Susan Feinberg, Directrice Développement des solutions de services financiers, Axway
Cependant, aujourd'hui, ce terme aborde essentiellement les Big Data en général et non les Big Data réellement stratégiques pour l'entreprise. Pourtant un récent article sur Forbes.com constate que les Big Data sont principalement « des données dupliquées ou synthétisées », c'est-à-dire des données non décisionnelles ou critiques pour la plupart des activités de l'entreprise.
Prenons l'exemple du secteur des services financiers qui fut l'un des premiers à exploiter d'importants volumes de données et à mener ce type de projets bien avant la mise en lumière du concept. Ces projets de Big Data comprenaient la segmentation, les offres marketing et la lutte contre la fraude.
Hormis dans le cadre d'opérations de détection de fraudes, où des millions de transactions étaient analysées et les profils anormaux détectés, la gestion des Big Data concernait principalement des problématiques stratégiques plus larges, abordées au plus deux fois par an lors du conseil d'administration, plutôt que des opérations quotidiennes. Ce secteur est toujours resté très attentif aux nouvelles sources de données, en provenance des médias sociaux ou autres données publiques, pour mieux les appréhender et les analyser, mieux comprendre les attentes des clients et donc mieux adapter ses offres aux besoins du marché.
Face au défi que représente le traitement de ces informations considérées comme non structurées, la gouvernance des données redevient une priorité bien que celles-ci ne soient presque jamais de véritables Big Data stratégiques.
Ce type de données doit être constamment gouverné. Qu'elles soient statiques sur les bases de données contrôlées, en mouvement entre les applications internes ou se déplaçant d'une application vers un dispositif employé ou client ou lorsqu'elles transitent de ces dispositifs vers Internet, la gouvernance est de rigueur.
Il est donc plus approprié de distinguer les Big Data stratégiques comme des paquets de données petits par la taille mais stratégiques par le contenu dont l'existence-même exige une gouvernance. Nous pouvons considérer trois catégories de données, nécessitant une attention, un investissement et un contrôle permanents de la part des établissements de services financiers : les données purement transactionnelles, les données de reporting pour les clients et les données de reporting réglementaire.
Les données purement transactionnelles
On peut affirmer, sans exagérer, que ce type de données est intrinsèque au développement du commerce mondial. Rien qu'aux États-Unis, les établissements de services financiers transfèrent des trillions de dollars chaque jour pour le compte de leurs clients, ce qui représente une très grande valeur dans de très petites quantités de données. Lors de la panne survenue à la RBS en juillet dernier en Angleterre, où une mise à jour logicielle avait échoué, le traitement de quelques cent millions de transactions de paiements avait été retardé, affectant de fait des millions de clients. Cet exemple illustre bien la nature stratégique que peuvent avoir des données purement transactionnelles.
Les données de reporting pour les clients
Le reporting des données financières, notamment pour les clients commerciaux et institutionnels, présente autant d'intérêt - sinon plus - que le traitement des transactions. Les clients savent qu'ils ne peuvent pas gérer de manière efficace leurs fonds s'ils ne savent pas où ceux-ci se trouvent. Un reporting fiable et en temps voulu, fourni par les établissements financiers leur permet d'optimiser leurs opérations financières quotidiennes.
Les données de reporting réglementaire
La multiplication des réglementations complexifie la gestion des données d'entreprise. La rapidité, la qualité des données et la possibilité de les intégrer, bien qu'elles soient issues de sources différentes, constituent sans conteste des leviers de performance. Bien que la multiplication de sources ne signifie pas nécessairement que nous parlons des Big Data, les exigences réglementaires de ces données, peu importe leur volume et leur nombre, indiquent bien que nous parlons des Big Data stratégiques.
De nombreux passionnés de technologie, analystes et entreprises ont été séduits par le concept des Big Data. En donnant libre cours à leur imagination, que se passerait-il si à partir des données client, collectées par une entreprise d'un secteur particulier, une autre entreprise, d'un autre secteur, pourrait en extraire des informations utiles et les exploiter ? Les entreprises possédant de vastes banques de données personnelles pourraient-elles différencier les données qu'elles considèrent cruciales de celles que d'autres considèrent comme telles, puis vendre ces dernières aux plus offrants ? Voilà une question intéressante.
Mais, alors que ce sujet trouve encore sa place dans les médias et les conférences, les établissements de services financiers devraient accorder moins d'attention à cette spéculation et veiller à assurer la sécurisation de leurs Big Data stratégiques - pour leurs clients et pour eux-mêmes. Ils devraient maintenir les flux financiers critiques, assurer une conformité réglementaire et garantir que le spectre des sanctions et restrictions opérationnelles ne plane au-dessus d'eux.
