Asset managers, oubliez le Big Data

Dossier : Dossier FFEMagazine N°720 Décembre 2016
Par Didier ROUBINET

« 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.

EN BREF

NeoXam, leader de l’édition de solutions logicielles dans le secteur financier, est au service de plus de 150 sociétés clientes dans 25 pays.
NeoXam se consacre au succès de ses clients : nous fournissons ainsi des solutions fiables et flexibles utilisées par plus de 10 000 personnes.

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.

Poster un commentaire