{"id":67250,"date":"2022-06-08T14:49:24","date_gmt":"2022-06-08T13:49:24","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=blog&p=67250"},"modified":"2024-09-20T17:45:49","modified_gmt":"2024-09-20T16:45:49","slug":"data-maturity-climbing-the-scale-in-financial-institutions","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/fr\/blog\/data-maturity-climbing-the-scale-in-financial-institutions\/","title":{"rendered":"Data maturit\u00e9 : L'escalade dans les institutions financi\u00e8res"},"content":{"rendered":"

Auteur<\/h2><\/div>\"Image\"

Athena Sharma - Artefact<\/h3><\/div>

Directeur-conseil<\/p>\n

Responsable mondial des services financiers<\/p>\n<\/div><\/div><\/div>

Auteur<\/h2><\/div>\"Image\"

Chris Bannocks - QBE Insurance<\/h3><\/div>

Chef du groupe Data<\/p>\n<\/div><\/div><\/div><\/div><\/div>

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 maturit\u00e9 data - ce qu'elle est, le r\u00f4le qu'elle joue dans les affaires aujourd'hui, et pourquoi elle repr\u00e9sente un d\u00e9fi particulier pour les banques, les compagnies d'assurance, les maisons de courtage, les coop\u00e9ratives de cr\u00e9dit et d'autres entreprises du secteur des services financiers.<\/p>\n<\/div><\/div><\/div><\/div><\/div>

Qu'entend-on par maturit\u00e9 de data ?<\/h2><\/div>

En termes g\u00e9n\u00e9raux, la maturit\u00e9 de data mesure le niveau de capacit\u00e9 d'une organisation \u00e0 cr\u00e9er de la valeur \u00e0 partir de sa data. Pour atteindre un niveau de maturit\u00e9 \u00e9lev\u00e9, la data doit \u00eatre profond\u00e9ment ancr\u00e9e dans l'ensemble de l'organisation et pleinement int\u00e9gr\u00e9e dans chacune de ses d\u00e9cisions et activit\u00e9s. Il s'agit d'un facteur cl\u00e9 de la r\u00e9ussite de la transformation num\u00e9rique. Plus son niveau de maturit\u00e9 est \u00e9lev\u00e9, plus l'entreprise b\u00e9n\u00e9ficiera d'avantages concurrentiels.<\/p>\n<\/div>

Pour mesurer la maturit\u00e9 data, un mod\u00e8le de maturit\u00e9 est utilis\u00e9 pour \u00e9valuer les diff\u00e9rentes capacit\u00e9s data et num\u00e9riques d'une entreprise. \u201cIl existe de nombreux mod\u00e8les de maturit\u00e9 diff\u00e9rents, mais ils utilisent tous une s\u00e9rie de questions pour \u00e9valuer le niveau de maturit\u00e9 d'une entreprise dans de nombreuses dimensions diff\u00e9rentes\u201d, explique le directeur g\u00e9n\u00e9ral de l'Agence europ\u00e9enne pour la s\u00e9curit\u00e9 et la sant\u00e9 au travail (ESA). Chris Bannocks<\/a>. \u201cIl s'agit notamment des capacit\u00e9s - ou de la maturit\u00e9 - d'une entreprise en mati\u00e8re d'architecture, de personnel, d'analyse, d'\u00e9thique, de protection de la vie priv\u00e9e, etc. Il s'agit d'une mesure objective qui peut \u00eatre fournie soit par un examen ind\u00e9pendant, soit par une auto-\u00e9valuation.<\/p>\n<\/div>

\u201cLe r\u00e9sultat est une agr\u00e9gation, de sorte que les entreprises doivent d\u00e9cider o\u00f9 elles veulent acqu\u00e9rir plus de maturit\u00e9 data et o\u00f9 moins est acceptable. Il n'est pas n\u00e9cessaire d'atteindre le niveau le plus \u00e9lev\u00e9 dans chaque dimension. Vous devez vous demander : \u2018Quelle est la finalit\u00e9 de la maturit\u00e9 ?\u2019.\u201d<\/div>\n<\/div>
d\u00e9clare Chris Bannocks.<\/div>\n<\/div>

Pourquoi la maturit\u00e9 data est-elle particuli\u00e8rement importante pour les institutions financi\u00e8res ?<\/h2><\/div>

La r\u00e9glementation \u00e9tant une question cruciale dans le monde de la finance, plus le niveau de maturit\u00e9 de data d'une banque ou d'une compagnie d'assurance est \u00e9lev\u00e9, plus data est susceptible d'\u00eatre bien contr\u00f4l\u00e9, bien g\u00e9r\u00e9, bien gouvern\u00e9 et s\u00fbr.<\/p>\n<\/div>

\u201cData tels que les indicateurs de risque, les d\u00e9clarations des clients ou les rapports financiers peuvent \u00eatre consid\u00e9r\u00e9s comme plus pr\u00e9cis en raison de la maturit\u00e9 de data dans ces domaines\u201d, d\u00e9clare Chris Bannocks.<\/p>\n<\/div>