Prenons l'exemple du secteur des services financiers qui fut l'un des premiers à exploiter d'importants volumes de données et à mener ce type de projets bien avant la mise en lumière du concept. Ces projets de Big Data comprenaient la segmentation, les offres marketing et la lutte contre la fraude.
Hormis dans le cadre d'opérations de détection de fraudes, où des millions de transactions étaient analysées et les profils anormaux détectés, la gestion des Big Data concernait principalement des problématiques stratégiques plus larges, abordées au plus deux fois par an lors du conseil d'administration, plutôt que des opérations quotidiennes. Ce secteur est toujours resté très attentif aux nouvelles sources de données, en provenance des médias sociaux ou autres données publiques, pour mieux les appréhender et les analyser, mieux comprendre les attentes des clients et donc mieux adapter ses offres aux besoins du marché.
Face au défi que représente le traitement de ces informations considérées comme non structurées, la gouvernance des données redevient une priorité bien que celles-ci ne soient presque jamais de véritables Big Data stratégiques.
Ce type de données doit être constamment gouverné. Qu'elles soient statiques sur les bases de données contrôlées, en mouvement entre les applications internes ou se déplaçant d'une application vers un dispositif employé ou client ou lorsqu'elles transitent de ces dispositifs vers Internet, la gouvernance est de rigueur.
Il est donc plus approprié de distinguer les Big Data stratégiques comme des paquets de données petits par la taille mais stratégiques par le contenu dont l'existence-même exige une gouvernance. Nous pouvons considérer trois catégories de données, nécessitant une attention, un investissement et un contrôle permanents de la part des établissements de services financiers : les données purement transactionnelles, les données de reporting pour les clients et les données de reporting réglementaire.
Les données purement transactionnelles
On peut affirmer, sans exagérer, que ce type de données est intrinsèque au développement du commerce mondial. Rien qu'aux États-Unis, les établissements de services financiers transfèrent des trillions de dollars chaque jour pour le compte de leurs clients, ce qui représente une très grande valeur dans de très petites quantités de données. Lors de la panne survenue à la RBS en juillet dernier en Angleterre, où une mise à jour logicielle avait échoué, le traitement de quelques cent millions de transactions de paiements avait été retardé, affectant de fait des millions de clients. Cet exemple illustre bien la nature stratégique que peuvent avoir des données purement transactionnelles.
Les données de reporting pour les clients
Le reporting des données financières, notamment pour les clients commerciaux et institutionnels, présente autant d'intérêt - sinon plus - que le traitement des transactions. Les clients savent qu'ils ne peuvent pas gérer de manière efficace leurs fonds s'ils ne savent pas où ceux-ci se trouvent. Un reporting fiable et en temps voulu, fourni par les établissements financiers leur permet d'optimiser leurs opérations financières quotidiennes.
Les données de reporting réglementaire
La multiplication des réglementations complexifie la gestion des données d'entreprise. La rapidité, la qualité des données et la possibilité de les intégrer, bien qu'elles soient issues de sources différentes, constituent sans conteste des leviers de performance. Bien que la multiplication de sources ne signifie pas nécessairement que nous parlons des Big Data, les exigences réglementaires de ces données, peu importe leur volume et leur nombre, indiquent bien que nous parlons des Big Data stratégiques.
De nombreux passionnés de technologie, analystes et entreprises ont été séduits par le concept des Big Data. En donnant libre cours à leur imagination, que se passerait-il si à partir des données client, collectées par une entreprise d'un secteur particulier, une autre entreprise, d'un autre secteur, pourrait en extraire des informations utiles et les exploiter ? Les entreprises possédant de vastes banques de données personnelles pourraient-elles différencier les données qu'elles considèrent cruciales de celles que d'autres considèrent comme telles, puis vendre ces dernières aux plus offrants ? Voilà une question intéressante.
Mais, alors que ce sujet trouve encore sa place dans les médias et les conférences, les établissements de services financiers devraient accorder moins d'attention à cette spéculation et veiller à assurer la sécurisation de leurs Big Data stratégiques - pour leurs clients et pour eux-mêmes. Ils devraient maintenir les flux financiers critiques, assurer une conformité réglementaire et garantir que le spectre des sanctions et restrictions opérationnelles ne plane au-dessus d'eux.