Rares sont les phénomènes pouvant être qualifiés de game changer dans la vie des entreprises. La Data est l’un d’eux. Parce qu’elle amplifie la stratégie, les modèles opérationnels et les métiers, la Data est une opportunité à ne pas manquer dans un monde en pleine transformation numérique.
Cette opportunité est clé pour le secteur bancaire dont le modèle de revenu est remis en question. En effet, l’environnement macro-économique reste durablement défavorable avec le maintien d’une politique de taux bas ainsi qu’une pression réglementaire soutenue. Les cartes du jeu concurrentiel sont rebattues : les banques en ligne deviennent des acteurs significatifs (Boursorama compte aujourd’hui plus de 3M de clients et en vise 4,5 M en 2025), le marché des néo-banques continue de se densifier avec des offres expertes notamment à destination de la clientèle professionnelles (un marché de 3,5 M de clients potentiels) et les GAFA gagnent des places notamment sur les offres relatives à la banque au quotidien et aux paiements (l’autorité de la concurrence a lancé, en 2021, une alerte sur le risque de marginalisation, à terme, des banques traditionnelles). Par ailleurs, de nouveaux standards sont à maîtriser pour répondre aux attentes des clients en matière d’expérience : fluide, simple, intégrant le digital avec la capacité à mobiliser les bonnes expertises lors des moments de vie clés.
Ces transformations sont de nature et d’ampleur inédites pour le secteur. Mais au-delà des menaces qu’elles représentent, s’y dessine des opportunités dont les banques traditionnelles doivent s’emparer. La Data est l’une d’entre-elles et les banques disposent, d’ores et déjà d’atouts pour en faire un driver de performance pour les dix prochaines années.
La Data : une opportunité à portée de main des banquiers
Deux piliers stratégiques des banques, l’équilibre client-produit ainsi que le positionnement en tant que tiers de confiance, sont réinventés au moyen des technologies centrées sur la Data. De ce fait, la concurrence des nouveaux acteurs est réelle et engendre, dès à présent, un manque à gagner en termes de PNB sur les activités bancaires les plus rentables (génératrices de commissions). Ces acteurs sont plus agiles : ils sont dégagés du poids du legacy et se sont créés "Data Driven by design". Ainsi, les Fintechs proposent des offres spécialisées et au plus proche des besoins clients (ex : Qonto proposant un outil de gestion pour la clientèle PME et professionnels). Les grands acteurs de la tech / GAFA ont engagé leur diversification et pourraient disrupter le marché (gardons en mémoire l’exemple du site Booking qui a révolutionné la prise de réservation et de facto le business modèle du secteur hôtelier). Enfin, des évolutions technologiques, telles que la blockchain, apportent de nouvelles opportunités, par exemple sur les paiements internationaux, la gestion des garanties et le KYC (Know Your Customer).
Cependant, les banques traditionnelles ont des atouts significatifs pour se positionner sur la Data : compétences et expertises des collaborateurs, capacité d’investissement, base de connaissance des clients, historique et volume de données issues des systèmes d’information, positionnement reconnu en tant que tiers de confiance… Le risque porte davantage sur le transfert de valeur et de marge que sur la disparition de ces acteurs historiques.
Les banques françaises ont pris le virage de la Data mais présentent des niveaux de maturité différents :
#1 Mieux faire ce que l’on fait déjà. Dans la majorité des cas, la Data est utilisée pour développer la connaissance des clients, améliorer l’efficacité opérationnelle et répondre aux enjeux règlementaires.
#2 Développer des services en réponse aux besoins des clients, pour conserver, voire capter de nouvelles relations. Certains acteurs recourent à la Data pour améliorer la relation clients. C’est un usage en émergence qui reste un large champ d’opportunités à explorer. En effet, la data offre des capacités nouvelles dans une logique de conseiller augmenté : meilleure connaissance client, meilleur ciblage des offres, services et des segments à adresser, identification de nouveaux territoires de développement.
