Read this ebook in English
Le Rôle Critique De La Qualité
De La BI et Analytique
Dans Le Secteur De La Finance
Comprendre l’importance de la qualité des analytiques dans un secteur hautement réglementé afin d’assurer la confiance, de répondre aux exigences réglementaires et de mitiger les risques.
Table des matières
- Il n’y a tout simplement pas de place pour l’erreur
- Qu’est-ce que l’AnalyticsOps?
- Le rôle de l’analyse des données dans le secteur des services financiers
- Les défis des institutions financière en matière de BI et Analytique
- Pourquoi les institutions financières doivent déployer l’AnalyticsOps
- La Fiabilité des Analytiques ne peut plus attendre
Pas de place pour l’erreur
Plus que jamais, le secteur de la finance s’appuie sur les données pour prendre des décisions importantes et mettre en œuvre ses plans stratégiques. Les banques ou les assurances sont des organisations extrêmement complexes et contrôlées par des réglementations toujours plus strictes, elles ne peuvent tout simplement pas se permettre de faire état de mauvaises analyses de données ou pire de les partager avec des parties prenantes externes. Par ailleurs, des défis inattendus telles qu’une pandémie, une récession économique ou une crise de la dette augmentent le risque d’introduire une mauvaise qualité dans les données qui sont utilisées. Le fait est qu’il n’y a tout simplement pas de place pour l’erreur pour cette industrie.
Chez Wiiisdom, notre mission est d’aider chacun à prendre des décisions en toute confiance, grâce à une meilleure qualité des analytiques. Nous aidons les organisations financières à garantir une qualité élevée de leurs logiciels décisionnels, à réduire les coûts opérationnels et à minimiser les risques réglementaires, grâce aux principes de l’AnalyticsOps. En appliquant cette méthode, chaque organisation peut offrir un meilleur service à ses clients, identifier de nouvelles opportunités commerciales et rester en conformité avec les exigences réglementaires.
Qu’est-ce que l’AnalyticsOps?
L’AnalyticsOps est une combinaison de méthodologies et d’outils qui permettent d’améliorer considérablement la qualité des plateformes de BI et Analytique, d’accélérer le délai de livraison des projets et de leur durée de rentabilisation, de réduire les risques d’erreurs d’origine manuelle et de faire évoluer les opérations de BI grâce à l’agilité qu’elle permet de mettre en oeuvre. Inspiré par les méthodologies DataOps (qualité des données) et DevOps (qualité du code des logiciels/applications), l’AnalyticsOps (qualité du reporting) s’est construit autour de l’automatisation afin de valider et d’analyser la qualité des données sur le dernier kilomètre de son parcours. Cette méthode permet aux organisations de garantir la fiabilité des analytiques et de réduire le risque de prendre de mauvaises décisions ou d’exposer de la donnée erronée.
Le rôle de l’analytique dans le secteur des services financiers
Aujourd’hui, les institutions financières ne peuvent plus se permettre de prendre des décisions sur des données analytiques non gouvernées, car leur survie en dépend considérablement. Ce secteur est soumis à des réglementations très strictes, une seule erreur, aussi petite soit-elle, pourrait être désastreuse pour une organisation. Dans ce secteur, l’analytique est principalement utilisée pour la gestion des risques, de l’offre, de la demande et de la réglementation.
Gestion des risques
- Détection des fraudes
- Analyse du risque de crédit
- Analyse du risque de liquidité
Distribution
- Performance des ventes
- Analyse de la performance des succursales
Demande
- Moteurs de recommandation pour attirer de nouveaux clients
- Prévision de la rentabilité client
Reporting Réglementaire
Celui-ci étant externe donc encore plus critique
- Information réglementaire – principalement à l’intention des autorités de surveillance
- Information financière – principalement à l’intention des investisseurs et des créanciers
Les divisions métier de ces organisations financières utilisent ces données pour prendre des décisions en faveur de la croissance et de la rentabilité. Pour toute transaction avec un client, tout rapport réglementaire et toute décision d’investissement stratégique, une précision absolue est impérative, d’où la nécessité d’avoir un environnement contrôlé et exempt d’erreur. On ne peut pas se permettre de jouer avec la qualité.
