Le magazine de Magellan Partners
4e
trimestre 2015
Interview
Gilbert TON
Crédit Foncier
de France
Interview
Sébastien
TRIV...
Sommaire
4e
trimestre 2015 n page 2
Pages 04 - 07
Exploitation des données
définition, tendances & enjeux
Page 08
Quelles ...
TOUR DE FRANCE CAIH
LES USAGES DANS LE
SECTEUR DE LA SANTÉ
WEBCAST
GESTION DES IDENTITÉS
POUR LES COLLECTIVITÉS
ZUORA :
TA...
Exploitation des données,
définition, tendances  enjeux

4e
trimestre 2015 n page 4
Préambule
Les clients et leurs attente...
4e
trimestre 2015 n page 5

Focus Fintech
Notre vision, la transformation digitale
se caractérise par la mise en œuvre
des...
Les banques de détail commencent à considérer le Big Data comme
des actifs prometteurs pour générer de nouveaux flux de re...
Le produit en tant qu’objet est valorisé jusqu’à présent par ses caractéristiques techniques. Dans l’ère du numérique, le ...
Quelles contraintes et restrictions
du consentement client à la maîtrise
des risques réglementaires ?
L’usage des données ...
Concrètement, comment réussir
la transformation digitale ?
Le défi est de décloisonner les silos pour augmenter l’efficaci...
4e
trimestre 2015 n page 10
// Concrètement, comment réussir la transformation digitale ?
De façon générale, quels sont le...
4e
trimestre 2015 n page 11
// Concrètement, comment réussir la transformation digitale ?
 Risques
n Optimiser les conditi...
// Concrètement, comment réussir la transformation digitale ?
4e
trimestre 2015 n page 12
 FINANCE
Positionné au sein de l...
IT - Sécurité
Sécurisation du patrimoine informationnel 
Tirer le meilleur de vos données,
dans un cadre d’utilisation sûr...
4e
trimestre 2015 n page 14
DSA (Digital Security Agency) propose des
offres de Conseil, d’Audit de Sécurité des
Systèmes ...
4e
trimestre 2015 n page 15
Data Lake  Big Data
A nouveau paradigme, nouveau vocabulaire.
Sébastien, qu’est-ce qu’un data ...
Data Lake  Big Data / Interview de Sébastien Trivella
4e
trimestre 2015 n page 16
Par ailleurs, les cabinets de conseil sp...
4e
trimestre 2015 n page 17
Quelle est la valeur ajoutée de Magellan Partners sur la mise en place d’un data lake et d’un ...
4e
trimestre 2015 n page 18
Présentation Magellan Partners
Ont contribué à la rédaction de cette édition Imagine :
CONSEIL...
4e
trimestre 2015 n page 19
OPTIMISATION DES PROCESSUS
ET RECHERCHE
PERFORMANCE
PILOTAGE DE PROJETS
ET ASSISTANCE
À MAÎTRI...
Magellan Partners
48-50 rue de la Victoire - 75009 Paris
Tél. +33 (0)1 42 66 06 06
www.magellan-partners.eu
@MagellanPartn...
Prochain SlideShare
Chargement dans…5
×

Magellan Partners - Valoriser l’expérience client et augmenter la rentabilité des banques grâce à l’exploitation des données

3 425 vues

Publié le

Les premiers signes d’activité bancaire datent de 2000 avant JC, avant même l’apparition de la monnaie : des commerçants mésopotamiens reçoivent des biens précieux en dépôts et octroient des crédits sur la base de ces mêmes biens. Ces échanges commerciaux asynchrones étaient retranscrits grâce à des inscriptions cunéiformes sur des tablettes d’argile, qu’il fallait produire, archiver et analyser lorsque les engagements arrivaient à échéance. Il y a 4 millénaires, le destin de la banque était déjà lié à celui de la donnée. Depuis quelques années, les enjeux des données pour la banque ont investi une nouvelle dimension : ces données seraient une source inépuisable de développement de l’activité et d’optimisation des coûts. Leur utilisation serait même la solution à l’ensemble des défis que rencontre le secteur bancaire :
• Pour personnaliser les services rendus au client, • Pour développer de nouveaux produits et services, • Pour gagner en performance dans l’octroi des crédits, • Pour détecter la fraude et protéger tant le client que l’établissement, • Pour contrer les offensives commerciales des FinTechs, redoutables nouveaux concurrents, • Pour répondre aux besoins d’information exprimés par les régulateurs…
Après un tour d’horizon de ces nouvelles potentialités, ce numéro d’iMAGine propose des éléments de réflexion autour des aspects les plus fondamentaux de l’exploitation des données :
n Quelles en sont les limites ? Est-ce que le client consentira à ce que la banque utilise ses données comme il autorise les GAFA à le faire ? n Comment définir les initiatives à mener dans une banque ? Comment les mettre en place et via quelles technologies possibles? n Quel principe d’investissement peut être envisagé pour se lancer? n La qualité et la sécurité de ces données sont-elles des contraintes ou des opportunités ? n Comment passer d’une idée à une industrialisation ?
Si la donnée est indéniablement le pétrole du XXIe siècle, le chemin jusqu’à une extraction performante, un raffinage efficace et une distribution pertinente est encore long. Les consultants et experts du groupe Magellan Partners sauront vous accompagner sur chacune de ces étapes.

Publié dans : Business
0 commentaire
2 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
3 425
Sur SlideShare
0
Issues des intégrations
0
Intégrations
1 373
Actions
Partages
0
Téléchargements
27
Commentaires
0
J’aime
2
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Magellan Partners - Valoriser l’expérience client et augmenter la rentabilité des banques grâce à l’exploitation des données

  1. 1. Le magazine de Magellan Partners 4e trimestre 2015 Interview Gilbert TON Crédit Foncier de France Interview Sébastien TRIVELLA Magellan Consulting P.10 P.15 Valoriser l’expérience client et augmenter la rentabilité des banques grâce à l’exploitation des données
  2. 2. Sommaire 4e trimestre 2015 n page 2 Pages 04 - 07 Exploitation des données définition, tendances & enjeux Page 08 Quelles contraintes et restric- tions du consentement client à la maîtrise des risques réglemen- taires ? Pages 09-14 • Concrètement, comment réus- sir la transformation digitale ? • Interview de GilbertTon Pages 15-17 • Data Lake et Big Data : interview de SébastienTrivella Page 18 Magellan Partners : Offre Banque Page 19 Magellan Partners : catalyseur de votre transforma- tion digitale ! Édito Les premiers signes d’activité bancaire datent de 2000 avant JC, avant même l’apparition de la monnaie : des commerçants mésopotamiens reçoivent des biens précieux en dépôts et octroient des crédits sur la base de ces mêmes biens. Ces échanges commerciaux asynchrones étaient retranscrits grâce à des inscriptions cunéiformes sur des tablettes d’argile, qu’il fallait produire, archiver et analyser lorsque les engagements arrivaient à échéance. Il y a 4 millénaires, le destin de la banque était déjà lié à celui de la donnée. Depuis quelques années, les enjeux des données pour la banque ont investi une nouvelle dimension : ces données seraient une source inépuisable de développement de l’activité et d’optimisation des coûts. Leur utilisation serait même la solution à l’ensemble des défis que rencontre le secteur bancaire : • Pour personnaliser les services rendus au client, • Pour développer de nouveaux produits et services, • Pour gagner en performance dans l’octroi des crédits, • Pour détecter la fraude et protéger tant le client que l’établissement, • Pour contrer les offensives