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 Aria­nes­pace tou­jours lea­der du lan­ce­ment de satel­lites commerciaux