L’industrie des services financiers a souvent été à l’avant-garde des nouvelles technologies. Systèmes de trading à haute fréquence, sites web proposant aux clients des ressources en libre-service basés sur des systèmes de back office et autres outils de gestion du risque de liquidité ne sont que quelques illustrations des solutions technologiques au cœur des métiers de la finance.
Cependant, ces applications ne sont plus un facteur de différenciation pour ces sociétés. Elles courent le risque de se faire devancer par des concurrents plus innovants, à moins qu’elles ne trouvent des solutions pour les transformer. Si les « disruptions » de cette ampleur deviennent la norme, identifier des modèles économiques et des applications de rupture devient une question de survie. Ces sociétés doivent ainsi faire évoluer leurs outils existants pour rester compétitives. Trois approches s’offrent alors à elles.
Créer de meilleures expériences utilisateurs
Les principales équipes métiers des entreprises disposent déjà souvent des outils nécessaires. Mais les organisations chargées d’examiner ces outils de plus près peuvent créer des interconnexions débouchant sur de nouvelles applications et expériences utilisateurs. Cette approche les aide à satisfaire leurs clients et à rester compétitive.
Les technologies d’intégration, qui offrent la modularité nécessaire pour décomposer, refaçonner et ré-optimiser des applications afin d’en créer de nouvelles sont un facteur de différenciation majeur. Un service de compensation interbancaire ou une application accélérant les rapprochements bancaires peuvent tirer parti d’outils existants pour proposer une offre nouvelle ou supérieure.
Grâce aux APIs, les clients interagissent avec des applications via des interfaces optimisées, notamment sur mobile, et profitent de connexions transparentes avec des applications complémentaires de partenaires. Par exemple, l’envoi automatisé de formulaires fiscaux 1099 vers le service américain de déclarations de revenus TurboTax par des maisons de courtage est un partenariat à haute valeur ajoutée apprécié des clients.
En outre, la mise en œuvre d’un couplage lâche favorisant la migration et le ré-hébergement des applications sur de nouvelles infrastructures à moindre coût constitue un bénéfice considérable. La migration des référentiels de données vers des data lakes ou vers le cloud confirment la rentabilité de cette approche.
Générer des informations mieux qualifiées
Les entreprises souhaitent légitimement analyser l’historique de leurs évènements passés. Elles doivent générer des rapports de position sur les opérations, commissions et sur leur conformité, conduisant l’industrie des services financiers à une première vague d’adoption de nouvelles solutions analytiques et de gestion des données. Le besoin de comprendre leurs évènements présents a été à l’origine d’une deuxième vague d’adoption poussée par la prolifération de l’accès en temps réel à des données sur les marchés. Aujourd’hui, l’analyse des données provenant des applications existantes pour mieux anticiper et améliorer les résultats à venir est à l’origine d’une troisième vague.
La virtualisation permet aux analystes et à leurs applications de bénéficier du plus large éventail de sources de données – entreprises, big data, cloud et autres données en temps réel sans les ennuis liés à la consolidation physique des données ou à la récupération automatique de ressources depuis des flux FTP. Ainsi, avec la virtualisation des données qui fédère les flux de négociations en cours, les analystes élargissent la fenêtre d’analyse des transactions sur titre à revenu fixe et donc limitent les risques financiers.
Grâce à ces nouvelles solutions technologiques plus agiles, les établissements peuvent extraire plus vite des connaissances approfondies et réagir aux perturbations de leur marché respectif. Une fois en application, ces technologies leur permettent de se rapprocher des objectifs fixés dans leur contrat de maintenance. Ainsi, pour une gestion efficace du risque de liquidité, une analyse conçue pour réagir rapidement à une demande ponctuelle de conformité de la part de l’organisme fédéral américain de réglementation et de contrôle des marchés financiers – la SEC – pourrait également être introduite en production pour répondre aux exigences des normes réglementaires Bâle II.
Rendre les applications plus intelligentes grâce à l’IA
Les conseillers financiers perdent trop de temps à chercher des informations pour proposer à leurs clients des recommandations d’investissement. Ils peuvent ainsi passer plusieurs heures au téléphone avec le desk de trésorerie des marchés de capitaux, à parcourir le portail d’informations de la société concernée… En utilisant des algorithmes d’intelligence artificielle pour analyser les données pertinentes, les établissements bancaires apportent des recommandations directement aux conseillers et améliorent ainsi les retours clients, avec des gains de temps et d’énergie.
Cette approche requière cependant des technologies capables de soutenir un effort collaboratif commun des équipes, data scientists, analystes métiers et du personnel informatique. Une nouvelle application de trading sur le marché des devises pourra exiger des traders qu’ils travaillent avec des data scientists pour proposer et évaluer plusieurs algorithmes et se concentrer sur le plus performant. Analystes métiers et développeurs devront dans un second temps collaborer ensemble pour déployer l’algorithme en production.