#3 Disrupter, Intermédier et « plateformiser » l’économie. La Data au service de l’ouverture de nouveaux marchés est très peu exploitée et reste pour le moment l’apanage de certaines grandes banques américaines.
Pour pleinement exploiter le potentiel de la Data, les banques doivent répondre à un défi de taille : construire un patrimoine de données exploitable. Nous entendons par là, collecter, organiser, structurer, mettre en cohérence et normaliser un nombre conséquent de données provenant de systèmes d’information qui ne communiquent pas forcément entre eux. Cette évolution est complexe car elle est fondamentalement transverse. Elle nécessite de créer de nouvelles filières Data transformant aussi bien le Métier que l’IT.
Néanmoins, tirer rapidement parti de la Data est possible en déployant des approches alternatives de type Minimum Viable Product (MVP). Pour rendre ces approches concluantes, les banques doivent adopter un état d’esprit de type startup : pour des usages internes (ex : prospection marketing, clustering …), elles peuvent s’autoriser à traiter des données qui peuvent comporter une marge minimale d’erreur. Bien évidemment, pour les cas d’usage à destination des régulateurs ou des clients, l’exactitude et la certification des données doit rester un prérequis.
6 convictions pour engager la transformation et devenir data-driven
#1 La Data est un actif stratégique, de niveau comité de direction
La Data est un actif stratégique qui doit être traité comme tel par les comités de direction : il nécessite des investissements, il possède un rendement qu’il faut maximiser en assurant les conditions de sa valorisation.
Aujourd’hui, la plupart des cas d’usage Data dans la banque concernent des sujets réglementaires et d’efficacité opérationnelle. C’est un premier pas pour réduire les coûts, voire améliorer la qualité de service mais nous sommes convaincus qu’il faut rapidement se donner des objectifs plus ambitieux : transformer les métiers grâce à la Data, proposer de nouvelles offres aux clients voire renouveler le marché en adoptant des logiques de plateforme de services.
#2 Un certain degré d’incertitude sur les données peut être toléré au démarrage
Les conditions d’un cas d’usage idéal sont rarement réunies : question bien posée, données normalisées et directement utilisables, disponibilité des métiers… Il faut accepter les compromis sur la qualité des données et l’exactitude de certaines analyses, pourvu que le résultat final ait suffisamment de valeur pour justifier ces choix tactiques, tout en s’assurant qu’ils ne mettent pas en danger l’intégrité du cœur de métier bancaire. L’amélioration, l’industrialisation et la spécification plus fine des analyses peuvent intervenir dans un second temps, en lien avec la montée en puissance d’une filière Data.
#3 Les cas d’usage créent rapidement de la valeur et des nouveaux services
Aujourd’hui, la plupart des banques ont commencé à prendre conscience de l’importance de la Data et ont déjà lancé leurs premiers cas d’usage. C’est très bien ! Nous sommes convaincus qu’il faut en lancer le plus vite possible sans s’imposer des prérequis inhibants comme construire un datalake (cf. construction du patrimoine de données), normaliser tous les référentiels. Ces cas d’usage ont pour but de créer de nouveaux services : « on ne vend pas ses données, on crée des services ! ».
#4 La filière Data est complémentaire aux filières transactionnelles et IT
Les banques doivent se doter de filières dédiées pour opérer la stratégie Data, permettre une industrialisation progressive, à travers la construction de briques élémentaires réutilisables, et identifier les nouveaux potentiels de valeur à exploiter. Cette filière Data est organisée autour de trois activités : la construction du socle Data (mise à disposition, collecte et normalisation des données), le développement de modèles d’analyse allant du descriptif au prédictif/prescriptif (business intelligence-BI, algorithmes, IA …) et la mise à disposition des services auprès des clients internes et externes (interfaces de restitution, Self BI …).
