Depuis plusieurs années et grâce à l’informatisation, la donnée fait partie intégrante des activités bancaires. La révolution technologique et le développement des infrastructures informatiques ont permis de la capturer et de la stocker en masse. Selon IBM, 90 % des données qui existent à ce jour dans le monde, ont été créées au cours des deux dernières années. Aujourd’hui, les organisations, et particulièrement les institutions financières, ne peuvent plus ignorer les opportunités offertes par l’exploitation à grande échelle de la donnée, sous peine de perdre un avantage compétitif intrinsèque, carburant d’une croissance future.
La donnée, un actif à part entière
Les organisations doivent transformer la façon dont la donnée est utilisée, en passant de l’analyse du passé à la prédiction de tendances futures, et en développant de nouvelles méthodes de travail – les processus étant intrinsèquement liés à la donnée – pour permettre de créer de nouvelles opportunités commerciales, améliorer la rentabilité et l’efficacité opérationnelle.
Dans tous les secteurs, la situation est en train d’évoluer à une vitesse bien supérieure à ce que nous avons connu depuis le début de l’ère des nouvelles technologies de l’information et des communications (NTIC). Ces deux dernières décennies, l’exploitation de la donnée à grande échelle a été révolutionnée grâce à l’investissement et l’innovation de géants de l’industrie numérique : les historiques GAFA (Google, Apple, Facebook, Amazon) mais aussi les plus récents NATU (Netflix, Airbnb, Tesla, Uber) ou certains de leurs concurrents asiatiques, souvent oubliés, tels qu'Alibaba, Rakuten ou encore Baidu.
Plus récemment, avec l’avènement de l’ère du Big Data, d’autres acteurs de moindre taille ont réussi un développement éclair en se basant sur l’utilisation intensive de la donnée comme matière première et l’utilisation des technologies des Big Data, blockchain, machine learning ou intelligence artificielle. Citons, dans le secteur des RegTechs ou FinTechs, les françaises Fortia ou Scaled Risk, ou encore dans un autre domaine, la LegalTech française Doctrine. La donnée est au centre des stratégies de ces entreprises. Elles ont fondé leur croissance sur la commercialisation de la donnée, appelée aussi : monétisation de la donnée.
Afin de rester compétitives, notamment face à l’offre des RegTechs ou autres FinTechs, les banques doivent à leur tour investir massivement dans la donnée en tant qu’actif, non seulement en termes de gouvernance et d’infrastructure, mais aussi via la data
Commercialisation interne et externe
La commercialisation ou monétisation des données (« data commercialisation » ou « data monetisation » en anglais) est une stratégie pour générer un revenu financier à partir des données détenues ou produites par une organisation.
La commercialisation des données dépasse le stade de l’analyse et vise à apporter de la valeur ajoutée aux organisations, au même titre que n’importe quel actif, en répondant à des besoins spécifiques, en produisant des avantages économiques futurs, et en étant échangés, vendus ou achetés.
Il existe deux principaux types de commercialisation de données. La commercialisation interne se concentre sur l’utilisation des données pour améliorer la prise de décision, créer de nouvelles opportunités (telles que la création de nouveaux produits ou l’expansion sur de nouveaux marchés), faire évoluer l’expérience utilisateur, ou encore pour améliorer les processus opérationnels. Imaginez exploiter les données d’inventaires de transport international et proposer proactivement un produit adapté, comme un financement de transaction commercial, au bon moment, au bon endroit et avec des conditions personnalisées.
Quant à la commercialisation externe, elle consiste en l'utilisation des données d’une entreprise pour créer des produits ou des rapports susceptibles d'être vendus à des tiers, ou combinées à des données tierces, à partager ou revendre, afin de créer un flux de revenus supplémentaire. Un exemple pourrait être la vente, par une banque à ses clients, d’une analyse de l’impact du Brexit sur les échanges entre pays ou industries et les effets sur les différents business models.
