Une meilleure gestion des données peut-elle permettre aux banques de gagner du terrain face à leurs concurrents plus agiles ?

Qu'il s'agisse de migration vers le cloud, ou la création d'un Data Hub… l'ensemble de ces projets nécessite en amont une transformation, une préparation et une mise en qualité des données.

Le secteur de la banque est constamment confronté à de nouveaux enjeux. Au-delà de la concurrence féroce qui règne entre les banques traditionnelles, les banques en ligne et les néobanques depuis bientôt dix ans, ce secteur doit également faire face aux nouvelles offres techniques (cryptomonnaies, tokenisation des investissements, …) des fintechs, aux nouvelles réglementations et mesures de cybersécurité, aux attentes toujours plus poussées des clients et, enfin, à la gestion des risques.

Afin d’y répondre, les banques sont dans l’obligation de transformer et restructurer en profondeur l’architecture du système d’information, tant d'un point de vue technique que fonctionnel, en exploitant notamment de manière plus intelligente et structurée les gisements de données à disposition. Selon les prévisions 2023 de Forrester, les banques qui ne s’attaquent pas à leurs dettes techniques ne seront pas en mesure de concurrencer les néo-banques à un niveau égal, d’autant qu’elles sont nombreuses à donner la priorité aux réductions de coûts (73 %).

Rendre la banque plus agile dès la phase d’intégration

Pour les banques, l’exploitation des données représente un enjeu important dans leur course à la modernisation et à l’agilité. Qu’il s’agisse d’un besoin en BI, de migration vers le cloud, de l’alimentation des bases de données ou la création d’un Data Hub… l’ensemble de ces projets nécessite en amont une transformation, une préparation et une mise en qualité des données. L’intégration des données joue donc un rôle central dans ce dispositif.

Si cette intégration peut se faire de plusieurs manières, seul le choix d’une approche ELT permet de briser les barrières et d’ouvrir le champ des possibles, puisqu’elle réduit l’usage de ressources intermédiaires et exploite les fonctionnalités des environnements existants. Cette approche est particulièrement intéressante pour les banques disposant d’environnements Big Data, car, grâce à l’ELT, elles peuvent optimiser leur infrastructure et tirer parti de la puissance du cloud. En outre, d’autres fonctionnalités propres à l’ELT favorisent les projets Big Data, l’intégration avec les architectures modernes, tout en faisant gagner du temps aux développeurs data. L’ensemble de ces bénéfices accélèrent la mise à disposition de nouveaux services numériques aux clients.

S’il y aura toujours un besoin de préparation et de transformation en amont, ces étapes seront amplement simplifiées et bien plus aisées pour les utilisateurs. Si l’ELT est généralement réservé aux experts techniques, les métiers peuvent aussi être concernés. Avec cette rapide montée en compétence, la banque sera en mesure de transformer rapidement les flux à chaque fois que les projets data l'exigent. Cela s'inscrit notamment dans la stratégie de nombreux groupes bancaires français qui ont pour objectif de standardiser les transformations, de réduire les risques et d'augmenter l'efficacité opérationnelle des équipes IT et métiers.

La disparition des silos au sein d’une banque permettra alors plus de partage d’informations entre les métiers. En effet, les banques cherchent actuellement à exploiter davantage toutes les transversalités existant au sein d’un même groupe bancaire. En centralisant les données, chaque métier de la banque dispose d’une source unique de vérité, réduisant ainsi les incohérences et les inexactitudes qui découlent, par exemple, de formats de données incompatibles, et créant davantage de valeur en temps réel. Néanmoins, il est primordial de bien maîtriser les accès aux données et les usages qui en sont faits.

Vers plus de transversalités grâce au Master Data Management

Si l’intégration des données représente un travail clé dans leur exploitation, les banques peuvent aller plus loin avec le Master Data Management et la mise en œuvre de référentiels métiers, qui vont considérablement les aider pour mener à bien leurs activités quotidiennes. S’adressant davantage aux utilisateurs métiers, ces outils favorisent la création de la valeur à partir de données qui étaient jusqu’alors peu ou mal exploitées.

Ces référentiels sont en mesure de répondre, par exemple, à des régulations spécifiques et importantes, mises en place par la Banque Centrale Européenne ou encore la Banque de France. Concrètement, grâce à un référentiel, les données relatives à la réglementation en question sont collectées et viennent enrichir une base de données, qui est ensuite mise à disposition de la banque et des autorités de régulations.

Prenons l’exemple de la lutte contre la fraude, qui est une activité clé, hautement régulée, pour tout établissement bancaire. La mise en œuvre d’un référentiel contenant les données des clients peut faire toute la différence. En effet, un client est souvent connu par de multiples systèmes au sein d’une même banque, selon les offres auxquelles il a souscrit (comptes, placements, assurances, crédits etc.). Il arrive généralement que la banque collecte des données identiques sur ce client, qui sont stockées à divers endroits du système informatique. Cette multiplication peut également être amplifiée par les canaux de distributions (direct, partenariat, revendeur, marque blanche, distributeur, ...) qui ont tendance à externaliser la collecte des données clients dans d'autres systèmes d'informations n’appartenant pas à la banque. Dans ce contexte, la consolidation de l'ensemble des données des clients est vital, notamment pour faciliter le travail des métiers autour de la conformité réglementaire (RGPD, LAB, LAF, ...). Un référentiel client unique a alors pour rôle de centraliser et de tracer l'ensemble de ces données et les endroits où ils sont connus dans le système d'information.

Enfin, les référentiels peuvent également se révéler être des outils précieux pour améliorer la connaissance client. Celle-ci sera alors plus approfondie et permettra aux banques d’anticiper le comportement des clients et même d’estimer la notion de risque, qui est au cœur de l’activité bancaire, par exemple, avec un référentiel regroupant les données liées aux titres et aux tiers. Les évènements de vie (mariage, séparation, achat immobilier, naissance, …) qui rythment la vie des clients ont un impact significatif sur leur gestion financière. Une exploitation intelligente des données liées à ces évènements sont autant d'opportunités business pour la banque, alors que les clients sont à la recherche d’un accompagnement sur-mesure.

En définitive, les banques ont beaucoup à gagner d’une meilleure gestion de leurs données - leur bonne exploitation pourrait même leur faire gagner des parts de marché face aux banques en ligne, néo banques et fintech. Néanmoins, sans mise en place d’une culture de la donnée en leur sein, ces efforts seront vite freinés. Il existe un réel besoin d’acculturer l’ensemble des utilisateurs métiers à la compréhension et l’utilisation des données.