commerciales des FinTechs, redoutables nouveaux concurrents, • Pour répondre aux besoins d’information exprimés par les régulateurs… Après un tour d’horizon de ces nouvelles potentialités, ce numéro d’iMAGine proposedesélémentsderéflexionautourdesaspectslesplusfondamentaux de l’exploitation des données : n Quelles en sont les limites ? Est-ce que le client consentira à ce que la banque utilise ses données comme il autorise les GAFA à le faire ? n Comment définir les initiatives à mener dans une banque ? Comment les mettre en place et via quelles technologies possibles? n Quel principe d’investissement peut être envisagé pour se lancer? n La qualité et la sécurité de ces données sont-elles des contraintes ou des opportunités ? n Comment passer d’une idée à une industrialisation ? Si la donnée est indéniablement le pétrole du XXIe siècle, le chemin jusqu’à une extraction performante, un raffinage efficace et une distribution pertinente est encore long. Les consultants et experts du groupe Magellan Partners sauront vous accompagner sur chacune de ces étapes. Valoriser l’expérience client et augmenter la rentabilité des banques grâce à l’exploitation des données. Stéphane Marchal Associé Magellan-Consulting, Responsable de la Practice Banque
  3. 3. TOUR DE FRANCE CAIH LES USAGES DANS LE SECTEUR DE LA SANTÉ WEBCAST GESTION DES IDENTITÉS POUR LES COLLECTIVITÉS ZUORA : TABLE RONDE IoT SEMINAIRE SMARTWORK : OSEZ LA RUPTURE ! 12/11 18/11 03/12 09/10 15/10 SÉMINAIRE IDENTITY FOR BUSINESS 19/11 17/11 SALON DES MAIRES SMART CITY IoT Début 2016 SÉMINAIRE INDUSTRIALISATION DES PROJETS BIG DATA Les actualités de Magellan Partners À vos agendas Cet automne, Magellan Partners prend la parole !   Magellan Partners se mobilise pour vous faire partager ses retours d’expérience et échanger sur la digitalisation des entreprises lors de plusieurs événements organisés partout en France. Mobilité, smartwork, poste en rupture, smart cities, hybride Cloud, ou gestion des identités, vous trouverez ci-dessous nos événements jusqu’à Décembre 2015. Vous souhaitez en savoir plus et vous inscrire ? N’hésitez pas à envoyer un mail à l’adresse contact@magellan-partners.eu Nous vous répondrons dans les meilleurs délais ! 4e trimestre 2015 n page 3 Pour accompagner sa croissance, Magellan Partners recrute 110 nouveaux collaborateurs en 2016. Pour en savoir plus, n’hésitez pas à envoyer un mail à : contact@magellan-partners.eu Ressources humaines
  4. 4. Exploitation des données, définition, tendances enjeux 4e trimestre 2015 n page 4 Préambule Les clients et leurs attentes changent ! Ils sont plus que jamais connectés et exigeants : de nouvelles façons de communiquer via les réseaux sociaux, de consommer et comparer via internet, de penser la relation client-fournisseur. Les clients souhaitent disposer de l’information en temps réel 24h/24 7J/7 (Any Time), de n’importe quel endroit (Any Where), de n’importe quel canal de communication (Any Device) sur l’ensemble des contenus (Any Content). Ce changement de culture conduit à une multiplication constante des données, dans des formats divers et dont la durée de validité est de plus en plus courte. Les données d’aujourd’hui sont déjà celles d’hier ! On estime que de 2013 à 2020, la masse de données de l’univers digital va doubler tous les deux ans ! (source Wikipedia) La donnée est le nouveau pétrole Dans un contexte fortement concurrentiel, les entreprises sont dans une recherche permanente de nouveaux axes de développement. De simples carburants des applications métiers, les données deviennent sources d’innovation et de nouveaux business. Les géants du Web comme Yahoo et Google, les FINTECH (Finance Technologie) ont anticipé cette explosion des quantités de données échangées sur internet et la valeur qu’elles permettraient de créer à condition de les exploiter “intelligemment”. Le Big Data est né ! Concrètement, qu’est-ce que le Big Data ? Le Big Data (ou “méga données”) est la face cachée de l’iceberg : ce sont l’ensemble des données personnelles enregistrées sur le web, qui sont inexploitées et non valorisées par les entreprises. L’objectif est d’apporter de la Valeur à l’entreprise et à ses clients en réussissant à collecter, analyser et mettre en cohérence un Volume colossal de données Variées (structurées et non structurées) en temps réel (Vélocité). Et cela nécessite des données de qualité, authentiques (Véracité) et stables (Variabilité). La philosophie du Big Data va au-delà de la collecte et de la mise en cohérence des données. Il permet de prédire les futurs comportements en s’appuyant sur des modèles statistiques “prédictifs” (ou machine learning). Le principe est d’enseigner au système à apprendre par l’exemple et l’historique, et non plus par une programmation déterministe et permettre ainsi d’établir des corrélations entre plusieurs informations sans hypothèse prédéfinie. Contrairement aux solutions traditionnelles d’analyse de traitement des données, il ne cherche pas à analyser le passé mais à prédire l’avenir ! Pour cela, le Big Data nécessite une architecture SI réinventée qui donne une place majeure à la donnée. Cela se traduit par : n Une infrastructure adaptable/scalable permettant de faire croître le SI rapidement et simplement, avec une capacité de stockage illimité et des serveurs “low cost” (cloud computing) n La mise en place d’outils de collecte et traitement des données sur différents canaux de distribution ou via des sources externes (réseaux sociaux, acquisition de données tierces…) et des outils d’exploitation et d’analyse performant, intégrés et quasi en temps réel (technologie Hadoop - Cf. interview Data Lake p. 15) n Une organisation adaptée et une équipe dédiée. Une transformation digitale nécessaire Traditionnellement, les banques investissent principalement sur l’optimisation des processus internes, l’efficacité opérationnelle, la rationalisation du SI ou encore le respect de la réglementation. Ces mesures bien qu’essentielles, ne sont pas suffisantes pour faire face à une concurrence accrue inter mais surtout intra sectorielle. La concurrence la plus importante vient des nouveaux entrants et principalement des jeunes entreprises numériques qui proposent aux clients des produits/services rapides et à bas prix, des “mastodontes”  du Web comme Google et Paypal ou encore de la grande distribution qui sont capables d’adapter leur stratégie marketing et commerciale aux besoins du client grâce à leur puit de données colossales. Sans investissement, les banques risquent de perdre la connaissance de leurs clients. Ce phénomène est accentué par la multiplication des points de contact, la diminution de la fréquentation des agences et la perte de proximité avec le client nécessite de suivre finement ces interactions. Allez-vous subir ou vivre le digital ? Ces nouveaux arrivants ont déjà fait leur choix. L’émergence du digital doit permettre de se rapprocher de nouveau en passant du physique au mix digital puis en renouant la relation grâce au contact humain. La vraie question n’est donc plus de savoir s’il faut s’adapter et quand mais comment s’adapter dès à présent et en tirer un avantage concurrentiel.