Créer un environnement propice
Le pouvoir de la data dans les organisations est basé sur une combinaison de différentes capacités fondamentales, appelées chez Capco « l’écosystème de la donnée ». Cet écosystème repose sur huit
- La gouvernance : définition des rôles et responsabilités ;
- Le linéage : cartographie du cycle de vie de la donnée ;
- La qualité : mesure de l’intégrité de la donnée sur l’ensemble de la chaîne de valeur ;
- Le processus : connaissance des interactions entre les processus métiers et les données clés ;
- L'architecture : design de l’architecture informatique dans une optique de facilitation des flux de données ;
- La modélisation : structuration et catégorisation des données ;
- Le dictionnaire : définition transversale des données élémentaires clés ;
- L'analytics : utilisation de la donnée pour générer des analyses exploratoires ou confirmatoires
Cependant les organisations ne doivent pas attendre d’être parfaitement matures sur chacun de ces huit aspects pour entamer le périple de la commercialisation de la donnée. S’il est préférable qu’une organisation ait intégré la monétisation de la donnée dans sa stratégie dès l’origine, repousser le lancement d’initiatives dans ce domaine reviendrait à manquer le train de la ruée vers l’or et à se retrouver à la traîne.
Quant aux objectifs stratégiques, ils peuvent s’articuler autour de quatre axes principaux : la génération de revenus, sur des segments existants ou de nouveaux revenus sur des segments jusque-là inexploités ; la rétention de clientèle, sur les segments banque de détail mais aussi banque d’investissement ou banque privée ; la réduction de coût via l’optimisation de processus bancaires consommateurs de données ; et la prévention de la fraude via l’analyse de données internes et externes à grande échelle.
Ces objectifs doivent bien évidemment s’inscrire dans la stratégie globale du groupe, faire partie intégrante du modèle opératoire global et s'aligner sur le niveau d’appétence pour le risque de l'organisation. Par ailleurs, les banques devront aussi prendre en compte les contraintes légales et réglementaires, puisque de nombreuses régulations qui ont vu le jour ont un impact direct sur le cadre de manipulation des données. On pensera notamment au règlement général sur la protection des données (RGPD) en Europe, mais aussi aux directives PSD2 (directive sur les services de paiement) ou MiFID II (Markets in Financial Instruments Directive).
Lorsqu'une organisation décide de se lancer dans l'aventure de la commercialisation de la donnée et que la stratégie est partagée avec les acteurs clés, il est primordial de définir un itinéraire clair et d’identifier les différents moyens pour atteindre ce but : cela peut être fait au sein des différentes entités du groupe ou, de préférence, de manière centralisée afin de donner l’impulsion et une ligne directrice claire.
Aucune organisation n’est aujourd’hui complètement au point sur tous les piliers de l’écosystème. Il est plus facile de commencer par la commercialisation interne de la donnée, puis de dériver vers une commercialisation hybride, à partir de données internes et externes, pour arriver potentiellement à tirer profit d’une commercialisation externe de la donnée. Chaque étape dépendra fortement du degré de maturité de l’organisation dans sa culture de la donnée, des infrastructures à sa disposition, et de son niveau d’expertise en data analytics.
Le premier écueil : la profusion d'initiatives
Quels que soient la stratégie et les objectifs qu'une organisation se fixe, le principal écueil à éviter est la profusion d’initiatives, dont la faisabilité et le retour sur investissement ne sont pas maîtrisés. Il est important de sélectionner ceux, parmi les projets, qui ont la plus forte probabilité de succès. Cela passe par une phase pilote préalable à l'industrialisation et par un travail de fond de conduite du changement. Il s'agit de placer la donnée comme actif au centre de l’organisation et d'assurer l’acculturation de tous les niveaux de l’organisation à ce changement de paradigme.
Chaque projet devra commencer par une phase pilote, composée d’une première étape de sélection des cas d’usage autour de la data commercialisation, puis de la réalisation d'un Proof of Concept visant à démontrer la viabilité des cas d’usages sélectionnés. Seuls les cas d’usages qui auront passé avec succès l’étape de Proof of Concept pourront passer à l’étape d’industrialisation. Dans cette optique, la définition des cas d’usage est critique et la phase d’idéation doit être maîtrisée et objectivée. Les critères de sélection peuvent par exemple prendre en considération les coûts des différentes phases (pilote vs industrialisation), le retour sur investissement en cas d’industrialisation, la complexité de la conception des solutions et notamment l’algorithme utilisé, ou encore la difficulté de déploiement de la solution de commercialisation.
Enfin, le succès des différentes initiatives et l’acceptation de la solution dépendront largement de l’implication des différentes fonctions et départements de la banque : data management, digital, conformité et juridique, IT et métier. Tous devront travailler en coopération et éviter les silos pour assurer le succès d’un projet de commercialisation de la donnée.
