La pandémie de COVID-19 a eu un impact sans précédent sur l’accélération de la transformation numérique dans l’ensemble des services financiers. Afin de garder une longueur d’avance, ces institutions se sont rapidement adaptées pour rester compétitives, dans un marché en mutation, en équilibrant la fourniture d'une expérience client supérieure avec la nécessité de garantir la conformité aux exigences réglementaires en constante évolution. Mais toutes ces priorités stratégiques reposent sur un facteur principal : avoir accès à des données fiables. Amy O’Connor, chief data et information officer chez Precisely, spécialiste de l’intégrité des données nous répond.
Quel est le rôle de Precisely ?
En tant que le leader mondial de l’intégrité des données, nous permettons aux entreprises de prendre des décisions rapides et sûres sur la base de données fiables, précises, cohérentes et contextuelles. Pour y parvenir, nous équipons les entreprises des quatre piliers fondamentaux de l'intégrité des données : l'intégration des données, la gouvernance et la qualité des données, la localisation des données et l'enrichissement des données.
Combien possédez-vous de clients actuellement ?
A l’heure actuelle, nous accompagnons près de 12 000 entreprises clientes dans plus de 100 pays, y compris en France. Cela comprend également 99 des 100 entreprises du classement mondial « Fortune 100 ».
Quels sont les principaux défis en matière de données auxquels les entreprises de services financiers sont confrontées aujourd'hui ?
En période de grands changements et de transformation numérique, il est essentiel que les entreprises financières tirent parti des données de first-party et de third-party, ainsi que de l’analyse spatiale, en vue de mieux appréhender la dynamique du marché et les comportements des clients qui ont un impact sur leurs activités, et de prendre des décisions plus intelligentes, reposant sur des données.
Cependant, selon une récente étude de Corinium Intelligence sur les tendances en matière d’intégrité des données, 50 % des organisations de services financiers déclarent que les efforts déployés pour mettre en place des cadres de référence en matière de gestion et de gouvernance des données ont produit des résultats « mitigés », voire « décevants ». La principale raison est l’absence de fondements solides pour garantir l’intégrité des données sur lesquelles reposent ces cadres.
En d’autres termes, l’intégrité des données permet aux entreprises de prendre des décisions rapidement et en toute confiance, sur la base de données fiables. Dans le secteur financier, le fait de prendre conscience que les données constituent un actif stratégique de l’entreprise est la première étape à franchir pour établir des cadres clairs permettant de mettre en œuvre les quatre piliers de l’intégrité des données mentionnés précédemment : l’intégration des données, la gouvernance et la qualité des données, l’intelligence de localisation et l’enrichissement des données.
Quel est le rôle de l'intégration des données dans la réalisation de l'intégrité des données ?
La plupart des entreprises complexes s’appuient sur de multiples applications, souvent disparates, pour gérer les données relatives aux clients, aux prospects, aux fournisseurs, aux stocks, aux employés, etc. Lorsque ces systèmes fonctionnent en silos, il devient impossible de générer une vision claire et unifiée de l’entreprise. Les institutions financières sont souvent confrontées à la difficulté supplémentaire de devoir accéder aux données clés des clients à partir d’applications mainframe, des systèmes traditionnels qui sont très fiables et sécurisés, mais dont les formats de données complexes ne sont pas faciles à intégrer dans des environnements de données plus modernes.
Pour obtenir une vue d’ensemble, il est nécessaire de relier plusieurs systèmes par le biais de la cartographie et de la traduction. L’intégration des données dans l’ensemble de l’entreprise, qu’il s’agisse de mainframes, de bases de données relationnelles ou d’entrepôts de données d’entreprise, nécessite une approche mûrement réfléchie pour rassembler les informations sous une même structure, et de manière à ce qu’elles soient le plus en phase avec les objectifs stratégiques de l’organisation.
Une fois les données connectées, quelle est l'étape suivante ?
Une fois qu’une organisation a réussi à éliminer les silos de données, un problème commun subsiste : celui de la qualité des données. Malgré l’intégration de plusieurs systèmes, les données peuvent être manquantes, inexactes, incohérentes ou contenir des doublons. Les institutions financières sont également soumises à la pression des réglementations internationales qui les obligent à comprendre d’où viennent ces données, à prouver leur exactitude et leur validité et à assurer leur sécurité. Par conséquent, la qualité et la sécurité des données des services financiers doivent être maintenues de façon proactive afin de respecter les normes de bonne gouvernance des données qui sont régies par des réglementations en constante évolution.
