La qualité des données client : contexte déterminant dans les banques internationales

Les données client sont considérées aujourd’hui comme une véritable mine d’or des banques, en raison de leur impact sur l’efficacité, la conformité et la perception de l’image des établissements par le client. 

Le développement des nouvelles technologies et des systèmes informatiques, dans un contexte plus règlementé depuis les différentes crises qui ont marqué l’économie mondiale a une vraie répercussion sur le stockage, la gestion et l’utilisation de la donnée.

Les études menées dans les grandes banques internationales nous montrent deux principaux types de facteurs déterminants pour la qualité des données : externes (aspects réglementaires, l’organisation globale) et internes (les pratiques des utilisateurs, les processus métiers, l’organisation des équipes, le suivi, les aspects documentaires, les coûts, les systèmes, les critères de mesure, les outils d’analyse et de remédiation de la qualité des données, les fonctionnalités, la technologie).

Les métiers de la qualité des données

Dans la chaine de la manipulation de la donnée, on distingue : des concepteurs, des utilisateurs des programmes, des équipes en charge de la remédiation qui interviennent tous dans une séquence différente. Une différence de perception de la qualité de la donnée apparait au niveau de ces interlocuteurs, les facteurs spécifiques à leur domaine d’activité et aux métiers jouant aussi un rôle important. Alors que les responsables de remédiation des données vont évoquer plutôt des comportements moins rigoureux des utilisateurs des applications.

Quel lien entre particularités culturelles et volume d’erreurs ?

Lorsqu’on se retrouve dans des grandes structures multinationales, des particularités selon les régions géographiques d’appartenance des interlocuteurs peuvent aussi être constatées. A partir de la répartition des erreurs dans les systèmes référentiels selon les régions, nous retrouvons des comportements des utilisateurs qui justifient ces erreurs.

Dans les régions de culture anglo-saxonne et asiatique, on remarque plus de rigueur et des exigences en termes de la gestion de données, mais aussi dans le comportement des utilisateurs qui font les saisies. Ces facteurs expliquent des volumes d’erreurs réduits.

Dans les régions comme le Golfe et de l’Amérique latine, où les utilisateurs font preuve de moins de rigueur dans les saisies, les formations et les aspects réglementaires sont moins évoqués, les erreurs se multiplient. Le Brésil surtout a beaucoup de volume d’erreurs à corriger.

L’Europe se situe au milieu, entre ces deux répartitions culturelles et comportementales.

Quel impact a l’organisation interne d’une banque sur la qualité des données ?

L’infrastructure de la banque qui regroupe plusieurs niveaux utilise beaucoup de moyens et a un fonctionnement basé sur des procédures bien définies pour saisir, gestionner, stocker, contrôler et remédier les données. Dans cette organisation, on distingue bien les structures centrales, spécialisées dans le monitoring de la qualité des données, ainsi que leur remédiation et les structures locales spécialisées dans le suivi de cette qualité. Les interlocuteurs des métiers en central évoquent des transferts d’activité à Lisbonne qui ont entrainé une vraie perte de connaissances et de compétences dans les équipes qui gèrent la qualité des données.

Mais ce n’est pas seulement « le near-shoring » des équipes qui a un impact sur cette qualité, mais aussi la multiplication des équipes qui fait de la saisie sur la même donnée. En conclusion, si l’information n’est pas utilisée avec les bons moyens, si l’organisation ne sait pas tirer profit de ses données et faciliter leur exploitation sous la forme appropriée, elle ne pourra pas s’élever à la hauteur de ses concurrents et de maintenir sa position sur les marchés.

Les aspects réglementaires et le comportement des utilisateurs

Ces aspects apparaissent comme principaux facteurs déterminants de la qualité des données. L’aspect règlementaire est clairement un driver dans la qualité des données et les exigences qui sont imposées exercent également une grande influence. Une régulation non respectée donne droit à une pénalité. Par exemple, on constate une surveillance poussée des ratings, en raison des pénalités importantes qui peuvent surgir.

Beaucoup plus subjectif, le comportement des utilisateurs de la donnée joue aussi un rôle essentiel. Plus il y a de la discipline et l’utilisateur est consciencieux, la qualité de la donnée sera au rendez-vous. Au contraire, des données mal maintenues, vides ou vétustes dénotent des pratiques moins bonnes des utilisateurs avec des conséquences irrémédiables sur la qualité des données.

Par quel moyen soutenir une structure bancaire pour améliorer ses données client ?

L’organisation joue également un rôle important via la mise en place des processus métiers et des procédures, la gestion des équipes impliquées dans le cycle de vie de la data, l’utilisation des moyens et la mise en place d’un suivi adapté à plusieurs niveaux.

L’implémentation d’une vraie conduite de changement avec une sensibilisation sur le rôle de la donnée et des échanges transverses entres les équipes informatiques et métiers contribuera à une meilleure conception et utilisation des systèmes pour le stockage et la gestion de la donnée.

Dans l’avenir, l’intelligence artificielle jouera certainement un rôle primordial dans la gestion des bases de données via des Big Data et la remédiation automatique des erreurs qui seront traitées selon des algorithmes prédéfinis et dans des temps records, en substituant des taches manuelles chronophages et peu efficaces.

Pour résumer, l’organisation, les caractéristiques des systèmes et les processus métiers sont les principaux facteurs déterminants de la qualité des données client. Les habitudes des utilisateurs, les aspects réglementaires, les procédures et le management des équipes jouent également un rôle essentiel dans la qualité des données.

Les banques doivent tenir compte de ces facteurs déterminants afin d’assurer une gestion efficace de leurs opérations et de leurs risques. Ainsi, les programmes dédiés à la data, à la rationalisation des systèmes, les nouveaux processus, les technologies adaptées et les formations pour sensibiliser les utilisateurs deviennent indispensables.

Aujourd’hui, toutes les politiques visant l’amélioration de la qualité des données se retrouvent dans la stratégie digitale de la banque. Elles doivent porter sur le choix et l’adaptation des systèmes d’information permettant le stockage et la gestion de la donnée, sur la protection des données, les outils de monitoring et de remédiation des données.

De même, dans l’analyse de la donnée, l’utilisation des technologies « machine learning » pourra révolutionner les analyses et les corrélations entre les données existantes, en proposant des modèles prédictifs adaptés à chaque domaine, métier, zone géographique ou même comportement humain.

Moins en avance que les Fintech, les banques doivent améliorer leurs outils de gestion de la donnée, implémenter des politiques pour maintenir la qualité et remédier les données erronées. Cela leur permettra à respecter les exigences réglementaires, à produire des reportings de qualité, à garder leur bonne image auprès des clients et pas dernièrement à faire des économies de coûts de remédiation des erreurs.

	Irina Dorobat, Mastère Spécialisé Sénior Management Bancaire, Promotion 2022/2023, Ecole supérieure de la banque, ESSEC Business School