Asset managers, oubliez le Big Data

« OIL & SOIL » !

Toutes les entre­pris­es en pleine trans­for­ma­tion numérique l’ont com­pris : la don­née est l’or noir de notre époque et le ter­reau sur lequel vont pou­voir croître les ser­vices et la valeur de demain pour leurs clients. 

Cepen­dant sur cette thé­ma­tique, trop sou­vent, c’est la promesse « Big Data » qui reste la plus médi­atisée : d’impressionnants vol­umes de don­nées très hétérogènes à analyser rapidement. 

Les sys­tèmes Big Data ne sont pour­tant pas pen­sés d’un point de vue « trans­ac­tion­nel », pour réalis­er et mod­i­fi­er des enreg­istrements, en appli­quant des règles busi­ness nom­breuses et en lais­sant à dis­po­si­tion des pistes d’audit pour toutes les trans­for­ma­tions effectuées. 

Cette approche « Smart Data » est en l’occurrence beau­coup plus intéres­sante pour un Asset Manager. 

Et pour cela, pas besoin de faire table rase de son sys­tème exis­tant : il suf­fit d’entrer dans une logique de « Data Cen­tric Oper­at­ing Mod­el ». L’essentiel sur le sujet en 3 questions. 

De quoi s’agit-il ?

À l’heure actuelle, l’immense majorité de nos sys­tèmes d’information sont conçus pour être « busi­ness cen­tric ». Les Asset Man­agers ont ain­si des sys­tèmes par­faite­ment cal­i­brés pour faire du « risque », d’autres de la « com­pli­ance », d’autres de la « tenue de posi­tion », ou encore de la compt­abil­ité… cha­cun étant un silo de don­nées pro­pre et cohérent pour faire très bien cette par­tie dédiée de son busi­ness. Et pas plus. 

De nom­breuses entre­pris­es cherchent à bâtir au-dessus de ces silos, une couche « client cen­tric » qui intè­gr­era les usages nou­veaux, une meilleure visu­al­i­sa­tion des don­nées, des fonc­tion­nal­ités et une ergonomie séduisante, au niveau de ce que pro­posent de plus en plus de jeunes acteurs dis­rup­tifs de la FinTech. 

C’est brûler les étapes et ris­quer au con­traire d’accumuler les erreurs qui grèveront cette expéri­ence util­isa­teur tant recher­chée. Pour attein­dre cet objec­tif, il faut repar­tir d’une base solide : une approche du data man­age­ment qui per­me­tte d’être « data cen­tric » à tous les niveaux de l’entreprise.

Les Asset Man­agers n’ont plus le choix : les con­traintes régle­men­taires, de Sol­ven­cy 2 au Dodd Franck Act, ont mis en avant l’impérieuse néces­sité de pou­voir jus­ti­fi­er de cette excel­lence sur la mise en qual­ité, la mise à dis­po­si­tion pour audit et la trans­parence de la don­née dans le sys­tème d’information.

Les dernières sanc­tions pronon­cées par l’AMF, cer­taines approchant le mil­lion d’euros sont là pour le rappeler. 

Quelles sont les meilleures pratiques pour mettre en place mon data centric operating model ?

L’objectif est de se dot­er d’une approche du data man­age­ment qui per­me­tte aux silos métiers du sys­tème his­torique de devenir à la fois con­tribu­teur et con­som­ma­teur d’un socle com­mun pour toutes les don­nées de l’entreprise.

La mise en qual­ité des don­nées sera cen­tral­isée, har­mon­isée, plutôt que d’avoir à se répéter des dizaines de fois pour chaque sys­tème. Le quo­ti­di­en « fonc­tion­nel » des silos métiers restera, lui, inchangé. 

ON NE S’IMPROVISE PAS EXPERT EN DATA MANAGEMENT : CELUI-CI DOIT AVOIR L’INTELLIGENCE QUI PERMETTRA DE S’ADAPTER EN TERMES DE FORMATS, DE PROTOCOLES, DE CONTRÔLES, AFIN D’UNIFORMISER, DE COMPLÉTER ET DE RESTITUER UN ENSEMBLE COHÉRENT.
 