  5. 5. 4e trimestre 2015 n page 5 Focus Fintech Notre vision, la transformation digitale se caractérise par la mise en œuvre des réponses suivantes : n People centric : une réponse simple, rapide et personnalisée aux besoins et attentes du client n Work Smart : le passage d’une logique de silos à une logique collaborative (plateforme numérique) et d’intelligence collective (optimiser, partager et unifier les processus). n Smart World  : la modernisation de l’image de l’entreprise, la diffusion d’une culture digitale à tous les niveaux n Data centric : la sécurisation et le respect de la confidentialité des données personnelles pour rétablir la confiance client Les entreprises n’ont aujourd’hui plus de frein empêchant leur révolution digitale. Les différents leviers sont tous activés : La valorisation des données, quels enjeux pour les banques? Le pari pour la banque est de passer d’un modèle économique traditionnel à un modèle économique digital impactant l’organisation, les processus et le SI. Il faut trouver le bon équilibre entre les objectifs stratégiques et la réponse à apporter aux attentes des clients toujours plus vite et personnalisée, dans un environnement très concurrentiel. La banque a un rôle significatif à jouer dans cette révolution. Les banques couvent des trésors de données clients inexploitées, aussi bien internes qu’externes qui lui permettraient d’avoir une longueur d’avance sur d’autres industries. Chaque jour, le client réalise des paiements, des retraits, consulte son application de banque en ligne. Elle est la seule à détenir des données concrètes sur ce que leurs clients ont exactement dépensé et épargné, quand, où et à quelle fréquence. Elle a toute la matière nécessaire pour établir un profil client détaillé, anticiper leurs attentes et comportements et mieux maîtriser le risque. La quasi-totalité de la population française est “bancarisée”, le marché est donc ultra mature. Une étude internationale Capgemini et Efma, publiée en avril 2013, montre que 51% des clients interrogés dans le monde envisagent de quitter dans les 6 prochains mois leur banque. Le Big Data, les modèles prédictifs, la captation de données non structurées deviennent des enjeux majeurs pour la banque de détail et permettent d’améliorer : n la connaissance du client (vision 360) ainsi que la relation et l’expérience client en lui proposant des offres/produits/services sur mesure, au bon moment, avec un tarif adapté n la maîtrise du risque et la réponse aux enjeux réglementaires de plus en plus forts : optimiser les conditions d’octroi, détecter les fraudes, contrôler le risque… n la performance opérationnelle (requête optimisée et rapide et accès à toutes les données en ligne, à tous moment avec une traçabilité complète) n la maîtrise des coûts et de son architecture SI n la marge et le PNB via des offres commerciales dynamiques, une optimisation du processus de vente, de nouveaux flux de revenus et une monétisation des données Les Fintech (FINance et TECHnology), start up développant des technologies innovantes, ont pour ambition de proposer des services de qualité, peu coûteux, et de rendre la finance plus simple et accessible. Elles sont en pleine expansion, y compris en France, où un programme a été créé en 2015 par le Pôle de compétitivité Finance et Innovation. 28 startups ont dans ce cadre été labellisées dans six domaines… parmi lesquels le secteur bancaire. Dans la banque de détail, certaines Fintech s’adressent directement aux clients : paiements entre particuliers, solutions de paiement mobile, crédit PME… D’autres développent des technologies en particulier autour des data : analyse de risques, exploitation de données, outils de visualisation et d’aide à la décision… Un exemple : la société MyDataBall, positionnée sur la Business Intelligence et le Big Data propose une solution permettant collecte et analyse des données pour les restituer sous forme de graphiques intuitifs, facilitant ainsi la prise de décisions et l’identification d’axes d’actions. Ainsi, dans certains domaines, les Fintech se démarquent des banques parfois trop traditionnelles et silotées dans leur approche. C’est le cas du large domaine des paiements : les banques, qui possèdent les données de paiement de leurs clients, peinent à les exploiter pour répondre pleinement à leurs attentes ; les Fintech, qui possèdent d’énormes quantités de données clients et ont une longueur d’avance au niveau technologique, cherchent quant à elles (et parviennent) à transformer ces données en valeurs monétisables (cf. notre article page p.6) dédié à la monétisation des données). Faut-il alors considérer les Fintech comme des concurrentes pour les banques ? Si certaines études anticipent que quelques Fintech seront proba- blement des banques à part entière d’ici quelques années, certaines d’entre elles jouent le jeu de la complémentarité Banque et Fintech. C’est le cas d’ING, qui a nommé récemment Benoit Legrand, ex Directeur Général d’ING France, Responsable de l’activité Fintech pour l’ensemble du Groupe. Entre 2008 et 2014, les investissements dans le Monde dans le secteur des Fintech ont déjà triplé, atteignant presque 3 milliards de dollars en 2015, et l’on s’attend à un montant d’investissement de 8 milliards d’euros d’ici 2018. Entre les Fintech et les GAFA, les banques ont donc tout intérêt à s’associer à ces nouveaux acteurs pour faire face à l’ “uberisation” du secteur. Socialisation et intelligence des processus Extension de la relation avec les tiers Automatisation des processus Création de nouveaux business models TRANSFORMATIONINTERNE SIMPLICITÉ PERSONNALISATION PEOPLE CENTRIC FIABILITÉ CONFIDENTIALITÉ DATA CENTRIC ENGAGEMENT DES EMPLOYÉS WORK SMART EFFICIENCE OPÉRATIONNELLE ANTICIPATION PROSPECTIVE SMART WORLD CULTURE IMAGE ENTREPRISEÉTENDUE Data Analytics Big-Data MÉTIER : par la prise de conscience des directions Métiers de la valeur du patrimoine de données de l’entreprise. ORGANISATIONNEL : par l’émergence du “Data Analytics”, un ensemble de pratiques et disciplines permettant d’exploiter efficacement ces données. TECHNOLOGIQUE : par l’évènement des technologies “Big Data” (entre autres) qui permettent, de manière ac- cessible, le traitement d’importants volumes de données.
  6. 6. Les banques de détail commencent à considérer le Big Data comme des actifs prometteurs pour générer de nouveaux flux de revenus. Plus que jamais, les banques de détail ont besoin d’utiliser la valeur de leurs données pour créer des offres plus concurrentielles ou capter une clientèle fortement liée à la génération digitale. Elles ont également besoin de se projeter au-delà de la vente de produits complémentaires et d’examiner comment l’analyse des Big Data peut rétablir la confiance et améliorer l’ensemble de l’expérience client. A titre d’exemples : • La Société générale a mis en place un modèle lui permettant de proposer à ses 8 millions de clients particuliers en France des produits d’épargne au “bon moment  de l’année” en mettant en corrélation les données relatives à leurs revenus, et à leur effort d’épargne, les dates de versement de bonus, primes et 13e mois. Tout cela en 3 ou 4 minutes ! • Côté ING Belgium, des initiatives payantes sur la clientèle ciblée : Génération Z. Une enquête en ligne menée sur la plateforme omni-canal Selligent lors d’un festival de musique qui a permis d’offrir des services gratuits à 30 000 jeunes lors de l’évenément. La popularité de la banque ING a augmenté de plus de 20 % et la considération de la marque de 30 % et des initiatives marketing ciblées ont pu être menées pour développer les relations avec les futurs clients de la banque. Traditionnellement, les entreprises se sont attachées à valoriser les données détenues dans un usage interne pour renforcer leur dynamisme commercial, optimiser les services clients. Cependant, certaines ont aussi compris qu’elles étaient dès à présent et autrement monétisables. Exemples dans le secteur des Télécoms : • Weve Société créée par Telefonica UK et Vodaphone afin de monétiser via des services marketing dédiés les données recueillies sur plus de 31 millions d’abonnés, auprès des commerçants, de la grande distribution, de grandes marques dédiées. Objectif : identifier des typologies de consommateurs, mesurer les impacts commerciaux (smart data), cibler et réaliser des campagnes de marketing mobile. • Orange Business Services - Flux Vision Offre permettant de convertir en temps réel des millions d’informations techniques provenant du réseau mobile en indicateurs statistiques. Elle s’adresse principalement aux collectivités (transports, tourisme..), au secteur Retail dans son ensemble, au secteur bancaire. Le cas des acteurs de l’énergie Utilisation de compteurs intelligents permettant de collecter de nombreuses informations au niveau de chaque foyer afin de : • Valoriser la manière de consommer et optimiser les coûts • Renseigner les industriels et professionnels de l’énergie (isolation, équipements..) Les 1ères applications dans le secteur bancaire Selon une étude récente de McKinsey Company, seulement 10 % des revenus actuels des banques de détail sont considérés comme étant le fruit de la révolution digitale. Mais avant 2018, ces revenus devraient avoisiner au moins les 50 % pour les banques de nombreux grands marchés, notamment le Royaume-Uni, la Scandinavie et l’Europe de l’Ouest.   Certains groupes bancaires étudient déjà de nouvelles façons de monétiser les données issues des transactions réalisées par leurs clients avec leurs cartes de crédit. exemples : • Bank of America le réalise depuis 2005 en fournissant les données de paiements cartes de ses clients à des sociétés de traitement de données marketing. • En France, BNP-Paribas et Société Générale ont réfléchi à partager dès 2014 les données de leurs clients avec des entreprises tierces pour mettre en place, notamment, des campagnes de publicité et de marketing ciblées à l’instar des opérateurs télécoms. Estimation de revenu nouveau par établissement : 27 millions d’euros/an - Source Le Figaro, 01/2014 // Exploitation des données, définition, tendances enjeux 4e trimestre 2015 n page 6 Big Data = créateur de new business Prochaine vague : la monétisation des données
