Auteur
Bien que le maillage data soit rapidement devenu un mot à la mode dans le secteur des services financiers, il reste entouré de mystère. Les organisations veulent l'adopter, mais peu d'entre elles ont une compréhension globale de ce dont il s'agit. Elles sont encore moins nombreuses à savoir que les éléments constitutifs d'un maillage data ne sont pas des concepts tout à fait nouveaux, ce qui signifie que de nombreuses institutions financières ont déjà mis en place certains éléments constitutifs de base. Mais l'adoption et l'intégration efficaces des principes du maillage data dans l'ensemble d'une organisation reposent sur une solide compréhension des défis commerciaux data et de la manière dont les différents aspects du maillage data les abordent afin d'obtenir un impact commercial tangible.
Trois défis fondamentaux Data pour les services financiers
Notre expérience de travail avec les grandes institutions financières mondiales nous a permis d'observer trois défis fondamentaux en matière de data. Ceux-ci restent endémiques et communs à toutes les organisations de services financiers, qu'il s'agisse de banques, de compagnies d'assurance ou de gestionnaires d'actifs.
Data Mesh : Qu'est-ce que c'est et comment cela peut ajouter de la valeur
Data mesh est un cadre de gestion de data qui permet à l'entreprise de s'approprier le data qu'elle crée et de le mettre à la disposition des consommateurs dans l'ensemble de l'entreprise, tout en veillant à ce que les contrôles et les accords appropriés soient mis en place pour que ce data reste entre de bonnes mains. Le maillage de Data comprend quatre éléments clés : la propriété de data ; le traitement de data comme un produit ; l'établissement d'un data platform libre-service ; et la mise en œuvre d'une gouvernance fédérée. La mise en œuvre de ces éléments signifie que data peut être utilisé de manière responsable dans tous les domaines de data et permet une prise de décision décentralisée de data.
Chaque pilier du maillage data est réuni pour gérer et résoudre de manière globale les problèmes data les plus courants auxquels sont confrontées les entreprises de services financiers, qui inhibent tous la transformation numérique.
Plateforme libre-service Data
Un data platform en libre-service est souvent la base nécessaire pour permettre la démocratisation et surmonter les défis de l'architecture existante. Un data platform alimenté par cloud permet un accès ciblé à data, tout en maintenant des contrôles de conformité transparents, et fournit l'architecture flexible et évolutive nécessaire au développement d'applications et de produits data. (Artefact a fait ses preuves en matière de livraison rapide de data platforms, en tenant compte de la valeur commerciale, de la facilité d'utilisation et de la sécurité de l'information).
Propriété Data
Il est essentiel de définir la propriété de data entre data, les entreprises et les services informatiques, car cela permet un partage régi de data et de meilleurs résultats pour l'entreprise. En outre, l'adoption d'une vision des domaines et sous-domaines de data à l'échelle de l'entreprise permet d'éviter les goulets d'étranglement et de garantir l'alignement sur l'évolution des besoins de l'entreprise. Un modèle d'entreprise Data (EDM), qui élimine les silos et établit clairement la propriété et la compréhension de data, est donc la prochaine étape importante pour jeter les bases de l'appropriation de data par l'entreprise.
Data en tant que produit
Une approche axée sur les produits data rend la transformation data tangible pour les utilisateurs professionnels, garantit un chemin clair vers la valeur et permet une plus grande démocratisation de data. Les produits Data peuvent être considérés comme des services packagés proposés aux ‘clients internes’ : data-as-a-service fournit une data standardisée et propre ; analytics-as-a-service offre des calculs statistiques avancés ou d'apprentissage automatique ; et KPI-as-a-service fournit des indicateurs de performance cruciaux pour l'entreprise. Ces produits data sont gérés par des équipes de produits interfonctionnelles qui combinent les ressources commerciales et techniques pour répondre aux besoins de l'organisation.
Gouvernance fédérée
La transformation Data doit être étayée par un modèle opérationnel et une structure de gouvernance qui permettent un degré approprié de décentralisation tout en maintenant les exigences en matière de sécurité et de conformité. Bien que la ‘bonne’ structure opérationnelle varie en fonction de la société de services financiers concernée, toutes les organisations doivent passer d'une centralisation à une démocratisation contrôlée, un changement qui doit être mené par l'entreprise plutôt que par l'informatique.
Considérations et conclusions
L'adoption d'une approche maillée data dans le secteur des services financiers nécessite plusieurs changements importants - des systèmes existants à une infrastructure cloud évolutive, d'une gestion data centralisée à une démocratisation data contrôlée, et d'une data pilotée par les TI à une data pilotée par les entreprises. Toutes ces évolutions nécessitent des changements à la fois techniques et organisationnels, ce qui peut constituer un défi pour toute organisation.
Toutefois, l'adoption d'une approche de maillage data bien mise en œuvre qui englobe les changements requis peut permettre aux sociétés de services financiers d'exploiter efficacement leur data en supprimant les cloisonnements et en prenant des décisions data-driven qui stimulent la croissance et l'innovation de l'entreprise. Ce faisant, elles contribuent à se transformer en organisations tournées vers l'avenir.