Mais pour y arriv­er, il sera néces­saire d’éviter les faux com­bats. Par­mi eux, l’idée que l’entreprise doit dévelop­per elle-même en interne le logi­ciel de data man­age­ment. Le cœur de méti­er des Asset Man­ag­er n’est pas là : au-delà de la dimen­sion pure­ment tech­nique de ges­tion de la don­née et du data mod­el qui sera util­isé, il va fal­loir tenir compte de l’implémentation des très nom­breuses règles busi­ness finan­cières qui per­me­t­tront d’éviter les minus­cules erreurs aux con­séquences énormes. 

On ne s’improvise pas expert en data man­age­ment : celui-ci doit avoir l’intelligence qui per­me­t­tra de s’adapter en ter­mes de for­mats, de pro­to­coles, de con­trôles, afin d’uniformiser, de com­pléter et de restituer un ensem­ble cohérent. 

Il doit avoir les out­ils, API, web­ser­vices, qui per­me­t­tront de cap­i­talis­er sur l’existant, pour toutes les fonc­tions con­cernées, que ce soit un change­ment de date ou un cal­cul sophistiqué. 

De même, il ne faut pas tomber dans le piège des solu­tions totale­ment inté­grées qui répondraient à ces besoins-là aux mêmes titres qu’à tous les autres. Les exem­ples sont omniprésents sur le marché : on ne réus­sit pas une véri­ta­ble approche data cen­tric avec un couteau suisse. 

Au con­traire, un logi­ciel de data man­age­ment indépen­dant per­me­t­tra de faire le lien entre les logi­ciels « Best of Breed » en assur­ant un socle inté­gré com­mun : c’est ce que nous appelons chez Neox­am le « Best of Hybrid ». 

Qu’obtient-on une fois ce modèle opérationnel « Data Centric » mis en place ?

Ce socle com­mun sera une source de con­fort excep­tion­nelle pour tous les con­trôles internes ou externes qui seront néces­saires dans la vie de l’entreprise. C’est aus­si un gage de con­fi­ance que l’on est en mesure de don­ner à ses util­isa­teurs, qui ne douteront plus de la qual­ité et de la per­ti­nence des don­nées qu’ils utilisent au quotidien. 

Par ailleurs, la réduc­tion des coûts des con­trôles réal­isés, en évi­tant toute redon­dance, sera à la fois un fac­teur d’efficacité opéra­tionnelle et d’une meilleure maîtrise des risques. 

Enfin, l’entreprise pour­ra se tourn­er plus sere­ine­ment vers l’avenir, car elle aura de fait une meilleure con­nais­sance de son busi­ness, de ses clients, de ses émet­teurs, de ses con­trepar­ties ou encore de ses opéra­tions. Elle saura dire en com­bi­en de temps une infor­ma­tion a pu être traitée, quelles sont les don­nées inté­grées et celles détru­ites, qui les con­somme et pour quel coût global… 

Elle se dotera aus­si de KPIs opéra­tionnels qui per­me­t­tront de faire appa­raitre les usages, les com­porte­ments et les bonnes pra­tiques des acteurs de l’entreprise, au-delà de la dimen­sion tech­nique et des flux de données. 

De quoi se pro­jeter plus effi­cace­ment vers son pro­jet d’Entreprise Data Man­age­ment, et, plus loin encore, vers un Dig­i­tal Ecosys­tem Man­age­ment, qui éten­dra son savoir-faire et sa maîtrise des don­nées à l’ensemble des acteurs qui com­posent son écosys­tème, afin d’imaginer les ser­vices de demain.

---

Articles similaires :

Innover pour répon­dre aux nou­veaux besoins des investisseurs Créa­tion de la chaire de Recherche Stress Test, RISK Man­age­ment & Finan­cial Steering Les enjeux tech­nologiques des Asset Managers Risk Man­age­ment et trans­parence des risques financiers L’industrie du médica­ment : entre sci­ence, rentabil­ité et éthique Le tiers à qui vous pou­vez faire confiance