Auteur
Auteur
Athena Sharma, directrice consultante et responsable mondial des services financiers chez Artefact, et Chris Bannocks, Group Chief Data Officer chez QBE Insurance, discutent de la maturité data - ce qu'elle est, le rôle qu'elle joue dans les affaires aujourd'hui, et pourquoi elle représente un défi particulier pour les banques, les compagnies d'assurance, les maisons de courtage, les coopératives de crédit et d'autres entreprises du secteur des services financiers.
Qu'entend-on par maturité de data ?
En termes généraux, la maturité de data mesure le niveau de capacité d'une organisation à créer de la valeur à partir de sa data. Pour atteindre un niveau de maturité élevé, la data doit être profondément ancrée dans l'ensemble de l'organisation et pleinement intégrée dans chacune de ses décisions et activités. Il s'agit d'un facteur clé de la réussite de la transformation numérique. Plus son niveau de maturité est élevé, plus l'entreprise bénéficiera d'avantages concurrentiels.
Pour mesurer la maturité data, un modèle de maturité est utilisé pour évaluer les différentes capacités data et numériques d'une entreprise. “Il existe de nombreux modèles de maturité différents, mais ils utilisent tous une série de questions pour évaluer le niveau de maturité d'une entreprise dans de nombreuses dimensions différentes”, explique le directeur général de l'Agence européenne pour la sécurité et la santé au travail (ESA). Chris Bannocks. “Il s'agit notamment des capacités - ou de la maturité - d'une entreprise en matière d'architecture, de personnel, d'analyse, d'éthique, de protection de la vie privée, etc. Il s'agit d'une mesure objective qui peut être fournie soit par un examen indépendant, soit par une auto-évaluation.
Pourquoi la maturité data est-elle particulièrement importante pour les institutions financières ?
La réglementation étant une question cruciale dans le monde de la finance, plus le niveau de maturité de data d'une banque ou d'une compagnie d'assurance est élevé, plus data est susceptible d'être bien contrôlé, bien géré, bien gouverné et sûr.
“Data tels que les indicateurs de risque, les déclarations des clients ou les rapports financiers peuvent être considérés comme plus précis en raison de la maturité de data dans ces domaines”, déclare Chris Bannocks.
Mais la réglementation n'est pas le seul moteur de la maturité data. Une institution financière ayant atteint la maturité data peut tirer parti de l'ensemble des solutions offertes par l'analyse data et l'IA, ce qui permet d'améliorer la prise de décision, de mieux connecter l'entreprise et d'accroître l'avantage concurrentiel. Par exemple, une compagnie d'assurance plus data mature serait plus à même d'utiliser l'IA pour déterminer le risque d'assurance personnalisé pour chaque client, ce qui conduirait à des polices mieux adaptées et à des avantages commerciaux significatifs.
Où se situent actuellement les institutions financières sur l'échelle de maturité data ?
De nombreuses institutions financières considèrent encore la maturité data comme un jeu à somme nulle - soit vous êtes mature data, soit vous ne l'êtes pas. Au contraire, la maturité data devrait être considérée comme un spectre avec différents degrés de maturité appropriés pour différentes parties de l'entreprise, dit Athena. “Cette vision segmentée de la maturité rend le défi data plus digeste pour les IF, leur permettant de cibler d'abord les domaines prioritaires et d'échanger la maturité dans des domaines qui peuvent ne pas être aussi importants pour l'entreprise, ou qui peuvent générer un retour sur investissement plus faible.”
Selon Chris, sur une échelle de maturité data de 1 à 5, la plupart des institutions financières se situent entre 3 et 4. “Les institutions financières ont fait de grands progrès parce qu'elles travaillent dur dans le domaine de la maturité et des capacités depuis environ 15 ans. Mais si vous vous penchez sur la qualité, l'architecture ou l'éthique de data, vous constaterez que les niveaux de maturité varient d'un secteur à l'autre”.”
Quels sont les défis auxquels les institutions financières sont confrontées dans le parcours de maturité data ?
La complexité et l'ancienneté de l'architecture et des systèmes existants restent l'un des principaux défis auxquels sont confrontées les banques et les compagnies d'assurance. Sur les 100 premières banques mondiales, 92 s'appuient encore sur l'ordinateur central d'IBM pour leurs opérations. L'utilisation d'un système obsolète est synonyme de manque d'agilité et d'une architecture qui n'est pas en mesure de faire face à des charges de travail croissantes, en particulier lorsqu'il s'agit de Big Data.
Le deuxième défi majeur est lié aux personnes et à la complexité de l'organisation. Le changement de comportement et l'adoption sont difficiles à réaliser dans tous les secteurs, et pas seulement dans les institutions financières. Mais la complexité organisationnelle des IF rend plus difficile la responsabilisation et l'appropriation de data et la création de valeur pour l'entreprise.
Selon Chris, “il est peut-être plus facile pour les employés des banques et des assurances de changer de comportement, car ils sont habitués à des environnements réglementés et peuvent adopter des éléments tels que data governance plus facilement que ceux d'autres secteurs d'activité. Mais la taille et la complexité des structures organisationnelles elles-mêmes peuvent présenter des exigences différentes du point de vue de la maturité data : une banque de détail n'a pas les mêmes besoins en termes de maturité qu'une banque d'investissement. La différence peut être mineure, mais elle exige que la réponse à chaque projet soit adaptée à chaque cas en termes de valeur commerciale, et pas seulement de valeur réglementaire”.”
Quelles mesures les institutions financières peuvent-elles prendre pour devenir plus matures data ?
La réponse générale est d'accélérer le passage à l'analytique. Voici quelques mesures que les institutions financières peuvent prendre pour y parvenir :