Une fois ces algorithmes éprouvés, ils devront être réutilisés sur différentes applications. Le même algorithme de traitement du langage naturel triant les rapports publics déposés auprès des autorités et les sources de données tierces pourra ainsi être réutilisé dans une application visant à alerter les analystes buy-side, et une autre en charge de déclencher des transactions.
Enfin, l’intelligence artificielle ne peut fonctionner sans les données. Lors de la phase d’expérimentation, les données sont indispensables pour concevoir, tester et peaufiner les algorithmes. Dans la phase de production, ce sont elles qui les alimentent. Par exemple, une société cherche à limiter les défauts de paiement sur ses cartes de crédit et a repéré une corrélation élevée avec la cessation des dépôts directs, résultat typique d’une perte d’emploi. L’établissement a inclus dans ses algorithmes des données sur les historiques de dépôts directs des comptes courants de ses clients. Il a ainsi adapté ses limites de crédit de façon automatique lorsque ces scénarios se produisaient.
Les établissements financiers actuels réagissent aux perturbations survenant sur leurs marchés. Fintechs, robots-conseillers basés sur une intelligence artificielle et autres obligations réglementaires telles que le RGPD ou la DSP2 sont les moteurs du changement. Mais, à l’avenir, aucune certitude n’est possible. Les organisations devront elles-mêmes concevoir leurs technologies innovantes afin de satisfaire leurs clients de demain.
Cependant, ces applications ne sont plus un facteur de différenciation pour ces sociétés. Elles courent le risque de se faire devancer par des concurrents plus innovants, à moins qu’elles ne trouvent des solutions pour les transformer. Si les « disruptions » de cette ampleur deviennent la norme, identifier des modèles économiques et des applications de rupture devient une question de survie. Ces sociétés doivent ainsi faire évoluer leurs outils existants pour rester compétitives. Trois approches s’offrent alors à elles.
Créer de meilleures expériences utilisateurs
Les principales équipes métiers des entreprises disposent déjà souvent des outils nécessaires. Mais les organisations chargées d’examiner ces outils de plus près peuvent créer des interconnexions débouchant sur de nouvelles applications et expériences utilisateurs. Cette approche les aide à satisfaire leurs clients et à rester compétitive.
Les technologies d’intégration, qui offrent la modularité nécessaire pour décomposer, refaçonner et ré-optimiser des applications afin d’en créer de nouvelles sont un facteur de différenciation majeur. Un service de compensation interbancaire ou une application accélérant les rapprochements bancaires peuvent tirer parti d’outils existants pour proposer une offre nouvelle ou supérieure.
Grâce aux APIs, les clients interagissent avec des applications via des interfaces optimisées, notamment sur mobile, et profitent de connexions transparentes avec des applications complémentaires de partenaires. Par exemple, l’envoi automatisé de formulaires fiscaux 1099 vers le service américain de déclarations de revenus TurboTax par des maisons de courtage est un partenariat à haute valeur ajoutée apprécié des clients.
En outre, la mise en œuvre d’un couplage lâche favorisant la migration et le ré-hébergement des applications sur de nouvelles infrastructures à moindre coût constitue un bénéfice considérable. La migration des référentiels de données vers des data lakes ou vers le cloud confirment la rentabilité de cette approche.
Générer des informations mieux qualifiées
Les entreprises souhaitent légitimement analyser l’historique de leurs évènements passés. Elles doivent générer des rapports de position sur les opérations, commissions et sur leur conformité, conduisant l’industrie des services financiers à une première vague d’adoption de nouvelles solutions analytiques et de gestion des données. Le besoin de comprendre leurs évènements présents a été à l’origine d’une deuxième vague d’adoption poussée par la prolifération de l’accès en temps réel à des données sur les marchés. Aujourd’hui, l’analyse des données provenant des applications existantes pour mieux anticiper et améliorer les résultats à venir est à l’origine d’une troisième vague.
La virtualisation permet aux analystes et à leurs applications de bénéficier du plus large éventail de sources de données – entreprises, big data, cloud et autres données en temps réel sans les ennuis liés à la consolidation physique des données ou à la récupération automatique de ressources depuis des flux FTP. Ainsi, avec la virtualisation des données qui fédère les flux de négociations en cours, les analystes élargissent la fenêtre d’analyse des transactions sur titre à revenu fixe et donc limitent les risques financiers.