Comment la qualité et la gouvernance des données peuvent-elles jouer un rôle dans le soutien de la conformité réglementaire ?
Les bonnes pratiques en matière de qualité des données imposent aux chefs d’entreprise de collaborer pour définir des résultats clairs. Cela passe par une collaboration transversale entre plusieurs départements. Il est impossible de tout gérer, c’est pourquoi les experts en la matière au sein de l’organisation doivent travailler ensemble pour dresser une liste commune de priorités autour des objectifs portant sur les risques, la conformité, les finances et le marketing.
Des pratiques efficaces en matière de gouvernance des données nécessitent également l’adoption d’une stratégie solide pour tirer parti de la technologie afin d’automatiser la qualité des données. Cela inclut l’utilisation d’outils qui aident les entreprises à nettoyer, valider, dédupliquer et standardiser leurs données critiques. Les outils de qualité des données peuvent détecter des problèmes dont le personnel n’a peut-être pas conscience, puis produire des tableaux de bord et fournir des flux de travail automatisés qui aident les membres du personnel à identifier et à résoudre, rapidement et facilement, les problèmes de qualité des données.
Plus tôt dans cet échange, vous avez évoqué l’intelligence de localisation. Quel est son rôle et comment soutient-elle l’intégrité des données ?
À l’ère de la transformation numérique, l’intelligence de localisation a une valeur inestimable pour les entreprises. L’ignorer, serait une erreur stratégique !
La localisation est clé au sens où elle permet une prise de décisions plus éclairée en ce qui concerne les personnes, les actifs, les lieux et les opportunités. Après tout, pratiquement tous les points de données dans le monde peuvent être associés à la localisation d’une manière ou d’une autre. Prenons l’exemple d’une adresse : une même adresse peut comporter un numéro de bâtiment ainsi qu’un nom d’adresse. Par exemple, le « 133 avenue des Champs Elysées » est également connu sous le nom de « Drugstore Publicis ». Les systèmes devraient donc être capables de comprendre que ces informations renvoient en fait au même endroit.
Comment ces données d’intelligence de localisation sont-elles exploitées ?
L’intelligence de localisation ajoute du contexte aux données. Grâce à cela, il est possible de mieux comprendre les limites, les déplacements et l’environnement de ses clients, de ses fournisseurs ou de ses sites. En finance, elle est couramment utilisée pour la rationalisation des succursales : pour identifier les succursales qui doivent être fermées, faire l’objet d’un investissement ou être rénovées, par exemple, ou pour comprendre la demande du marché local, l’intensité de la concurrence et la couverture actuelle. Ce type de données permettent notamment d’identifier les sites les plus prometteurs.
En résumé, grâce à cela, vous augmentez l’avantage concurrentiel ?
Oui, mais pas uniquement. C’est aussi l’enrichissement des données qui permet véritablement de bénéficier d’un avantage concurrentiel ; il s’agit du quatrième pilier de l’intégrité des données évoqué plus tôt.
En quoi l’enrichissement des données consiste-t-il ?
Lorsque des ensembles de données précises provenant de tiers et liées à la localisation, à l’activité, au climat ou à la démographie sont combinés à des actifs commerciaux existants, le tout est supérieur à la somme de ses parties. Il peut aussi s’agir d’ensembles de données dynamiques, comme celles concernant la météo ou la mobilité humaine, qui suivent les variations dans le temps. Le contexte supplémentaire apporté par l’enrichissement des données permet aux institutions financières d’exploiter des informations plus précieuses pour prendre des décisions plus intelligentes, qu’il s’agisse de choisir les succursales les plus rentables, d’anticiper la demande ou de cibler les programmes de marketing pour qu’ils aient le plus grand impact possible.
Enfin, une dernière réflexion sur l'importance d'une stratégie d'intégrité des données pour les services financiers ?