Mais la r\u00e9glementation n'est pas le seul moteur de la maturit\u00e9 data. Une institution financi\u00e8re ayant atteint la maturit\u00e9 data peut tirer parti de l'ensemble des solutions offertes par l'analyse data et l'IA, ce qui permet d'am\u00e9liorer la prise de d\u00e9cision, de mieux connecter l'entreprise et d'accro\u00eetre l'avantage concurrentiel. Par exemple, une compagnie d'assurance plus data mature serait plus \u00e0 m\u00eame d'utiliser l'IA pour d\u00e9terminer le risque d'assurance personnalis\u00e9 pour chaque client, ce qui conduirait \u00e0 des polices mieux adapt\u00e9es et \u00e0 des avantages commerciaux significatifs.<\/p>\n<\/div>

\u201c Tirer parti de l'IA et des big data analytics pour une prise de d\u00e9cision pilot\u00e9e par data, permettre une plus grande personnalisation et optimiser les processus est un facteur de r\u00e9ussite essentiel pour les banques et les compagnies d'assurance. Mais surmonter les d\u00e9fis de la maturit\u00e9 data h\u00e9rit\u00e9e du pass\u00e9 continue d'\u00eatre un obstacle majeur,\u201d<\/div>\n<\/div>
d\u00e9clare Athena Sharma.<\/div>\n<\/div>

O\u00f9 se situent actuellement les institutions financi\u00e8res sur l'\u00e9chelle de maturit\u00e9 data ?<\/h2><\/div>

De nombreuses institutions financi\u00e8res consid\u00e8rent encore la maturit\u00e9 data comme un jeu \u00e0 somme nulle - soit vous \u00eates mature data, soit vous ne l'\u00eates pas. Au contraire, la maturit\u00e9 data devrait \u00eatre consid\u00e9r\u00e9e comme un spectre avec diff\u00e9rents degr\u00e9s de maturit\u00e9 appropri\u00e9s pour diff\u00e9rentes parties de l'entreprise, dit Athena. \u201cCette vision segment\u00e9e de la maturit\u00e9 rend le d\u00e9fi data plus digeste pour les IF, leur permettant de cibler d'abord les domaines prioritaires et d'\u00e9changer la maturit\u00e9 dans des domaines qui peuvent ne pas \u00eatre aussi importants pour l'entreprise, ou qui peuvent g\u00e9n\u00e9rer un retour sur investissement plus faible.\u201d<\/p>\n

Selon Chris, sur une \u00e9chelle de maturit\u00e9 data de 1 \u00e0 5, la plupart des institutions financi\u00e8res se situent entre 3 et 4. \u201cLes institutions financi\u00e8res ont fait de grands progr\u00e8s parce qu'elles travaillent dur dans le domaine de la maturit\u00e9 et des capacit\u00e9s depuis environ 15 ans. Mais si vous vous penchez sur la qualit\u00e9, l'architecture ou l'\u00e9thique de data, vous constaterez que les niveaux de maturit\u00e9 varient d'un secteur \u00e0 l'autre\u201d.\u201d<\/p>\n<\/div>

Quels sont les d\u00e9fis auxquels les institutions financi\u00e8res sont confront\u00e9es dans le parcours de maturit\u00e9 data ?<\/h2><\/div>

La complexit\u00e9 et l'anciennet\u00e9 de l'architecture et des syst\u00e8mes existants restent l'un des principaux d\u00e9fis auxquels sont confront\u00e9es les banques et les compagnies d'assurance. Sur les 100 premi\u00e8res banques mondiales, 92 s'appuient encore sur l'ordinateur central d'IBM pour leurs op\u00e9rations. L'utilisation d'un syst\u00e8me obsol\u00e8te est synonyme de manque d'agilit\u00e9 et d'une architecture qui n'est pas en mesure de faire face \u00e0 des charges de travail croissantes, en particulier lorsqu'il s'agit de Big Data.<\/p>\n<\/div>

\u201cEn raison de ces d\u00e9fis, les IF doivent soit augmenter leur capacit\u00e9 de traitement, soit reconstruire leur architecture existante, deux solutions qui demandent beaucoup d'efforts et de temps. Cela contraste fortement avec les FinTechs agiles qui peuvent rester agiles et centr\u00e9s sur le client d\u00e8s le d\u00e9part\u201d.\u201d<\/div>\n<\/div>
d\u00e9clare Athena Sharma.<\/div>\n<\/div>

Le deuxi\u00e8me d\u00e9fi majeur est li\u00e9 aux personnes et \u00e0 la complexit\u00e9 de l'organisation. Le changement de comportement et l'adoption sont difficiles \u00e0 r\u00e9aliser dans tous les secteurs, et pas seulement dans les institutions financi\u00e8res. Mais la complexit\u00e9 organisationnelle des IF rend plus difficile la responsabilisation et l'appropriation de data et la cr\u00e9ation de valeur pour l'entreprise.<\/p>\n