  7. 7. Le produit en tant qu’objet est valorisé jusqu’à présent par ses caractéristiques techniques. Dans l’ère du numérique, le défi est de concevoir des produits capables d’accueillir des services sur le produit et les données associées : On parle de Web 3.0. Notre conviction… Aujourd’hui, aucune entreprise ne peut se passer d’une présence web. Demain, sans présence dans le monde physique des objets, l’entreprise n’existera plus. L’IoT permet de n Suivre et connaitre les comportements, n Adopter une démarche orientée services (objet au second plan), n Mesurer la valeur d’usage des activités et produits, n Envisager une nouvelle forme de marketing et s’ouvrir à des réseaux de partenaires. Dans le secteur bancaire, l’IoT n’en est qu’au stade de la réflexion ou de l’expérimentation. Quelques établissements tels la Banco Sabadell en Espagne, le Crédit Mutuel Arkéa ou encore la Caisse d’Epargne en France ont déjà initié des développements via la Google Glass. Son développement ne passera que par la mise en évidence concrètes de ses apports et gains pour les consommateurs et pour les banques. A titre d’exemple : Exakis (Magellan-Partners) a ainsi pu mettre en application concrète l’usage de l’IoT via la mise en place de capteurs dynamiques mesurant avec précision la qualité de l’air dans les agglomérations. La solution se base sur un réseau maillé d’objets connectés disposés sur des véhicules et utilisant le réseau de transport urbain de la Metropole du Grand Lyon. Cette solution est aujourd’hui commercialisée par Cybeel ( Magellan Partners) sous le nom QualiSense for SmartCities ! 4e trimestre 2015 n page 7 Internet of Things (IoT) la transformation des produits en services
  8. 8. Quelles contraintes et restrictions du consentement client à la maîtrise des risques réglementaires ? L’usage des données privées est un enjeu majeur au niveau commercial et pour la rentabilité des portefeuilles clients. Les banques se heurtent pour autant à différentes contraintes : 1 • Obtenir l’accord des clients 2 • Se conformer au cadre réglementaire strict sur leurs territoires d’activités. La confiance est l’élément clé qui lie une ’entreprise à ses clients. La sensibilité des consommateurs à la confidentialité des données varie cependant selon les domaines. Sans surprise, les données les plus sensibles pour les consommateurs sont à 89%(1) les données liées à l’usage de la carte bancaire, à 88%(1) les données bancaires, au-delà des données sur la famille ou la santé (respec- tivement 74 et 71%) (1) Etude BCG Big Data face au défi de la confiance – et portant sur 10 000 consommateurs dans 20 pays. Pour autant, 65% (2) d’entre eux sont disposés à partager leurs données avec la banque qui leur inspire confiance. Il convient donc d’exploiter à bon escient cette opportunité. (2) Etude commanditée par Infosys et portant sur 5 000 consommateurs. LE prérequis à cette confiance est d’informer les clients sur les contreparties qu’il obtidendra de l’usage de ses données et la sécurité offerte. A l’instar des autres industries, les nombreuses sources de collecte, de stockage, et la montée en puissance du Big Data soulève de nombreuses questions éthiques et légales. D’une manière générale, il convient de se conformer aux obligations suivantes : • L’objectif de la collecte doit être justifié et le détournement des finalités d’un traitement est interdit. (principe de finalité, loi ‘Informatique et liberté’ de 1978). •La collecte des données doit être licite et loyale (pas de collecte à l’insu sans information du consommateur) • Un consentement libre et éclairé des consommateurs doit être obtenu. •La capacité à exercer son droit d’opposition doit être offert. •La conservation des données doit être limitée. Pour les données collectées à des fins de marketing, la CNIL recommande que les données relatives aux personnes prospectées ne soient pas conservées plus de trois ans à compter de leur collecte ou du dernier contact émanant du prospect •L’interconnexion des fichiers est strictement encadrée. (12% des plaintes reçues) : le motif principal de plainte est la contestation de l’inscription au FICP ou au FCC. Source CNIL - Bilan 2014 Un nouveau règlement européen intégrant le principe du “Privacy by Design“ a été adopté le 12 mars 2014 sur le traitement des données personnelles : la protection de la vie privée et des données personnelles doit être assurée dès la conception d’un système, d’un produit ou d’une activité et à en maintenir le contrôle tout au long de leur cycle de vie. Le droit à l’oubli est intégré, la pratique dite du “profilage” est plus strictement encadrée. • En point de départ : s’assurer de la confiance clients • Gérer les contraintes externes liées à l’éthique et à la réglementation. • Banque 4e trimestre 2015 n page 8 11 071demandesdecitoyens 5825 plaintes 5246 (+22%parrapportà2013) demandesdedroitd’accèsindirectauxfichiers depolice,degendarmerie,derenseignementFicoba DONT.......... .......... .....
  9. 9. Concrètement, comment réussir la transformation digitale ? Le défi est de décloisonner les silos pour augmenter l’efficacité arriver à produire une vue consolidée et faire collaborer les différents fonctions de l’entreprise pour augmenter son efficacité à chaque fonction : n Le front office bancaire (vendre), n Le marketing (cibler et segmenter), n La finance (costing et pricing), n Les risques (maîtriser les risques et coûts associés) n Les ressources humaines (déploiement de la force de vente, formation) n IT (rapidité, mobilité, sécurité). Marketing - Commercial   Maximiser le cross et up selling en temps réel pour augmenter le taux de transformation des campagnes publicitaires. L’analyse des paniers d’achat et la fréquence de commande de certains produits facilitent la diffusion de publicités adaptées. La connaissance affinée du cycle consommation est sur le chemin critique du processus de vente. Exemples : • La banque Capital ONE propose aux Etats Unis des promotions et conditions avantageuses à ses clients en fonction de leur achats sur les derniers mois via une application mobile. • La First Tennessee Bank a amélioré son taux de réponse marketing de 3,1 % en ciblant plus précisément les clients à fort potentiel et en coupant par ailleurs ses coûts marketing de près de 20% (Source IBM – Big Data Analytics) n Développer une approche relationnelle en intégrant des données comportementales et sociales pour disposer d’une vision 360 de ces clients. n Proposer l’offre personnalisée, au bon moment, via le bon canal de distribution pour répondre toujours davantage et plus vite à ses clients. Le Big Data permet de capter les moments de vie et ainsi renforcer la connaissance du client. n Connaître ses clients c’est connaitre leur avis sur une offre et un produit. Le text mining permet par exemple, de sonder la satisfaction client et son évolution, détecte les points de blocage et rend possible l’analyse des points forts et faibles. La Société Générale évalue le meilleur moment pour proposer des produits à ses clients via l’analyse contextuelle du contenu des emails. n Proposer des offres commerciales dynamiques  et pro-active pour augmenter la satisfaction client. Par exemple, proposition de crédit à la consommation suite à l’analyse de votre montant d’épargne, vos revenus visites sur les sites marchands. n Optimiser le maillage sur le territoire : l’utilisation des données spaciales permettent d’optimiser les réseaux d’agences et d’étendre leur base clients via la localisation et la caractérisation des déplacements du consommateur. n Analyser les facteurs permettant de fidéliser ses clients et les raisons pour lesquelles ils partent. n Surveiller les réseaux sociaux pour connaître l’image de la banque sur la toile. 4e trimestre 2015 n page 9 • Quelle meilleure offre pour un client ? • Quand lui proposer ? Par quels canaux ? • Comment fidéliser ? Conquérir ? • Comment faire parler la donnée ? • Comment optimiser la rentabilité des portefeuilles et des offres ? Marketing / Commercial IT Pilotage financier Ressources humaines Risques • Quels nouveaux métiers ? • Quels profils recruter ? • Quelles formations initier ? • Comment optimiser l’allocation des ressources ? • Comment optimiser la gestion des décisions ? • Comment renforcer la détection des risques ?