Le secteur financier se digitalise de plus en plus et a besoin de fondements solides en matière de données pour être fructueux. L'intégrité des données est une exigence non négociable pour les entreprises qui recherchent un avantage concurrentiel. En élaborant une stratégie significative autour de l'intégration, de la gouvernance et de la qualité des données, de la localisation et de l'enrichissement des données, les organisations de services financiers peuvent être sûres de prendre des décisions commerciales plus intelligentes basées sur des données fiables.
Quel est le rôle de Precisely ?
En tant que le leader mondial de l’intégrité des données, nous permettons aux entreprises de prendre des décisions rapides et sûres sur la base de données fiables, précises, cohérentes et contextuelles. Pour y parvenir, nous équipons les entreprises des quatre piliers fondamentaux de l'intégrité des données : l'intégration des données, la gouvernance et la qualité des données, la localisation des données et l'enrichissement des données.
Combien possédez-vous de clients actuellement ?
A l’heure actuelle, nous accompagnons près de 12 000 entreprises clientes dans plus de 100 pays, y compris en France. Cela comprend également 99 des 100 entreprises du classement mondial « Fortune 100 ».
Quels sont les principaux défis en matière de données auxquels les entreprises de services financiers sont confrontées aujourd'hui ?
En période de grands changements et de transformation numérique, il est essentiel que les entreprises financières tirent parti des données de first-party et de third-party, ainsi que de l’analyse spatiale, en vue de mieux appréhender la dynamique du marché et les comportements des clients qui ont un impact sur leurs activités, et de prendre des décisions plus intelligentes, reposant sur des données.
Cependant, selon une récente étude de Corinium Intelligence sur les tendances en matière d’intégrité des données, 50 % des organisations de services financiers déclarent que les efforts déployés pour mettre en place des cadres de référence en matière de gestion et de gouvernance des données ont produit des résultats « mitigés », voire « décevants ». La principale raison est l’absence de fondements solides pour garantir l’intégrité des données sur lesquelles reposent ces cadres.
En d’autres termes, l’intégrité des données permet aux entreprises de prendre des décisions rapidement et en toute confiance, sur la base de données fiables. Dans le secteur financier, le fait de prendre conscience que les données constituent un actif stratégique de l’entreprise est la première étape à franchir pour établir des cadres clairs permettant de mettre en œuvre les quatre piliers de l’intégrité des données mentionnés précédemment : l’intégration des données, la gouvernance et la qualité des données, l’intelligence de localisation et l’enrichissement des données.
Quel est le rôle de l'intégration des données dans la réalisation de l'intégrité des données ?
La plupart des entreprises complexes s’appuient sur de multiples applications, souvent disparates, pour gérer les données relatives aux clients, aux prospects, aux fournisseurs, aux stocks, aux employés, etc. Lorsque ces systèmes fonctionnent en silos, il devient impossible de générer une vision claire et unifiée de l’entreprise. Les institutions financières sont souvent confrontées à la difficulté supplémentaire de devoir accéder aux données clés des clients à partir d’applications mainframe, des systèmes traditionnels qui sont très fiables et sécurisés, mais dont les formats de données complexes ne sont pas faciles à intégrer dans des environnements de données plus modernes.
Pour obtenir une vue d’ensemble, il est nécessaire de relier plusieurs systèmes par le biais de la cartographie et de la traduction. L’intégration des données dans l’ensemble de l’entreprise, qu’il s’agisse de mainframes, de bases de données relationnelles ou d’entrepôts de données d’entreprise, nécessite une approche mûrement réfléchie pour rassembler les informations sous une même structure, et de manière à ce qu’elles soient le plus en phase avec les objectifs stratégiques de l’organisation.
Une fois les données connectées, quelle est l'étape suivante ?
Une fois qu’une organisation a réussi à éliminer les silos de données, un problème commun subsiste : celui de la qualité des données. Malgré l’intégration de plusieurs systèmes, les données peuvent être manquantes, inexactes, incohérentes ou contenir des doublons. Les institutions financières sont également soumises à la pression des réglementations internationales qui les obligent à comprendre d’où viennent ces données, à prouver leur exactitude et leur validité et à assurer leur sécurité. Par conséquent, la qualité et la sécurité des données des services financiers doivent être maintenues de façon proactive afin de respecter les normes de bonne gouvernance des données qui sont régies par des réglementations en constante évolution.