Les défis des institutions financière en matière de BI et Analytique
La prise de décision dans le secteur des services financiers exige une analyse rapide, précise et pertinente des données à tout moment, qu’il s’agisse de la visualisation des données relatives aux achats par carte de crédit, à l’activité des agences ou aux prêts hypothécaires. Selon une enquête sur l’état mondial de la BI en entreprise, 56 % des personnes interrogées ont déclaré que l’analyse de données permettait une prise de décision plus rapide et plus efficace dans leur entreprise. Tout cela est très bien, mais faites-vous une confiance aveugle dans les tableaux de bord qui vous sont présentés ? Le secteur des services financiers se heurte à plusieurs obstacles lorsqu’il s’agit d’utiliser ses données analytiques d’une manière fiable et contrôlée :
1. Des réglementations toujours plus contraignantes
Les institutions financières sont confrontées à des réglementations de plus en plus strictes, telles que Sarbanes-Oxley, IFRS, FRTB, RFPA, et BCBS 239 (en particulier le principe 7 sur les pratiques de reporting des risques). Elles dépensent des milliards chaque année en opérations de mise en conformité et en amendes. Pour mettre cela en perspective, le secteur bancaire a dépensé environ 270 milliards de dollars par an depuis 2008 en coûts liés à la conformité, sans oublier les 321 milliards de dollars de règlements, de mesures d’application et d’amendes. Les banques utilisent l’analyse des données pour répondre à ces exigences, mais une petite erreur pourrait ruiner la confiance et la réputation qu’elles ont bâties, sans oublier les lourdes amendes et la mauvaise presse.
2. Des demandes sans précédent
L’utilisation de l’analytique ne cesse de croître, ce qui entraîne la nécessité d’accélérer les livraisons et nouveautés. Ce qui se produisait auparavant tous les trimestres, voire moins souvent encore, est devenu presque quotidien. La question à laquelle les organismes financiers et d’assurance seront confrontés est de savoir comment trouver le temps de tout tester compte tenu du volume toujours plus élevé d’informations disponibles.
3. Des attentes client toujours plus élevées
Vos clients s’attendent à une expérience irréprochable à tout moment et les données que vous leur exposez ne peuvent pas présenter d’erreur. Si certaines fonctionnalités ne sont pas disponibles ou s’ils ont des doutes sur les données qui leur sont fournies, le risque de mauvaises décisions, de perte de confiance et de faible adoption par les utilisateurs augmentera.
4. Des attentes client toujours plus élevées
L’Analytique est une ressource extrêmement précieuse pour les institutions financières et elles évoluent dans un environnement technologique en perpétuelle mutation. Avec des outils tels que l’IA, le cloud, la robotique, et avec par ailleurs la multiplication des sources de données, la gestion décisionnelle est devenue un véritable enjeu d’entreprise.
5. Le manque de libre-service
Permettre l’analyse en libre-service est une excellente chose, mais cela s’accompagne de risques si une stratégie de gouvernance n’est pas mise en place. Selon une enquête sur les organisations financières, 20 % des personnes interrogées ont déclaré que l’un des plus grands défis de leur organisation était l’absence d’analyses en libre-service. Le manque de connaissances en matière de données a clairement un impact sur ce phénomène et les organisations doivent y remédier afin d’être en mesure de développer la prise de décision axée sur les données.
Pourquoi les institutions financières doivent déployer l’AnalyticsOps
Le secteur des services financiers ne peut pas se permettre de parier sur des données non gouvernées. C’est pourquoi l’AnalyticsOps est indispensable et nous allons tenter de vous convaincre :
1. Assurer une qualité élevée des données restituées dans les plateformes de BI et Analytique
Le développement des décisions axées sur les données s’accompagnent de plus de problèmes de qualité et les tests automatisés sont le seul moyen de remédier au problème Le traitement manuel n’est pas une option viable en raison des risques d’erreur élevés qui y sont associés. Dans ce secteur, les réglementations ne cessent d’augmenter et la qualité est donc indispensable pour garantir une conformité à 100%. Selon une étude de Tricentis, les tests préalables à une publication sont beaucoup plus fréquents dans le secteur financier que dans les autres secteurs, ce qui souligne encore davantage l’influence et la nécessité d’une qualité élevée des analytiques dans ce secteur.
2. Offrir une expérience utilisateur de premier ordre
Vous devez fournir des analytiques faciles à utiliser, évolutives et hautement disponibles pour permettre aux utilisateurs de prendre des décisions fiables à tout moment. L’AnalyticsOps veille à ce que la fonctionnalité et les performances de votre plateforme de BI et d’analytique soient optimales, afin que rien ne compromette l’expérience de l’utilisateur.
3. Instaurer un climat de confiance en matière de BI
Le paysage financier comprend différents types de technologies, allant de plateformes traditionnelles telles que SAP BusinessObjects à des plateformes plus modernes telles que Tableau et Microsoft Power BI. Avec toutes ces différentes plateformes disponibles, la méthodologie AnalyticsOps aide les institutions financières à s’assurer que leurs analyses répondent aux attentes des parties prenantes, quelle que soit la technologie employée.