  10. 10. 4e trimestre 2015 n page 10 // Concrètement, comment réussir la transformation digitale ? De façon générale, quels sont les enjeux liés à l’exploitation des données clients et quel profit la banque peut-elle en tirer ? Le client vit avec son temps : il veut une relation immédiate, quotidienne et pro-active mais ne veut pas d’intrusion dans sa vie privée. L’enjeu est d’arriver à trouver le bon équilibre pour répondre aux besoins des clients et aux objectifs de la banque. Pour mieux connaitre ses clients et les fidéliser, il faut introduire des informations “externes” ! L’avantage est qu’aujourd’hui, la très grande majorité des opérations clients et de leurs données personnelles sont tracées dans les systèmes d’information et sur le net. Les banques sont maintenant en capacité de les récupérer, les stocker et les transformer en aide à la décision pour un coût mesuré. Ce qui a changé ce n’est pas les modèles statistiques mais les technologies qui permettent d’exploiter intelligemment un volume croissant de données. Des outils comme Hadoop permettent de structurer des données volumineuses qui sont dans des formats variés (comptes bancaires, mails, plateforme téléphonique, internet, réseaux sociaux…) pour les rendre exploitables. Quelle est l’orientation stratégique du groupe BPCE et du CFF ? Quels sont les enjeux et les projets ? Le groupe BPCE a lancé le chantier Big Data en 2015. Le groupe BPCE a mis en place  une plateforme Hadoop pour exploiter les données non structurées et un partenariat avec Facebook. Facebook étant réputé sur le ciblage des besoins de ces utilisateurs, le groupe BPCE souhaite en tirer des enseignements. Concernant le CFF, nous nous inscrivons dans le plan stratégique de la BPCE mais nous n’avons pas encore rejoint la plateforme Hadoop et le partenariat Facebook. Ce qui sera la prochaine étape ! Le CFF n’est pas un établissement comme les autres car c’est un établissement de crédits spécialisés qui ne dispose pas des comptes bancaires de ses clients et par conséquent de la mise à jour de leurs données personnelles et de leurs habitudes de consommation. Le CFF est “pauvre en données” par rapport aux autres banques. L’enjeu du Big Data est d’autant plus important pour le CFF. Il faut réussir à exploiter les données du client au moment de la souscription, puis introduire des données non connues en récupérant des données externes (gratuites et payantes) afin de prédire leurs comportements, habitudes et leurs changements de situations professionnelles et familiales. Par exemple, le CFF a créé un modèle de prévision de “l’évolution des revenus” des clients à partir de l’âge, du revenu initial, de la classification professionnelle, de l’emploi, du lieu d’habitation, etc. Création également d’un modèle de “segmentation clientèle” en ajoutant aux données financières des données comportementales  : un couple qui achète un bien avec une pièce en plus, prévoit d’avoir un enfant et a donc une logique de stabilité dans son logement. Afin de récupérer des données clients, le CFF a organisé par exemple un tirage au sort pour gagner une rénovation d’appartement ou encore un conseil de home staging avec Stéphane Plaza en échange d’une mise à jour des données personnelles. Par ailleurs, dès que le client demande une simulation de crédit, ses données rentrent de façon anonymisée dans un système de Nursing permettant de les suivre et d’organiser des enquêtes. L’exploitation du Big Data a permis aussi d’optimiser le maillage des 250 agences CFF sur l’ensemble du territoire. Environ 90% du marché du crédit immobilier est couvert par les agences du CFF après avoir agrégé les communes autour d’une agence en respectant la contrainte de se situer à moins de 60 minutes de trajet. Pour réaliser cette étude, le CFF s’est appuyé sur  des données internes (club des “référents concurrence”, prescripteurs) et externes (pages jaunes, INSEE, données du marché…) et sur des outils de géomarketing/cartographie statistique. Quelle est la démarche adoptée dans les projets Big Data ? Quels sont les outils mis en place au CFF ? Le CFF a mis en place un certain nombre de modèles prédictifs. La méthode consiste à tester la robustesse d’un modèle en comparant les résultats de l’échantillon de tests avec l’échantillon d’apprentissage jusqu’à l’obtention du “bon modèle”. Le modèle apprend de lui-même ! Le CFF utilise principalement l’outil “SaaS” pour la modélisation, l’exploitation et l’analyse des données et plus occasionnellement l’outil de data mining “SPAD”. Le CFF ne dispose pas d’outils de “data visualisation”. Le CFF espère rejoindre la plateforme Hadoop du Groupe BPCE pour réduire les temps de traitement et avoir une meilleure structuration des données. Les contraintes CNIL ont-elles constitué un obstacle ? La CNIL est sensible au Big Data, elle impose un certain nombre de règles strictement suivies au niveau Groupe BPCE, pour exemples : obtenir l’accord écrit du client pour pouvoir communiquer par mail, disposer des données des prospects en durée limitée  et anonymisées… Avez-vous des projets de monétisation des données ? Ce type de projet n’est pas une priorité aujourd’hui. Le CFF n’ayant pas les données des comptes bancaires, il est difficile de passer à la l’étape de la monétisation de données. Le CFF mise sur la qualité de service et valorise son expertise en mettant à disposition de ses partenaires et des prospects/ clients des données sur le marché immobilier (prix au mètres carrés par commune, étude des taux, …). Quels sont les projets à venir dans la banque ? De nombreux projets sont possibles avec le Big Data. Le but ultime est de définir pour chaque client le produit qui lui convient le mieux et d’anticiper une résiliation de contrats/produits (modèle de churn) pour réussir à le retenir et le fidéliser. Un autre enjeu à venir est d’arriver à exploiter davantage les réseaux sociaux pour connaitre la e-réputation de l’entreprise, réaliser une veille concurrentielle et récolter les données des clients. Pour le groupe BPCE, ce mouvement est déjà lancé avec le partenariat facebook ! Un partenariat avec la grande distribution ou encore les télécoms permettraient d’avoir une vision 360 du client ! Gilbert TON Responsable département “Étude” au Pôle “Marketing” au Crédit Foncier de France Marketing - Commercial Interview de Gilbert Ton 4e trimestre 2015 n page 10
  11. 11. 4e trimestre 2015 n page 11 // Concrètement, comment réussir la transformation digitale ? Risques n Optimiser les conditions d’octroi : la baisse de la qualité du portefeuille menace les réseaux. Il est nécessaire d’adapter le scoring client, conditions de taux… n Mieux gérer le risque en anticipant les évolutions de situation professionnelle et personnelle (mariage, enfants, changement de poste, …) et les comportements des clients Exemple : • Pioneer West Virginia Crédit Union aux Etats Unis a réduit son taux de défaut de remboursements de prêts de 95 % en une seule année, via une amélioration de la compréhension des opérations clients (Source IBM - Big Data Analytics) n Responsabiliser les clients = sms pour prévenir d’un découvert imminent ; affichage du solde pour le client dépensier NB : possibilité de rebond via une proposition commerciale de crédits n Calculer de façon plus juste les indicateurs de risque et autres ratios réglementaires n Analyser en temps réel offre de nouvelles opportunités en termes d’arbitrage et d’aide à la décision.   n Détecter la fraude bancaire et lutter contre la cyber- criminalité  : recouper les informations liées à une demande d’autorisation de paiement avec l’historique du client, son profil d’acheteur et son activité/moments de vie via les réseaux sociaux. RISQUES - Lutte contre la Fraude… une application concrète avec la Carte Bancaire Un terrain particulièrement propice pour le Big Data…. et de longue date. Avec les chiffres liés à la valeur d’usage de la carte bancaire et uniquement pour la France (62,8 M de cartes bancaires, 10,7 milliards de transactions par an soit 339 transactions par seconde en 2014), la carte bancaire est un excellent terrain d’expérimentation pour le Big Data et tout particulièrement la lutte contre la fraude. Les systèmes d’autorisations des émetteurs de cartes (ou SAE) disposent déjà, et de longue date, de toutes les données liées à la transaction sur le point d’être réalisée dans le but de délivrer l’autorisation qui sera fournie via le Serveur d’Autorisations Acquéreur (ou SAA). Pourtant , ce n’est jamais suffisant pour lutter efficacement contre la fraude car les cyberfraudeurs utilisent les données personnelles des porteurs de cartes pour tromper les systèmes de lutte contre la fraude. L’apport du Big Data est aujourd’hui fondamental dans la lutte contre la fraude et a minima pour 3 raisons : La capacité à traiter d’énormes volumes de données ; La possibilité aujourd’hui d’y associer des données non directement liées à la transaction mais qui vont apporter des informations supplémentaires pour détecter une fraude réelle ou a minima déclencher une alerte fraude : en effet, l’association de toute information permettant de localiser un porteur de carte (physiquement ou logiquement via ses habitudes de consommation) est une information déterminante pour autoriser ou refuser une transaction sans même passer par une demande d’autorisation ; La capacité à construire des modèles prédictifs à la fois de plus en plus performants mais aussi en grand nombre. En effet, parler d’un seul modèle prédictif pour une banque ou un émetteur de cartes ne sert pas à grand-chose. A l’heure où des usines de processing Cartes sont opérationnelles en France et commencent à émerger à l’échelle européenne, le Big Data permet de constituer beaucoup plus facilement des centaines de modèles prédictifs. FraudManager (édité par Isoft), pour ne citer que cette référence, peut embarquer des modèles prédictifs pouvant supporter 10 000 règles métier et traiter 5000 transactions à la seconde tout en garantissant un scoring ne dépassant pas les 5 ms. Mais le Big Data permet d’aller encore plus loin en réalisant des modèles prédictifs pour chaque couple émetteur de carte / type de carte. Les acteurs spécialisés du domaine comme Monext ont, pour leurs clients bancaires émetteurs de cartes, déjà modélisé via des analyses Big Data basées sur des centaines de millions de transactions, les comportements de porteurs de cartes classiques, prépayées et haut de gamme. L’enjeu est encore une fois de taille car chaque infime réduction de la fraude peut faire économiser chaque année des centaines de millions d’euros aux e-commerçants, distributeurs et banques. Big Data et moteur temps réel… l’union sacrée ? Les Moteurs Temps Réel des solutions récentes de lutte contre la fraude permettent également la détection de clics au même endroit (Robots) et l’analyse des pages Web des e-commerçants et plus particulièrement des supers commerçants qui hébergent d’autres e-commerçants... le tout associé à des solutions Big Data…et nous ne sommes plus très loin de solutions optimales à condition tout de même de garantir sur la durée un haut degré de fiabilité des données et la poursuite sans faille de la mutualisation des données, au sein des groupes bancaires et au niveau interbancaire.Transaction Moteur Temps réel Faisceau d’indices + Scoring Si forte présomption sur la transaction L’auteur de Science-Fiction, Philip K. Dick, disparu en 1982, avait, dans sa nouvelle, The Minority Report (publiée en 1956), déjà imaginé le système prédictif ultime en identifiant les personnes pour des crimes avérés avant qu’ils ne soient commis. La réalité dépassera- telle (une nouvelle) fois la fiction ? Sur ce domaine complexe de la lutte contre la fraude, le challenge est bien là…
