Viren Patel, financial services industry strategist chez Workday
Cette évolution est due à la fois à l’émergence de challengers de la fintech et à l’appétence pour la technologie des digital natives. Les établissements financiers historiques ont été forcés de s’adapter, tout en s’efforçant de réduire leurs coûts d’exploitation.
Et c’est là que le bât blesse : tandis que les nouvelles technologies ont permis de répondre à la concurrence et aux demandes des clients, elles n’ont pas encore suffisamment pénétré le back-office, c’est-à-dire les coulisses des systèmes d’information. Selon une étude de Deloitte, seuls 11 % des banques ont modernisé leurs systèmes cœur de métier au point de pouvoir facilement intégrer des technologies émergentes. La plupart d’entre elles s’appuient encore sur des technologies traditionnelles, empilées au fil des ans, et sur d’anciens modèles de données.
Voilà ce sur quoi les banques doivent focaliser leurs efforts.
Le problème des données dans le secteur bancaire
La modernisation des données est essentielle à la transformation des systèmes back-office. La plupart des activités back-office des banques – évaluation du taux d’endettement, capacité de remboursement, gestion des processus, gestion documentaire, mise en conformité, audits – reposent sur des données. Cependant, chaque processus dispose de son propre socle de données, souvent incapable d’échanger naturellement avec d’autres opérations. Il n’est pas rare que le même particulier soit identifié trois fois différemment par le système d’information d’une banque. Si jamais celui-ci change d’adresse, le problème s’en trouve démultiplié.
D’où l’étonnement des clients qui, satisfaits de leur application bancaire, découvrent parfois une ambiance balzacienne dans les coulisses de leur banque. L’intervention manuelle permet certes de contourner le problème, mais cette manœuvre est coûteuse et source d’erreurs potentielles.
Du côté de la banque, ce manque d’efficacité et de fluidité pénalise directement la rentabilité de l’établissement. En effet, la vision à 360° du client n’existe pas. Les opportunités de ventes de nouveaux services financiers non plus. La valeur dans le temps d’une relation bancaire est difficile, sinon impossible à calculer. Enfin, la production de rapports réglementaires peut prendre alors plus de temps en raison de la nécessité d’utiliser plusieurs systèmes. C’est ainsi que les banques perdent chaque mois énormément de temps dans le cadre de la clôture des comptes et du rapprochement des données.
Briser les silos pour découvrir des informations stratégiques
Que se passerait-il si ces données bancaires étaient cohérentes, réunies en un seul endroit et facilement exploitables ?
La prise de décision serait rapide. Le rapprochement des données opérationnelles et des données financières en temps réel permettrait de découvrir de nouvelles pistes de rentabilité et la mise au point de nouveaux produits en serait facilitée.
Cette capacité de réagir rapidement est un prérequis pour que les banques réussissent dans un monde que certains définissent comme celui de l’« anormalité permanente ». Les certitudes acquises par le passé ne sont plus valables. Dans ce marché en pleine évolution, la perspicacité et l’agilité sont des impératifs commerciaux. Modéliser et prévoir plusieurs scénarios en continu implique d’utiliser l’Intelligence Artificielle et le Machine Learning pour tirer des enseignements à partir de grands jeux de données.
Cependant, pour tirer pleinement parti de ces technologies, les banques doivent auparavant traiter efficacement leurs données en back-office, c’est-à-dire moderniser leur fonctionnement.
Et c’est là que le bât blesse : tandis que les nouvelles technologies ont permis de répondre à la concurrence et aux demandes des clients, elles n’ont pas encore suffisamment pénétré le back-office, c’est-à-dire les coulisses des systèmes d’information. Selon une étude de Deloitte, seuls 11 % des banques ont modernisé leurs systèmes cœur de métier au point de pouvoir facilement intégrer des technologies émergentes. La plupart d’entre elles s’appuient encore sur des technologies traditionnelles, empilées au fil des ans, et sur d’anciens modèles de données.
Voilà ce sur quoi les banques doivent focaliser leurs efforts.
Le problème des données dans le secteur bancaire
La modernisation des données est essentielle à la transformation des systèmes back-office. La plupart des activités back-office des banques – évaluation du taux d’endettement, capacité de remboursement, gestion des processus, gestion documentaire, mise en conformité, audits – reposent sur des données. Cependant, chaque processus dispose de son propre socle de données, souvent incapable d’échanger naturellement avec d’autres opérations. Il n’est pas rare que le même particulier soit identifié trois fois différemment par le système d’information d’une banque. Si jamais celui-ci change d’adresse, le problème s’en trouve démultiplié.
D’où l’étonnement des clients qui, satisfaits de leur application bancaire, découvrent parfois une ambiance balzacienne dans les coulisses de leur banque. L’intervention manuelle permet certes de contourner le problème, mais cette manœuvre est coûteuse et source d’erreurs potentielles.
Du côté de la banque, ce manque d’efficacité et de fluidité pénalise directement la rentabilité de l’établissement. En effet, la vision à 360° du client n’existe pas. Les opportunités de ventes de nouveaux services financiers non plus. La valeur dans le temps d’une relation bancaire est difficile, sinon impossible à calculer. Enfin, la production de rapports réglementaires peut prendre alors plus de temps en raison de la nécessité d’utiliser plusieurs systèmes. C’est ainsi que les banques perdent chaque mois énormément de temps dans le cadre de la clôture des comptes et du rapprochement des données.
Briser les silos pour découvrir des informations stratégiques
Que se passerait-il si ces données bancaires étaient cohérentes, réunies en un seul endroit et facilement exploitables ?
La prise de décision serait rapide. Le rapprochement des données opérationnelles et des données financières en temps réel permettrait de découvrir de nouvelles pistes de rentabilité et la mise au point de nouveaux produits en serait facilitée.
Cette capacité de réagir rapidement est un prérequis pour que les banques réussissent dans un monde que certains définissent comme celui de l’« anormalité permanente ». Les certitudes acquises par le passé ne sont plus valables. Dans ce marché en pleine évolution, la perspicacité et l’agilité sont des impératifs commerciaux. Modéliser et prévoir plusieurs scénarios en continu implique d’utiliser l’Intelligence Artificielle et le Machine Learning pour tirer des enseignements à partir de grands jeux de données.
Cependant, pour tirer pleinement parti de ces technologies, les banques doivent auparavant traiter efficacement leurs données en back-office, c’est-à-dire moderniser leur fonctionnement.