Grâce à ces nouvelles solutions technologiques plus agiles, les établissements peuvent extraire plus vite des connaissances approfondies et réagir aux perturbations de leur marché respectif. Une fois en application, ces technologies leur permettent de se rapprocher des objectifs fixés dans leur contrat de maintenance. Ainsi, pour une gestion efficace du risque de liquidité, une analyse conçue pour réagir rapidement à une demande ponctuelle de conformité de la part de l’organisme fédéral américain de réglementation et de contrôle des marchés financiers – la SEC – pourrait également être introduite en production pour répondre aux exigences des normes réglementaires Bâle II.
Rendre les applications plus intelligentes grâce à l’IA
Les conseillers financiers perdent trop de temps à chercher des informations pour proposer à leurs clients des recommandations d’investissement. Ils peuvent ainsi passer plusieurs heures au téléphone avec le desk de trésorerie des marchés de capitaux, à parcourir le portail d’informations de la société concernée… En utilisant des algorithmes d’intelligence artificielle pour analyser les données pertinentes, les établissements bancaires apportent des recommandations directement aux conseillers et améliorent ainsi les retours clients, avec des gains de temps et d’énergie.
Cette approche requière cependant des technologies capables de soutenir un effort collaboratif commun des équipes, data scientists, analystes métiers et du personnel informatique. Une nouvelle application de trading sur le marché des devises pourra exiger des traders qu’ils travaillent avec des data scientists pour proposer et évaluer plusieurs algorithmes et se concentrer sur le plus performant. Analystes métiers et développeurs devront dans un second temps collaborer ensemble pour déployer l’algorithme en production.
Une fois ces algorithmes éprouvés, ils devront être réutilisés sur différentes applications. Le même algorithme de traitement du langage naturel triant les rapports publics déposés auprès des autorités et les sources de données tierces pourra ainsi être réutilisé dans une application visant à alerter les analystes buy-side, et une autre en charge de déclencher des transactions.
Enfin, l’intelligence artificielle ne peut fonctionner sans les données. Lors de la phase d’expérimentation, les données sont indispensables pour concevoir, tester et peaufiner les algorithmes. Dans la phase de production, ce sont elles qui les alimentent. Par exemple, une société cherche à limiter les défauts de paiement sur ses cartes de crédit et a repéré une corrélation élevée avec la cessation des dépôts directs, résultat typique d’une perte d’emploi. L’établissement a inclus dans ses algorithmes des données sur les historiques de dépôts directs des comptes courants de ses clients. Il a ainsi adapté ses limites de crédit de façon automatique lorsque ces scénarios se produisaient.
Les établissements financiers actuels réagissent aux perturbations survenant sur leurs marchés. Fintechs, robots-conseillers basés sur une intelligence artificielle et autres obligations réglementaires telles que le RGPD ou la DSP2 sont les moteurs du changement. Mais, à l’avenir, aucune certitude n’est possible. Les organisations devront elles-mêmes concevoir leurs technologies innovantes afin de satisfaire leurs clients de demain.
Finyear & Chaineum
Lisez gratuitement le quotidien Finyear & sa newsletter quotidienne.
Recevez chaque matin par mail la newsletter Finyear, une sélection quotidienne des meilleures infos et expertises en finance digitale, corporate finance & crypto finance.
Read for free The daily newspaper Finyear & its daily newsletter.
Receive the Finyear's newsletter every morning by email, a daily snapshot of the best news and expertise in digital finance, corporate finance & crypto finance.
----------------
Chaineum - Conseil haut de bilan & stratégie blockchain
Fondée en 2015, Chaineum est un cabinet de conseil en opérations de haut de bilan offrant une expertise de premier plan en matière d’ICOs et STOs, avec une vision stratégique orientée tant vers le métier de ses clients que sur la technologie blockchain. A ce titre, Chaineum a participé à la mise en œuvre de bonnes pratiques dans le secteur (ICO Charter, Security Token Network).
Besançon - Paris + réseau international de partenaires.
Recevez chaque matin par mail la newsletter Finyear, une sélection quotidienne des meilleures infos et expertises en finance digitale, corporate finance & crypto finance.
Read for free The daily newspaper Finyear & its daily newsletter.
Receive the Finyear's newsletter every morning by email, a daily snapshot of the best news and expertise in digital finance, corporate finance & crypto finance.
----------------
Chaineum - Conseil haut de bilan & stratégie blockchain
Fondée en 2015, Chaineum est un cabinet de conseil en opérations de haut de bilan offrant une expertise de premier plan en matière d’ICOs et STOs, avec une vision stratégique orientée tant vers le métier de ses clients que sur la technologie blockchain. A ce titre, Chaineum a participé à la mise en œuvre de bonnes pratiques dans le secteur (ICO Charter, Security Token Network).
Besançon - Paris + réseau international de partenaires.