  12. 12. // Concrètement, comment réussir la transformation digitale ? 4e trimestre 2015 n page 12 FINANCE Positionné au sein de la Direction Financière, le département du contrôle de gestion détient le rôle de bâtisseur du pilotage économique et financier de l’activité, depuis les fondamentaux (socle constitué des axes d’analyse) jusqu’à l’élaboration des tableaux de bord stratégiques. Historiquement outillé avec des feuilles Excel permettant de retraiter les données extraites de différents systèmes, les équipes du contrôle de gestion sont garantes de la mise en qualité des données collectées, de leur consolidation et de la signification “de faire parler la donnée”. L’évolution naturelle du contrôle de gestion en véritable business partner de l’entreprise implique de s’extraire de l’exercice strictement financier alimentant la Direction Financière et la Direction Générale afin de pouvoir interagir en temps réel avec l’ensemble des parties prenantes : - du front office au marketing (politiques d’offres de services en adéquation aux segments de clientèle), en passant par la RH (projection de masse salariale, répartition des effectifs). Le Département du contrôle de gestion devient encore davantage l’un des partenaires des équipes business en apportant davantage de précisions sur les coûts, leur affectation, le PNB produit, la marge dégagée par produit. À terme, l’objectif est de fournir cette information en temps réel, par exemple à un conseiller en rendez-vous client. Ces données chiffrées internes à la banque sont envisagées comme un attribut “privatif” à une offre de produit ou de service. Pour relever ces nouveaux défis, l’outillage du processus de contrôle de gestion mérite une attention particulière de la part des banques, compte tenu de l’importance de la qualité des données collectées, consolidées et de leur diffusion pour interagir et maximiser les ventes ! RH La transformation digitale est source de nombreuses opportunités mais elle impose aussi de nouvelles contraintes RH comme d’identifier de nouveaux profils de compétences nécessaires à l’entreprise (Data Scientists, nouvelles compétences nécessaires à l’exercice des fonctions traditionnelles) et d’identifier les formations nécessaires. Elle contraint par ailleurs à redéfinir les fonctions et les fiches de poste, réallouer aussi les ressources suivant les canaux de distribution privilégiés. Critical questions Data science Employee data VALUE des directeurs financiers déclarent que leur entreprise s’appuie sur des conseils du département Finance pour la sélection de performance. Source : IBM CFO Global Study - Big Data Analytics
  13. 13. IT - Sécurité Sécurisation du patrimoine informationnel  Tirer le meilleur de vos données, dans un cadre d’utilisation sûr et maîtrisé !  Une stratégie d’entreprise globale à l’ensemble des données est primordiale C’est dans ce contexte - un peu anxiogène - que les DSI doivent s’organiser afin d’offrir l’agilité nécessaire à leurs métiers pour rester performants tout en protégeant le patrimoine informationnel de l’entreprise où qu’il se trouve. En effet, les modes de consommation de la donnée sont en pleine évolution. Il est alors important pour les DSI de s’inscrire dans les scénarios de mobilité – dans l’air du temps - de leurs utilisateurs. Les réponses technologiques peuvent parfois impliquer un stockage de données, pour partie, dans le Cloud. Il revient donc au SI d’outiller une réponse globale à l’ensemble de ces composantes. Cette protection passe par la capacité de distinguer les typologies d’informations, garantir leur confidentialité, tracer leur accès et s’organiser contre la fuite des données (prévision de l’erreur humaine et sécurisation d’une éventuelle sortie des données). Elle doit par ailleurs s’inscrire dans une offre de service agile  : restitution du patrimoine informationnel aux bons utilisateurs et potentiellement depuis n’importe où/n’importe quel appareil. Ainsi, il devient primordial d’associer - de manière transverse - à l’ensemble des différents pans stratégiques de votre transformation digitale un pan complet relatif à la stratégie sur les données. Les piliers de la sécurisation de votre patrimoine informationnel Le fondement de toute stratégie sur les données passe invariablement par la cartographie de celles-ci. Cette première vision de l’existant va permettre de se projeter vers une classification des différentes données de l’entreprise dont émergeront une notion de niveau de confidentialité voire un besoin de distinction entre les données propres à l’entreprise et les données personnelles de l’utilisateur. Cette classification se doit d’être faite, afin d’être cohérente et efficace, en prenant bien en compte  : les usages faits de ces données, les processus impactant leur cycle de vie, tout en gardant bien en-tête que les fuites peuvent aussi bien provenir de l’intérieur que de l’extérieur. D’un point de vue technologique, une stratégie de sécurisation complète implique l’intégration de plusieurs solutions du marché : chacune instruisant des problématiques spécifiques. • Côté environnement utilisateur, typiquement, il sera nécessaire de réfléchir à une stratégie de chiffrement de surface des appareils, de chiffrement des fichiers des zones de partage voire même d’utiliser les nouvelles capacités – des derniers systèmes d’exploitation – permettant la distinction entre sphère personnelle vs d’entreprise pour les applicatifs et les fichiers utilisés au quotidien. • Côté offre de service, il pourra également être nécessaire de compléter ou revoir les modalités de sécurisation des briques technologiques (API Management, par ex.) qui exposent des données ou bien auxquelles s’adossent les applicatifs - consommateurs de données -. • Côté infrastructures, il est possible d’aller jusqu’à la sécurisation des SGBD et autres distributions de Big Data. De manière transverse, des solutions complémentaires pourront accompagner les décideurs, gestionnaires et utilisateurs finaux dans la définition de droits complémentaire sur les fichiers (DRM), la sensibilisation et la protection des données susceptibles d’être partagée/fuitée en dehors de l’entreprise (DLP) ainsi qu’auditer l’ensemble de ces usages. Plus que jamais l’adhésion des utilisateurs et leur bonne compréhension du cadre d’utilisation constituent un des premiers facteurs de succès de telles stratégies. Il peut sembler bon de ne pas négliger les opérations de sensibilisation SSI (newsletter, revue de presse, fiches pratiques, pièges), de marketing viral (quizz, posters, vidéos), de communication et formation des utilisateurs.  4e trimestre 2015 n page 13 Mieux appréhender et anticiper les besoins de l’entreprise (formations, recrutements…) Favoriser la qualité des recrutements (se baser par exemple sur les performances réalisées sur un poste donné..) D’améliorer la connaissance globale de ses salariés (données internes ou externes) et d’identifier les besoins/ motivations individuels (évolutions de carrière, centres d’intérêts..), De détecter les causes éventuelles de départ et de pouvoir agir en amont. C’est donc aussi fidéliser. De bénéficier des apports des autres fonctions de l’entreprise (commercial, finance..) afin d’affiner ses connaissances/ données RH (niveau de productivité, efficacité opération- nelle/commerciale, coûts / gains par entité/fonction/ collaborateur..). Pour ce faire, le Big Data se révèle utile à plusieurs niveaux pour la fonction RH. L’exploitation massive et prédictive de données permet entre autre de :
  14. 14. 4e trimestre 2015 n page 14 DSA (Digital Security Agency) propose des offres de Conseil, d’Audit de Sécurité des Systèmes d’Information (SI de l’entreprise et SI industriel) et d’Intégration de solutions de Sécurité. Son objectif  : permettre aux entreprises de réduire leurs risques en opérant dans le monde digital. La création de cette marque répond aux besoins grandissant de ses clients en matière de digitalisation, de convergence des SI, de réglementation, de cybersécurité et d’accompagnement des utilisateurs dans la compréhension de ces enjeux. La capacité de DSA à intervenir sur l’ensemble des volets de la Sécurité du SI, garantit à ses clients une réponse : à la digitalisation des entreprises ainsi qu’à la convergence de leurs SI, aux défis actuels et futurs lancés par les cybercriminels, aux enjeux légaux et réglementaires, aux utilisateurs, qui sont partie prenante de la sécurisation des outils utilisés et qu’il faut sensibiliser et accompagner. DSA possède l’ADN du groupe Magellan Partners et en partage sa devise “Think, Create, Digitize”. Nous partons des usages métiers de nos clients, nous les accompagnons dans la définition des composantes stratégiques, nous concevons - sur mesure - des solutions pérennes performantes et nous garantissons la meilleure valorisation possible via l’inscription de nos travaux dans la digitalisation de leur SI.  Magellan Partners vous présente sa nouvelle entité dédiée à la sécurité : DSA ! La protection des données résumée en 5 points La cartographie des données est essentielle et constitue le terreau de tous les chantiers à venir ! La classification permet de typer les données et décliner pour chaque typologie des règles de gouvernance. Elle nécessite la prise en compte de diverses composantes : règlementation, scénarios B2E/B2B/B2C, services applicatifs concernés, populations concernées, moyens d’accès mis en exergue (supports d’accès et géographie), processus de gestion, etc. Une trajectoire de la protection des données doit être définie : couverture fonctionnelle des solutions et recouvrement, portfolio de solutions, gestion des coûts (synergies sur le licensing), périmètres (offre de service, utilisateurs/usages et données) et cadencement technologique. L’intégration de plusieurs solutions au niveau de votre SI sera probablement nécessaire. La sensibilisation SSI des utilisateurs ne peut être négligée !  3 4 5 1 2 // Concrètement, comment réussir la transformation digitale ?
