C’est un fait reconnu : les banques sont aujourd’hui des acteurs aux rôles multiples (banque de détail, services de crédit, assurances, leasing, etc.), une tendance qui ne fait que s’accélérer. De plus, elles développent une stratégie multicanal (web, Agence, Mobile), afin de répondre rapidement aux besoins de leurs clients. L’évolution de leurs activités, la relation ultraconnectée avec leurs clients et, de manière générale, l’activité numérique des banques font croître les données collectées relatives à chaque client. Comment créer de la valeur en canalisant les informations pertinentes ? Comment mieux comprendre les comportements et les anticiper ? Le système d’information des banques d’aujourd’hui doit faire face à plusieurs défis :
- plus de données provenant de canaux hétérogènes ;
- des produits plus nombreux à créer et à suivre ;
- une réactivité accrue à fournir ;
- une plus grande ouverture vers l’extérieur.
Le Big Data : les grandes lignes
Le Big Data, qui consiste en une gestion de volumes de données gigantesques, est au cœur de l’activité des géants du web. Les banques partagent avec eux la nécessité de collecter des données toujours plus nombreuses et hétérogènes en tant qu’acteur aux multiples cartes.
Songeons simplement à ce que Google, Facebook, Amazon, LinkedIn ou Twitter sont capables d’exploiter : ils enregistrent les visites sur les sites, analysent nos goûts et comportements (par de l’analyse sémantique de nos commentaires sur les réseaux sociaux, par les applications que nous installons sur notre smartphone, en retraçant nos parcours sur la toile pour en déduire nos mécanismes de décision), mesurent nos affinités pour des publicités, identifient nos cercles d’influence, nos déplacements, nos rendez-vous, et nous suggèrent des recommandations sur mesure (et géolocalisées) dont la pertinence n’est plus à prouver.
Les technologies qui motorisent leurs solutions sont aujourd’hui disponibles pour les entreprises sous le label Big Data. Les banques peuvent également tirer profit de ses solutions. Mais comment ?
Dynamiser son système d’information pour mieux connaître ses clients
Pour traiter les différents canaux de la relation client, les systèmes d’information se sont souvent construits sur des solutions verticales qui isolent la donnée. Les solutions Big Data lèvent un grand nombre de barrières quant aux quantités de données pouvant être extraites, stockées, indexées, rapprochées et agrégées. Elles apportent puissance et versatilité pour trouver de la valeur dans des données jusqu’alors non exploitées ou trop coûteuses à traiter. Il suffit de voir les acteurs historiques du logiciel qui mentionnent leur interfaçage naturel avec Hadoop (une des solutions phares du Big Data) pour comprendre combien ces solutions deviennent incontournables.
Au-delà de l’acquisition, des outils d’analyse Big Data rafraîchissent profondément la business intelligence (BI) et, par conséquent, l’analyse comportementale du client. Ils présentent une capacité à interroger d’immenses quantités de données en quasi-temps réel, raccourcissant drastiquement la réactivité globale de notre système, de même qu'une aptitude à exécuter des analyses prédictives. Ainsi, ils permettent la construction de modèles comportementaux basés sur des modèles statistiques élaborés et affinés auprès de volumes colossaux de données (on dépasse ici la segmentation manuelle, au travers du Machine Learning) et, globalement, une démocratisation des outils BI, qui s’invitent directement dans les applications opérationnelles.
Les technologies connexes au Big Data n’offrent pas seulement une capacité démultipliée d’acquisition et une accélération de la BI, mais aussi une grande souplesse pour créer plus rapidement des offres capables de traiter des centaines de milliers de clients.
Des applications multiples
Les applications du Big Data couvrent des domaines très divers et permettent, par exemple, de :
- mesurer plus largement le taux de transformation de campagnes de nouveaux produits personnalisés : la BI s’aligne sur les nouveaux rythmes de mise en ligne des offres ;
- détecter la fraude de façon réactive, en recoupant en temps réel les comportements inhabituels (type et montant d’opérations, géolocalisation de smartphones, événement annoncé sur les réseaux sociaux qui justifierait un déplacement) ;
- recouper des données issues d’informations historiques, des réseaux sociaux et d’une segmentation, pour proposer des offres ciblées comme un pack « location auto + assurance forfait ski + garantie accident » au moment opportun, pour maximiser la transformation ;
- réagir à une stimulation du client qui peut être déclenchée par sa proximité avec une enseigne partenaire ou bien un paiement pour lequel un crédit à la consommation serait judicieux ;
- capter la satisfaction des clients, valoriser la fidélité de manière personnalisée en pondérant par la capacité d’influence du client.
Les conditions de la réussite
Certaines solutions verticales et labélisées Big Data émergent pour affiner la connaissance du client. Cependant, l’essentiel des enjeux et la complexité se trouvent ailleurs. Pour concrétiser les promesses portées par cette « révolution », il faudra réussir sur plusieurs tableaux :
dans l’animation et la montée en puissance du système d’information, pour collecter plus de données relatives au client ;
dans la mise en œuvre d’une vision transverse « métier & IT » qui saura exploiter cette nouvelle manne ;
dans l’alignement des moyens techniques et la capacité à créer de nouvelles applications avec des cycles métiers toujours plus courts.
Les responsables des banques doivent globalement montrer une capacité à intégrer dans leurs opérations cette BI qui sera, grâce au Big Data, plus réactive, plus ambitieuse et démocratisée.