Selon Chris, \u201cil est peut-\u00eatre plus facile pour les employ\u00e9s des banques et des assurances de changer de comportement, car ils sont habitu\u00e9s \u00e0 des environnements r\u00e9glement\u00e9s et peuvent adopter des \u00e9l\u00e9ments tels que data governance plus facilement que ceux d'autres secteurs d'activit\u00e9. Mais la taille et la complexit\u00e9 des structures organisationnelles elles-m\u00eames peuvent pr\u00e9senter des exigences diff\u00e9rentes du point de vue de la maturit\u00e9 data : une banque de d\u00e9tail n'a pas les m\u00eames besoins en termes de maturit\u00e9 qu'une banque d'investissement. La diff\u00e9rence peut \u00eatre mineure, mais elle exige que la r\u00e9ponse \u00e0 chaque projet soit adapt\u00e9e \u00e0 chaque cas en termes de valeur commerciale, et pas seulement de valeur r\u00e9glementaire\u201d.\u201d<\/p>\n<\/div>

Quelles mesures les institutions financi\u00e8res peuvent-elles prendre pour devenir plus matures data ?<\/h2><\/div>

La r\u00e9ponse g\u00e9n\u00e9rale est d'acc\u00e9l\u00e9rer le passage \u00e0 l'analytique. Voici quelques mesures que les institutions financi\u00e8res peuvent prendre pour y parvenir :<\/p>\n<\/div>

  • <\/i><\/span>
    \n

    \u00c9valuez les fondations : <\/b>Les institutions financi\u00e8res devraient commencer par un audit complet de leur data foundations, non seulement en \u00e9valuant les capacit\u00e9s techniques, mais aussi en posant les bonnes questions aux entreprises. \u201cDans la plupart des cas, les fondations existantes sont suffisantes. Une fois que les institutions financi\u00e8res commenceront \u00e0 mettre en place des mesures de maturit\u00e9 data autour d'elles, elles s'am\u00e9lioreront progressivement\u201d, d\u00e9clare Chris.<\/p>\n<\/div><\/li>

  • <\/i><\/span>
    \n

    Pilotez les bons cas d'utilisation : <\/b>Les institutions financi\u00e8res doivent adopter une approche agile dans laquelle elles \u201cchangent en agissant maintenant, plut\u00f4t que d'agir apr\u00e8s que le changement se soit produit\u201d, d\u00e9clare Athena. En pratique, cela signifie qu'il faut s\u00e9lectionner des cas d'utilisation qui r\u00e9pondent \u00e0 des probl\u00e8mes commerciaux sp\u00e9cifiques, d\u00e9finir les exigences pour permettre ces cas d'utilisation et modifier les param\u00e8tres de maturit\u00e9 data en fonction de ces exigences. Le changement devient ainsi plus facile \u00e0 g\u00e9rer et plus efficace.<\/p>\n<\/div><\/li>

  • <\/i><\/span>
    \n

    R\u00e9alisez la valeur \u00e0 un stade pr\u00e9coce pour maintenir l'\u00e9lan : <\/b>L'un des principaux revers est que les projets de transformation \u00e0 grande \u00e9chelle perdent de leur \u00e9lan au fil du temps et que la r\u00e9alisation de la valeur prend trop de temps, voire n'a pas lieu du tout. Une approche agile de la maturit\u00e9 de data, bas\u00e9e sur des cas d'utilisation, permet une r\u00e9alisation rapide de la valeur et, par cons\u00e9quent, une plus grande adh\u00e9sion de l'entreprise.<\/p>\n<\/div><\/li>

  • <\/i><\/span>
    \n

    Gardez les gens au c\u0153ur du changement : <\/b>Selon Chris, \u201cla maturit\u00e9 de Data doit inclure et comprendre la composante humaine, ainsi que la consommation et l'utilisation de data dans le mod\u00e8le, et pas seulement la mani\u00e8re dont vous la g\u00e9rez jusqu'\u00e0 son point final. Pour obtenir une valeur r\u00e9elle d'un mod\u00e8le de maturit\u00e9 data, toutes ces composantes doivent \u00eatre incluses\u201d.\u201d<\/p>\n<\/div><\/li><\/ul><\/div><\/div><\/div><\/article><\/p>","protected":false},"excerpt":{"rendered":"

    Athena Sharma, directrice et responsable mondiale des services financiers chez Artefact, et Chris Bannocks, directeur num\u00e9rique du groupe chez QBE Insurance, \u00e9voquent l'\u00e9ch\u00e9ance de data.<\/p>","protected":false},"featured_media":62904,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[22035,21930],"blog-language":[2991],"class_list":["post-67250","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-data-ai-consulting","blog-category-finance","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog\/67250","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/media\/62904"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/media?parent=67250"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog-category?post=67250"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog-language?post=67250"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}