  15. 15. 4e trimestre 2015 n page 15 Data Lake Big Data A nouveau paradigme, nouveau vocabulaire. Sébastien, qu’est-ce qu’un data lake ? Le data lake a puisé sa source dans les datawarehouse. Un datawarehouse, rappelons-le est un espace de données structurées au périmètre défini et borné. Les projets nécessitaient un temps conséquent de conception et l’aboutissement pouvait correspondre à un besoin déjà dépassé. Le data lake est l’évolution logique pour lever les barrières posées par le datawarehouse et proposer les réponses à la diversification des sources d’informations apportées par le principe même du Big Data. Lorsque l’entrepôt classique gérait des données modélisées, le data lake accumule toutes les données, internes et externes, quel que soit leur format. C’est-à-dire lève les contraintes de modèle et de taille (ou presque !). Les utilisateurs d’un data lake viennent, au sens littéral du terme, pêcher les données dont ils ont besoin. Avec le datawarehouse, l’exploitation des données se faisait via la Business Intelligence, selon un modèle normalisé et consolidé avec un vocabulaire partagé, pour le data lake nous parlons dorénavant de Data Discovery tout au coût le plus faible possible. Il appartient aux gens d’y découvrir les informations qui leur sont nécessaires. Demain, je crée mon data lake et me lance dans le Big Data. De quels profils ai-je besoin ? Pour mener à bien ce projet, il convient de mobiliser et de coordonner plusieurs fonctions : n Une couche de pilotage et de conduite du changement n Le métier pour les cas d’usage n Pour l’architecture et la maintenance, l’IT est bien entendu sollicitée n Des “data cruncheurs” qui préparent et nettoient les données n Une équipe de “data  scientists” (souvent des statisticiens/ mathématiciens) pour la partie “Data Analytics” et capables de se positionner également à l’intersection du métier et de la DSI n Des data artists pour la présentation et la mise en forme des données de manière simple, conviviale et intuitive n Et enfin un éditeur de solution. Sébastien, tu évoques les fameux cas d’usage : des exemples à apporter pour nos lecteurs banquiers ? Ils sont multiples. Quelques exemples : • La maintenance des DAB et la réduction des cas de panne : Le Big Data permet de créer des modèles à un modèle prédictif via l’historique des incidents et d’anticiper la maintenance. Nous parlons ici de passer d’un modèle correctif à anticipatif. • L’amélioration du service en ligne aux utilisateurs : En étendant la temporalité des données consultables (de deux à quinze années d’historique), le client gagne en autonomie. La charge conseiller ou back-office est allégée et la satisfaction client accrue. • La réactivité de réponse à une demande de crédit : Là encore, le recoupement des informations permet de constituer instantanément tout ou partie d’un dossier tout en vérifiant les informations et en réduisant d’autant le niveau de risque. • L’adaptation des tarifs d’assurance auto : En combinant le Big Data et les Objets Connectés, un acteur européen propose d’individualiser ses tarifs en installant un boitier dans l’automobile de ses clients pour recueillir les données d’usage du véhicule. De nombreux usages restent encore à imaginer. Il s’agit de la conquête de l’Ouest moderne ou digital ! Pour faire émerger ces cas d’usage, générer des idées et des propositions, plusieurs techniques de travail sont disponibles et applicables au Big Data dont : HACKATON : système ouvert à tous les participants basé sur un challenge pour trouver de nouveaux usages à partir d’un existant A titre d’exemple : Janvier 2015 - Crédit Agricole SA organisait son 1er hackaton, avec la création d’un jeu vidéo en ligne autour de la banque #GameTheBank. KAGGLE : Site Internet de concours de datascience récompensé parfois par un prix  ; le principal objectif des participants est d’améliorer leurs propres compétences A titre d’exemple : Décembre 2014 - AXA organise un concours via Kaggle pour optimiser ses algorithmes d’analyse de données auprès de 200 000 data scientists du monde entier. Sébastien Trivella Magellan Consulting Interview de
  16. 16. Data Lake Big Data / Interview de Sébastien Trivella 4e trimestre 2015 n page 16 Par ailleurs, les cabinets de conseil spécialisés dans le digital connaissent les usages, réalisent la veille, créent des partenariats avec les éditeurs, ont les retours d’autres clients. Quelques mots sur les technologies et les éditeurs Il n’y a pas “1” solution “Big Data” mais un ensemble de produits à appréhender et c’est en constante évolution. Il est toujours délicat de citer des noms. Magellan Partners est agnostique en termes de solution, et proposera la solution qui apparait comme la plus adaptée au besoin. Néanmoins, Hadoop - le petit éléphant jaune - propose une technologie très simple à prendre en main et contribuant à des résultats rapides voire quasiment immédiats en vue de stocker un volume extrêmement important de données sur un grand nombre de machines/serveurs. De nombreux éditeurs se sont spécialisés en fonction des usages souhaités. Pour ceux qui veulent “découvrir” les possibilités du Big Data ou ne sont pas allergiques au Cloud, il existe de plus en plus de solutions pré-packagées en mode Saas notamment sur le volet “prédictif” qui est celui qui prend le mieux dans l’univers du Big Data (parce que les cas d’usages sont plus simples à imaginer et les produits sont faciles à prendre en main). Il existe de solutions prédictives génériques (BigML) et des solutions qui répondent à des cas d’usage spécifiques (détection du churn, segmentation mar- cketing, etc.) La solution Big ML, parmi les plus partagées, pour se lancer dans le prédictif à partir d’une boîte noire et qui utilise des technologies portées par des API prédictives permet de réaliser très rapidement des projets Big Data. La brique applicative étant dans le cloud, l’investissement est par ailleurs plus léger ! Comment se lancer dans le Big Data ? Se doter d’un Chief Data Officer, obtenir le sponsorship du Comex pour valider l’investissement sont déjà un bon début. Une bonne façon de procéder si on ne veut pas se lancer directement dans la construction d’un Data Lake, c’est de partir sur des solutions Clouds prêtes à l’emploi qui permettent de tester, de se faire la main, pour valider des cas d’usages avant leur industrialisation avec un Data Lake on premise. Avant d’investir massivement, le plus simple est également de réaliser un proof of concept, qui aiguisera l’imagination des utilisateurs et fera émerger les cas d’usage. Le challenge le plus souvent évoqué est de convaincre le métier à se lancer. Un cas simple permet de faire mûrir les équipes et de maîtriser la technologie. Le data lake est par nature souple (on y déverse autant de données que l’on souhaite), et son champs d’usage peut s’élargir quasiment à l’infini. La première phase est prendre le temps nécessaire pour partir de la problématique métier et définir les données dont on a besoin : n S’agit-il de données existantes ou à acquérir ? Comment ? Avec quel outillage ? n Au sujet des données manquantes: données avec un accès payant ou open data ou données déjà présentes dans