4. Réduire les problèmes et limiter les risques grâce à l’automatisation
L’automatisation est une évidence lorsqu’il s’agit de réduire les problèmes liés à l’analytique et elle joue un rôle important dans la mise en œuvre de l’AnalyticsOps. L’automatisation d’opérations telles que les tests de BI aidera les organisations financières à atténuer les risques liés à la production de tableaux de bord erronés. Selon une étude menée dans le secteur financier, 50 % des organisations sont plus susceptibles d’avoir mis en place une automatisation des tests par rapport aux autres industries, ce qui montre que les tests sont plus importants dans ce secteur. De même, celles qui disposent de rapports sur les risques plus automatisés sont mieux à même de mettre en œuvre le BCBS-239.
5. Faciliter la prise de décision
Des milliers de décisions sont prises chaque jour dans le secteur financier pour mieux servir les clients, respecter les réglementations et fournir de meilleurs produits et services. Les décisions ne peuvent pas être prises sur la base de mauvaises données analytiques, ce ne serait pas seulement une affaire interne, imaginez que vous exposiez vos données avec des parties prenantes externes ou des clients. La réputation de votre institution serait impactée. Souhaitez-vous un autre Lehman Brothers ? Si vos rapports sur les risques ne sont pas fiables, c’est ce qui pourrait se produire. L’AnalyticsOps garantit cependant que cela n’arrivera jamais.
6. Développer l’agilité
Pour disposer de données analytiques fiables et contrôlées, les organisations doivent mettre en place des méthodologies agiles. L’évolution des demandes des utilisateurs et les changements rapides du marché obligent les organisations à être en mesure de fournir des données plus rapidement et de corriger les mauvaises données avant qu’elles ne soient consommées. Des stratégies agiles telles que CI/CD et le développement piloté par les tests (TDD) doivent être mises en œuvre pour y parvenir.
7. Permettre le développement du RPAA
La multiplication des données et informations pour la prise de décision ne connaît pas de fin, et le RPA (Robotic Process Automation) est une technologie en plein essor dans le monde de la finance. Il permet via des robots d’exécuter des tâches, dans le cadre de scénarios prévus à l’avance et sur la base de données ou d’événements. Imaginez-vous, déclencher l’achat de devise, ou changer le taux d’un placement sur la base de données présentes dans une table de votre logiciel de BI. Imaginez maintenant les conséquences néfastes que cela pourrait avoir si la donnée n’était pas testée ? L’AnalyticsOps vous assure la mise en œuvre de contrôles routiniers et la mise en œuvre des scénarios complexes afin d’éviter de produire des désastres automatisés.
8. Assurer la conformité réglementaire
Avec des réglementations sectorielles de plus en plus strictes, la conformité est requise à tout moment. La moindre régression des données peut avoir des conséquences désastreuses pour ces institutions, et se traduire par des amendes et une baisse de la réputation de l’institution. L’AnalyticsOps vous permet de mettre en œuvre une surveillance des rapports et tableaux de bord comportant des éléments soumis à régulation (PII par exemple). A titre d’exemple, l’AnalyticsOps est un très bon moyen de répondre au principe 7 de la norme BCBS-239.
9. Garantir une gouvernance de bout en bout
La qualité des données et la gouvernance des données ne suffisent plus. Les institutions financières doivent aller au-delà et assurer la gouvernance et la qualité de la donnée depuis sa source, jusqu’à sa distribution dans les tableaux de bord et rapports classiques. Dans le principe BCBS-239, il est clair que la gouvernance et la qualité de l’analytique sont essentielles pour le reporting des risques. Par exemple, les banques doivent investir et limiter le risque au niveau de l’analytique comme elles le font au niveau des données, et cela peut être réalisé en déployant des AnalyticsOps. Cela permet ainsi non seulement de limiter le risque inhérent à l’exploitation de données, c’est à dire le risque technologique, mais il permet également de fiabiliser le reporting sur les autres risques (risques financiers, risques commerciaux etc.)
La Fiabilité des Analytiques ne peut plus attendre
L’industrie de la finance a besoin des technologies d’AnalyticsOps pour s’assurer de la fiabilité des analytiques qu’elle met à disposition de ses décideurs, clients, auditeurs et partenaires. Bien sûr, de grands progrès ont été réalisés en matière de gouvernance des données en rendant les données utilisées pour construire les rapports plus fiables, mais il reste encore beaucoup à faire en matière de gouvernance des analytiques. La grande majorité des rapports sont encore testés manuellement et ponctuellement, si tant est qu’ils le soient. La mise en œuvre de cette méthodologie avec le déploiement de l’automatisation permettra aux organisations de se conformer aux exigences réglementaires, de répondre aux attentes des clients et d’atténuer tout risque lié à de mauvaises données analytiques.
Chez Wiiisdom, nous aidons les institutions financières à offrir un meilleur service à leurs clients, à identifier de nouvelles opportunités commerciales, à atténuer les risques et à rester en conformité avec les exigences réglementaires telles que le principe 7 du BCBS-239 en automatisant toutes leurs opérations analytiques.
Auteur : Ailsa Cartledge