#5 La transformation des métiers doit être anticipée dès le début
Au-delà de la montée en puissance des nouveaux profils Data, il apparait nécessaire d’infuser la Data à tous les autres niveaux de la banque et dans tous les métiers puisque c’est le plus souvent en leur sein que l’on va pouvoir identifier les services à valeur ajoutée rendus possibles par la Data. Cette transformation passe par la diffusion d’une culture Data au sein de l’organisation et à travers les projets.
#6 Une démarche responsable est à adopter quant à l’utilisation de la Data
Les clients sont de plus en plus sensibles à l’utilisation qui est faite de leurs données (à titre d’exemple, nous pouvons citer l’annonce controversée de Whatsapp sur ses nouvelles conditions générales et le partage des données) avec également un encadrement réglementaire fort (notamment via la RGPD). Quelle doctrine éthique adopter sur les données des clients ? Quels choix quant au traitement et à l’utilisation responsable de la Data ? Quelles contributions à des initiatives sociétales ? Comment partager la valeur avec l’écosystème ? Autant d’enjeux de responsabilité à anticiper et organiser par les banques.
Industrialiser la filière Data et tirer le plein potentiel des données grâce à notre approche itérative
Imaginer, construire et industrialiser sa filière Data est avant tout une question de dynamique de travail et d’état d’esprit :
Cheminer par itération, prouver, apprendre, se remettre rapidement en question,
Penser loin et haut : les filières IT et digitales ne sont pas industrialisées en 9 mois, il en sera de même pour la filière Data,
Apporter un regard neuf, nourri par l’inspiration stratégique et éclairé par les réussites dans d’autres secteurs d’activité,
Travailler le collectif, en infusant la culture Data à tous les étages.
La méthode Tourbillon est l’approche que nous avons développée et éprouvée pour assurer la cohérence de la trajectoire d’industrialisation de la Filière Data.
4 champs sont ainsi abordés simultanément, avec une intensité différente selon le niveau de maturité de la banque :
La stratégie se construit en se basant sur des preuves pour s’assurer de la pertinence de la trajectoire. Chaque nouveau cycle permet d’accélérer l’appropriation de la Data par l’entreprise… et d’entrer dans une phase de plus en plus opérationnelle. Dès les premiers cycles, les champs avals sont travaillés : > Structuration du socle Data et initialisation du déploiement > Analyse des impacts sur la transformation des modèles et des métiers > Initialisation de la conduite du changement
Champ #1 la stratégie, pour mettre la Data au cœur de l’entreprise :
Définir le quoi, l’utilité de la démarche Data,
Analyser la maturité Data de l’entreprise (organisationnelle, fonctionnelle, technologique),
Ajuster le tempo au regard de cette maturité,
Mesurer l’effort à fournir (en intégrant la construction du patrimoine de données et la transformation des métiers),
Construire la trajectoire,
Sanctuariser un budget dédié à la Data.
Champ #2 les preuves, pour engager et entretenir la dynamique :
Réaliser des MVP pour apporter rapidement de la valeur aux clients ou en interne et répondre aux points de faiblesses identifiés lors des diagnostics,
Initialiser la construction du socle Data (travaux de collecte et normalisation à initialiser sur les données prioritaires les plus utilisées),
Piloter les efforts à travers des indicateurs de mesure et valoriser les premiers succès.
Champ #3 le scale-up, pour élaborer des capacités industrielles :
Construire le patrimoine de données,
Transformer les modèles opérationnels et les processus,
Organiser et piloter la montée en charge de la filière Data,
Organiser et déployer la transformation des métiers (Data Academy…).
Champ #4 le run, pour la production :
Maintien en condition opérationnelle du Socle Data, des moyens et de la gouvernance,
Revue périodique des modèles d’analyse et amélioration continue (passade de modèles descriptifs à des modèles prédictifs voire prescriptifs),
État de l’art technologique.
Damien Chambonnière
Partner Kea & Partners
Romain Aeberhardt
Partner Veltys
Charley Wattinne
Directeur Kea & Partners