l’entreprise mais non exploitées ? n Ensuite, il faudra savoir : quelles sont les données de qualité suffisante pour obtenir un jeu de données représentatif. n Enfin, il faudra identifier les données sensibles, devant rester confidentielles et le cas échéant, les anonymiser. Notons toutefois qu’en règle générale, les trois quarts des problématiques trouvent des solutions “facilement” accessibles. Industrialisation Clairement établie et en cohérence avec les capacités d’une approche Big Data Utilisation d’outils dédiés pour faciliter l’accès et la manipulation des données par le Métier directement Garantir l’adhésion et le sponsorship du projet Les offres technologiques (Cloud notamment) permettent une mise en œuvre rapide,économique et non intrusive dans le SI pour valider une opportunité/idée avant d’engager une démarche d’industrialisation ambitieuse. Une approche dont le Groupe Magellan Partners est coutumier Maîtriser la rupture technologique… Quelles valeurs valident l’attente d’un ROI ? Problématique métier Définition des métriques d’atteinte de l’objectif Identification des données disponibles Identification des données manquantes Exploration des données / POC Communication n des résultats 1 2 6 4 7 3 5
  17. 17. 4e trimestre 2015 n page 17 Quelle est la valeur ajoutée de Magellan Partners sur la mise en place d’un data lake et d’un projet Big Data ? Par la suite, nous mettons en place une gouvernance claire et partagée, une structure organisationnelle dédiée ou communauté virtuelle et nous allons démocratiser, urbaniser la donnée et démontrer progressivement la valeur délivrée sans s’engouffrer dans un effet tunnel ! Dans un contexte de concurrence exacerbée, nous sommes convaincus que la donnée devient pour vous la source de nouveaux axes de développement. La transformation sera multiple : D’abord interne : développer la connaissance client, obtenir une vision client à 360° et optimiser les processus et la performance opérationnelle Puis externe : améliorer l’expérience client quel que soit le canal utilisé Enfin via la transformation de l’offre de produits et de services : monétiser le patrimoine de données à disposition de la banque, créer de nouveaux usages, services, ou enrichir l’offre existante. Il s’agit de créer la data company ! L’objectif de la “data-culture” c’est de faire en sorte que l’ensemble de l’entreprise adopte le “mindset data”  pour démultiplier les possibilités d’exploitation et de business  ! Casser les silos et les frontières, partager les données et les placer au centre des prérogatives, prendre des décisions basées sur les données, etc. Vision et volonté stratégique Data Team Organisation : CDO + Data Scientists Démocratisation / Libération de la donnée DATA CULTURE DATA-DRIVEN Organisation Notre approche suppose deux prérequis : • Obtenir le tampon du Comex • Obtenir un sponsorship fort et moteur 1 2
  18. 18. 4e trimestre 2015 n page 18 Présentation Magellan Partners Ont contribué à la rédaction de cette édition Imagine : CONSEIL EN MANAGEMENT ORGANISATION ET SYSTÈMES D’INFORMATION SÉCURITÉ DES SYSTÈMES D’INFORMATION PILOTAGE DE PROJETS ET D’ASSISTANCE À MAÎTRISE D’OUVRAGE Vous accompagner dans la mise en place de votre différenciation Leveraging omni-chanels Organiser les nouveaux parcours clients en intégrant et en optimisant la composante omni-canal. Money data implementation Mettre en œuvre et définir les pro- gramme d’enrichissement des données selon les sources possibles. Behavioral program Mettre en place un nouveau mode de fonctionnement pour aider le client à mieux “consommer” sa banque. Advanced fraud detection Renforcer les dispositif de détection de la fraude et l’assistance au client en cas de fraude avérée. 360° credit and collection assessment Intégrer l’analyse prédictive et les sources de données externes pour l’analyse de risque de crédit et la gestion de contentieux. Risk intelligence management Insuffler une culture de pilotage par les risques avec une vision temps réel et des outils adaptés. Accurate cost allocation Fiabiliser la vision des coûts de revient en y intégrant notamment les charges indirectes ou induites par la réglementation. Individualized pricing Favoriser le développement de stratégie de prix hyper-personnalisée à destination du client. Efficient budget process Mettre en œuvre des mécanismes, parfois en rupture, permettant de simplifier les mécanismes budgétaires. CUSTOMER CENTRIC RETAILING ENHANCED RISK MANAGEMENT PROACTIVE FINANCEMENT MANAGEMENT Magellan Partners : Offre Banque Coordination de la publication : Raphaël Busatto / Elsa Grosso / Pierre Jacob – Magellan Consulting Rédaction des articles : David Aouat - Magellan Consulting Souad Boumaza - Antiope Raphaël Busatto – Magellan Consulting Sylvain Castillon - Digital Security Agency Eric De Bruyn – Magellan Consulting Elsa Grosso – Magellan Consulting Pierre Jacob – Magellan Consulting Thomas Poirier – Magellan Consulting Caroline Sautier – Magellan Consulting Sébastien Trivella – Magellan Consulting
  19. 19. 4e trimestre 2015 n page 19 OPTIMISATION DES PROCESSUS ET RECHERCHE PERFORMANCE PILOTAGE DE PROJETS ET ASSISTANCE À MAÎTRISE D’OUVRAGE SÉCURITÉ DES SYSTÈMES D’INFORMATION CONSEIL ET INTÉGRATION DE SOLUTIONS SALESFORCE CONSEIL ET INTÉGRATION DE SOLUTIONS MICROSOFT SOLUTIONS DISPONIBLES À LA DEMANDE IoT POUR LE B2B CONSEIL STRATÉGIQUE EN TRANSFORMATION DIGITALE CRÉATION ET INTÉGRATION DE SOLUTIONS DIGITALES PILOTAGE ET PROJETS DIGITAUX Notre savoir-faire en transformation digitale est le fruit de l’alliance de nos trois fondamentaux : les métiers, la technologie et la créativité digitale. En tirant parti du potentiel offert par les technologies de l’information, Magellan Partners a pour raison d’être, d’aider les entreprises à transformer leur business model et leur manière de travailler. Les 450 collaborateurs qui composent le groupe, interviennent à travers chacune de ses entités, de la définition de la stratégie opérationnelle jusqu’à l’exécution de vos projets digitaux. Depuis sept ans et à travers nos différentes entités, nous maîtrisons la chaîne du digital pour accompagner nos clients dans leur transformation. Magellan Partners, catalyseur de votre transformation digitale ! Révolution digitale Nos entités Chaque projet de transformation digitale est une expérience collective chez Magellan Partners et pour nos clients car il change tout ou partie de leur organisation et de leur expérience. Ensemble, nous décloisonnons et connectons les mondes de l’entreprise en faisant le tour du digital. Nos consultants font le pont entre les secteurs et la technologie pour aider les métiers à tirer parti des solutions existantes et à réinventer. C’est la vision que l’on partage tous chez Magellan Partners et que l’on porte ! Retrouvez-nous sur… www.magellan-partners.eu @MagellanPartner https://www.linkedin.com/company/magellan-partners-think-create-digitize/ CONSEIL EN MANAGEMENT ORGANISATION ET SYSTÈMES D’INFORMATION Partners
  20. 20. Magellan Partners 48-50 rue de la Victoire - 75009 Paris Tél. +33 (0)1 42 66 06 06 www.magellan-partners.eu @MagellanPartners https://www.linkedin.com/company/magellan-partners-think-create-digitize/

×