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

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

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

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
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

Exploitation des données,
définition, tendances enjeux

4e
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.

4e

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.

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

Big Data =
créateur de new business
Prochaine vague :
la monétisation des données

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
Internet of Things (IoT)
la transformation des produits en services

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

11 071demandesdecitoyens
5825
plaintes
5246
(+22%parrapportà2013)
demandesdedroitd’accèsindirectauxfichiers
depolice,degendarmerie,derenseignementFicoba
DONT..........
..........
.....

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
• 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 ?

4e
// 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

4e
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…

4e
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

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
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 :

4e
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

4e
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

Data Lake Big Data / Interview de Sébastien Trivella
4e
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

4e
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

4e
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

4e
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

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/

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

Recomendados

Recomendados

Mais conteúdo relacionado

Mais procurados

Mais procurados (19)

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

Semelhante a Magellan Partners - Valoriser l’expérience client et augmenter la rentabilité des banques grâce à l’exploitation des données (20)

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