Les données : le nouvel or blanc des banques ?

Depuis le XIX^e siècle, et les talents d’Ada Lovelace [1] pour développer parmi les premiers algorithmes d’analyse, l’informatique s’intéresse particulièrement aux traitements des données. Parallèlement, depuis leur création, les établissements financiers réalisent la majeure partie de leur chiffre d’affaires en analysant correctement les données qu’ils collectent (sur les clients, les transactions ou les différents marchés en cours) et en basant leurs décisions dessus. L’émergence, ces dernières années, du Big Data et le développement de l’analyse de gros volumes de données en temps réels ne pouvaient que satisfaire les besoins des banques. À condition de prendre en compte leurs contraintes réglementaires et leur obligation de protéger les données de leurs clients, mais également de repenser sérieusement leur infrastructure existante. Ainsi, pour Reda Gomery, associé responsable data et analytics chez Deloitte, dans les banques, « énormément de données sur les clients se retrouvent un peu partout, stockées le plus souvent dans des silos, collectées par les différentes entités de la banque. Le défi est plus de faire le rapprochement et le lien entre ces différentes données et les concentrer autour d’une même vision d’un client, pour le connaître au mieux. La question de l’organisation et des structures différentes va être importante, car les données peuvent être dispersées entre la banque de détail, l’assurance, le corporate. Et comme bon nombre de banques se sont rapprochées, le problème est démultiplié pour les clients communs des deux établissements. Le défi est encore renforcé par la numérisation des interactions avec le client via le site Web, l’appli mobile ou les réseaux sociaux qui renforcent les données à agréger sur ce dernier. »

La gouvernance des données pour unifier DSI et direction métier

Heureusement, selon lui, les banques sont conscientes de la richesse qu’elles ont entre les mains. « Les banques mettent en place des organisations et procédures pour mieux gouverner les données. La prise de conscience est réelle aujourd’hui, toutes les directions marketing ont commencé à explorer le sujet pour mieux connaître le client et segmenter encore plus finement leurs offres. »

C’est notamment le cas chez LCL où Christèle Baranco est responsable du pole analyse de la donnée client. Elle y rappelle qu’à LCL « il existe une charte “usage des données personnelles” établie dans l’ensemble du groupe Crédit Agricole qui passe par le consentement du client. Nous ne faisons aucune revente de données personnelles et celles-ci restent dans nos murs. Typiquement, LCL n’utilise pas Salesforce [2] pour faire du CRM. » La banque a une politique de gouvernance de la donnée depuis 2014. Pour Christèle Baranco, « la gouvernance recouvre tout ce qui concerne la fiabilité de la donnée, et doit pouvoir la certifier. Elle comporte aussi une partie d’habilitation pour contrôler qui a accès à quelles données et dans quel but. » Cette équipe travaille en liaison avec la DSI, mais également les différentes directions métier. « Aujourd’hui nous créons un entrepôt de données qui regroupera toutes les données marketing ; il sera fini en 2018 et regroupera toutes les données marketing et bancaires des individus. Nous passons d’une vision bancaire avec des campagnes de masse à une vision comportementale autour du client multiprisme. Nous l’abordons par son parcours (site Web, réseau, centre d’appel) au travers des verbatims et l’écoute client (analyse des conversations avec le client), et de son mode de consommation. Aujourd’hui, par exemple, nous essayons de détecter le passage réel à la vie active plutôt que simplement baser nos campagnes sur l’âge. Quand nous analysons les données, nous les anonymisons mais cela nous permet de donner des décisions très orientées client. Ce qui est important c’est d’être au service du client, ne pas faire de la donnée pour faire de la donnée. »

De la business intelligence au Big Data

Ce ne sont pas les seuls à utiliser les données de leurs clients pour de nouveaux services, même si en règle générale, les autres banques sont plus timides dans leur communication.

Ainsi, Florence Laget, directrice Big Data chez Hewlett-Packard France, nous confie avoir monté un cluster Hadoop pour une grande banque française. « Pour l’instant, ce cluster sert surtout pour une approche client orientée nouveaux services et marketing. L’établissement a créé une petite équipe d’une dizaine de personnes décisionnaires pour monter les premières explorations. Ils sont venus nous voir pour tester la partie technique et organisationnelle de leurs idées. Nous les avons emmenés dans notre Centre de compétence de Grenoble et ils ont fait en trois mois un Proof of Concept qu’ils ont repris chez eux et mis en place pour le généraliser. C’est HP qui en assure l’exploitation et le maintien en conditions opérationnelles. » Si dans ce cas, l’usage couvre surtout des besoins marketing, Florence Laget rappelle que « la capacité à détecter des signaux faibles du Big Data peut aussi être utile pour la lutte contre la fraude. Les banques d’investissement s’intéressent au Big Data pour évaluer la qualité du trading et vérifier leurs sources. Dans les banques, il y a déjà des solutions de business intelligence. Beaucoup n’ont pas basculé sur du véritable Big Data mais par l’amélioration ou la modernisation de leur solution de BI. Avec des outils Big Data, l’analytique permet d’apporter des réponses à des questions qu’on ne s’est pas encore posées, de faire ressortir des tendances sans avoir à poser de questions. »

Corréler des sources hétérogènes

Reste à trouver ces données. L’organisation actuelle des banques ne facilite pas la tâche. Ainsi pour Christophe Cerqueira Directeur du pôle Ingensi, entité du Groupe Cyrès, « dans le monde bancaire il est très compliqué d’aller chercher toutes les données où elles sont, car les grands groupes sont constitués en grandes entités séparées avec des systèmes d’information différents et parfois des technologies différentes. La difficulté est de corréler un gros volume de données avec des sources complètement hétérogènes. » Néanmoins, selon lui, « la France est dans la bonne moyenne européenne, mais derrière l’Angleterre qui reste dans les premiers avec leurs problématiques de Big Data liées à la salle de marché. Souvent on est encore en France en mode Proof of Concept dans la banque. » Et le problème n’est pas que matériel. Edouard Alligand, fondateur de QuasarDB, travaille principalement avec des banques d’affaires pour les aider à analyser leurs données de trading. Il regrette que les problèmes organisationnels prennent parfois le pas sur la technique : « le plus dur n’est pas forcément de brancher le fil, mais d’avoir deux départements capables de se parler. » Mais si ces obstacles sont levés, tout va très vite. Ainsi, les projets antifraude dans le trading se mettent en place en quelques mois. « La contrainte est plus au niveau des process de la banque que de la technique » affirme Édouard Alligand. « Installer un nœud prend cinq minutes et former un ingénieur une demi-journée. Une fois que vous avez mis l’infrastructure en place, vous avez fait le plus gros du travail. » Du coup, il observe une nouvelle tendance chez ses clients. Ils vont selon lui, « vers l’industrialisation avec des systèmes qui tournent 24 heures sur 24 et sept jours sur sept pour “cracher du volume” [ donner une quantité importante de résultat, ndlr]). Mettre en place un système antifraude est déjà un gros projet, mais les banques regardent déjà au-delà de la fraude pour savoir comment augmenter leurs gains. »

 

 

2 Salesforce est un des principaux logiciels de gestion CRM et cloud computing.