 260-286.
• Philippon, T. (2016). The FinTech opportunity, NBER working paper 22476. National Bureau of Economic Research.
• Romanova, I., & Kudinska, M. (2016). Banking and Fintech: A Challenge or Opportunity? In Contemporary Studies in Economic and Financial Analysis (pp. 21-35). Emerald Publishing Ltd.
• Schmidt, R., Bell, R., & Warren, V. (2021). Keeping the wheels of the automotive industry turning: The use of tacit knowledge by product development workers in a multinational automotive manufacturer. Journal of Intellectual Capital, 22(6), 1106-1125.
• Shah, F. T., Syed, Z., Imam, A., & Raza, A. (2020). The impact of airline service quality on passengers’ behavioral intentions using passenger satisfaction as a mediator. Journal of Air Transport Management, 85, 101815.
• Tornjanski, V., Marinković, S., Săvoiu, G., & Čudanov, M. (2015). A Need for Research Focus Shift: Banking Industry in the Age of Digital Disruption. Econophysics, Sociophysics & Other Multidisciplinary Sciences Journal, 5(3), 11-15.
• Wang, Y., Sui, X., Zhang, Q. (2021). Can fintech improve the efficiency of commercial banks? -An analysis based on big data, Research in International Business and Finance, Vol 55, 101338.
• Yu, J. (2024). Stabilizing leverage, financial technology innovation, and commercial bank risks: Evidence from China. Economic Modelling, 131, 106599.
• Yudaruddin, R., Soedarmono, W., Nugroho, B. A., Fitrian, Z., Mardiany, M., Purnomo, A. H., Santi, E. N., (2023). Financial technology and bank stability in an emerging market economy. Heliyon , 9(5), e16183.
• Zhao, J., Ibrahim, H., Wang, C., Yuan, R., (2024). Investigating the Temporal and Spatial Evolution of Bank Performance and Its Impact Pathways in the Context of Financial Technology Development. Heliyon , e30585.

• DISPONIBILIDADE DE DADOS
  Todo o conjunto de dados que dá suporte aos resultados deste estudo foi publicado no próprio artigo.

Editado por

• EDITOR CHEFE
  Márcia D’Angelo

• EDITOR ASSOCIADO
  Emerson Mainardes

Disponibilidade de dados

Todo o conjunto de dados que dá suporte aos resultados deste estudo foi publicado no próprio artigo.

Datas de Publicação

• Publicação nesta coleção
  03 Ago 2026
• Data do Fascículo
  2026

Histórico

• Recebido
  02 Abr 2024
• Revisado
  05 Jun 2024
• Aceito
  14 Jun 2024