Big Data : source de création de valeur pour une banque ?

Dans ce contexte, le Big Data peut se faire le vecteur d’une nouvelle conception de compétitivité, de performance, de qualité et un facteur de différenciation majeur. Grâce aux Big data, la banque est en mesure de savoir identifier et connaître à distance le client et ses besoins pour lui faire de façon proactive des propositions pertinentes et personnalisée.

Comment transformer le Big Data en source de création de valeur pour la banque ?  

• Améliorer l’expérience client : le Big Data permet d’identifier les habitudes de consommation et les préférences des clients. Dans la perspective des banques, une meilleure connaissance des utilisateurs induit des solutions bancaires plus personnelles et une expérience optimisée tant dans les enseignes physiques que sur les interfaces digitales.
• Transformer les processus métiers bancaires : Les banques modernes ont construit une « platform analytics capability » qui collecte et analyse non seulement des données multistructurées internes mais également des données provenant de sources externes. Ces analyses permettent aux banques par la suite d’identifier des insights actionnables catalyseurs de la transformation des processus métiers.
• Booster la performance des systèmes d’information (IT) : Les technologies informatiques Big Data peuvent à la fois améliorer les capacités et réduire les coûts des systèmes informatiques bancaires. En effet, le Big Data permet de (i) traiter efficacement les grandes quantités de données générées par les parcours client omnicanaux, (ii) mettre en œuvre de modèles plus sophistiqués et à forte intensité de données et (iii) mieux équilibrer les charges de travail des Data Warehouse (DWH) fonctionnant souvent près des niveaux de saturation, évitant ainsi des mises à niveau coûteuses.
• Détecter la fraude : Le traitement du Big Data permet la capacité d’extraire, de traiter et de détecter les fraudes en temps réel. Le potentiel du Big Data en matière de détection des fraudes réside dans la vitesse de traitement et la maîtrise du fameux streaming rendant ainsi possible la détection de fraudes non avérées en temps réel. Par ailleurs, et pour aller plus loin, les experts de l’intelligence artificielle (IA) ont développé des algorithmes de prédiction permettant de détecter les fraudes futures en se basant sur les données historiques.
• Mutualiser les données entre banques : Grâce au Big Data et à la mise en commun des données et l’analyse collaborative, les institutions financières peuvent mieux comprendre, évaluer et réduire les risques de blanchiment des capitaux et de financement du terrorisme et par là même, identifier plus facilement les activités illégales.

Comment améliorer l’expérience client et lutter contre la fraude avec le Big Data ?  

Concernant l’expérience client :

• Au-delà de la personnalisation de l’expérience client, le Big Data peut se faire le vecteur d’une toute nouvelle conception de la performance et de la qualité au sein des banques. Mieux renseignés sur les besoins et les attentes de leurs clients, les conseillers seront en mesure d’automatiser la conception et la diffusion de campagnes ou d’offres commerciales taillées sur mesure pour des segments de clientèle clairement identifiés.
• La réussite de telles actions nécessite une stratégie orientée Data. Il convient en premier lieu d'optimiser la collecte d'informations en augmentant l'efficacité de l'acquisition des mégadonnées. Il est en outre vital d'assurer la synchronisation entre les différentes applications, plateformes et services permettant le contact avec le client.
• La seconde étape du processus consiste à traiter ces données afin d’identifier des insights actionnables. La troisième et dernière étape de cette stratégie devra faire appel au Big Data autant qu’aux départements marketing et commercial afin d’exploiter les renseignements fournis par les données.

Concernant la lutte contre la fraude :

• Le succès de la détection de la fraude repose principalement sur la pertinence de l’algorithme ou de la suite d’algorithmes utilisés, la profondeur des données manipulées, et sur la puissance de calcul à disposition.
• Dans ce contexte, le Big Data permet de croiser un nombre de données supérieur, aux sources diverses, permettant ainsi d’obtenir un scoring de risque plus juste et une détection de la fraude optimisée.

 Par Zineb Marfoq, Senior Manager