Comment la qualité et la gouvernance des données peuvent-elles jouer un rôle dans le soutien de la conformité réglementaire ?
Les bonnes pratiques en matière de qualité des données imposent aux chefs d’entreprise de collaborer pour définir des résultats clairs. Cela passe par une collaboration transversale entre plusieurs départements. Il est impossible de tout gérer, c’est pourquoi les experts en la matière au sein de l’organisation doivent travailler ensemble pour dresser une liste commune de priorités autour des objectifs portant sur les risques, la conformité, les finances et le marketing.
Des pratiques efficaces en matière de gouvernance des données nécessitent également l’adoption d’une stratégie solide pour tirer parti de la technologie afin d’automatiser la qualité des données. Cela inclut l’utilisation d’outils qui aident les entreprises à nettoyer, valider, dédupliquer et standardiser leurs données critiques. Les outils de qualité des données peuvent détecter des problèmes dont le personnel n’a peut-être pas conscience, puis produire des tableaux de bord et fournir des flux de travail automatisés qui aident les membres du personnel à identifier et à résoudre, rapidement et facilement, les problèmes de qualité des données.
Plus tôt dans cet échange, vous avez évoqué l’intelligence de localisation. Quel est son rôle et comment soutient-elle l’intégrité des données ?
À l’ère de la transformation numérique, l’intelligence de localisation a une valeur inestimable pour les entreprises. L’ignorer, serait une erreur stratégique !
La localisation est clé au sens où elle permet une prise de décisions plus éclairée en ce qui concerne les personnes, les actifs, les lieux et les opportunités. Après tout, pratiquement tous les points de données dans le monde peuvent être associés à la localisation d’une manière ou d’une autre. Prenons l’exemple d’une adresse : une même adresse peut comporter un numéro de bâtiment ainsi qu’un nom d’adresse. Par exemple, le « 133 avenue des Champs Elysées » est également connu sous le nom de « Drugstore Publicis ». Les systèmes devraient donc être capables de comprendre que ces informations renvoient en fait au même endroit.
Comment ces données d’intelligence de localisation sont-elles exploitées ?
L’intelligence de localisation ajoute du contexte aux données. Grâce à cela, il est possible de mieux comprendre les limites, les déplacements et l’environnement de ses clients, de ses fournisseurs ou de ses sites. En finance, elle est couramment utilisée pour la rationalisation des succursales : pour identifier les succursales qui doivent être fermées, faire l’objet d’un investissement ou être rénovées, par exemple, ou pour comprendre la demande du marché local, l’intensité de la concurrence et la couverture actuelle. Ce type de données permettent notamment d’identifier les sites les plus prometteurs.
En résumé, grâce à cela, vous augmentez l’avantage concurrentiel ?
Oui, mais pas uniquement. C’est aussi l’enrichissement des données qui permet véritablement de bénéficier d’un avantage concurrentiel ; il s’agit du quatrième pilier de l’intégrité des données évoqué plus tôt.
En quoi l’enrichissement des données consiste-t-il ?
Lorsque des ensembles de données précises provenant de tiers et liées à la localisation, à l’activité, au climat ou à la démographie sont combinés à des actifs commerciaux existants, le tout est supérieur à la somme de ses parties. Il peut aussi s’agir d’ensembles de données dynamiques, comme celles concernant la météo ou la mobilité humaine, qui suivent les variations dans le temps. Le contexte supplémentaire apporté par l’enrichissement des données permet aux institutions financières d’exploiter des informations plus précieuses pour prendre des décisions plus intelligentes, qu’il s’agisse de choisir les succursales les plus rentables, d’anticiper la demande ou de cibler les programmes de marketing pour qu’ils aient le plus grand impact possible.
Enfin, une dernière réflexion sur l'importance d'une stratégie d'intégrité des données pour les services financiers ?
Le secteur financier se digitalise de plus en plus et a besoin de fondements solides en matière de données pour être fructueux. L'intégrité des données est une exigence non négociable pour les entreprises qui recherchent un avantage concurrentiel. En élaborant une stratégie significative autour de l'intégration, de la gouvernance et de la qualité des données, de la localisation et de l'enrichissement des données, les organisations de services financiers peuvent être sûres de prendre des décisions commerciales plus intelligentes basées sur des données fiables.