DEMS and Banking: Automate, Get Compliant, and Win

Le secteur bancaire européen est l’un des plus réglementés au monde, avec des normes nationales, régionales et internationales à respecter. Les coûts de la non-conformité étant conséquents, les dirigeants du secteur bancaire se doivent de faire très attention à être pointilleux et les données sont au cœur de toute leur attention.

Les banques utilisent des critères et données précises pour évaluer si un client peut se voir accorder un prêt, le risque qu’il représente, le rendement d’un investissement et la valeur nette de tous ses dépôts et actifs. Au-delà des contraintes réglementaires auxquelles les banques sont confrontées, dû aux règles telles que “Know Your Customer (KYC)”, les données que les banques recueillent sur leurs clients sont essentielles pour faire les bons choix, que ce soit pour leurs activités commerciales ou de détail. Le monde actuel est fortement impliqué dans la prise de décision basée sur les données, mais ces données sont-elles suffisamment optimisées pour les défis auxquels elles sont confrontées ?

Global Data Excellence (GDE) a travaillé avec une grande banque européenne, qui a une empreinte à l’échelle mondiale dans le domaine de la banque de détail et la banque commerciale. Après une courte période de formation et de certification par l’équipe de GDE, la banque a été en mesure d’identifier très rapidement les retours sur investissement dans le système de gestion d’Excellence des données (DEMS) ainsi que son propre investissement dans les deux domaines suivants :

La valeur nette d’inventaire (Net Asset Value) :

Placer les calculs dans un contexte de données

La valeur nette d’inventaire, ou NAV, d’une banque est un point de données essentiel, comme c’est le cas pour les fonds communs de placement, les fonds d’investissement et toutes les entreprises publiques. Le calcul de la NAV est relativement simple, puisqu’il s’agit simplement de l’actif de la banque divisé par le passif de la banque, et ce, généralement exprimé par rapport au nombre d’actions en circulation de la banque.

Pourtant, cette simplicité apparente dément la réalité complexe de la détermination de la NAV d’une banque d’envergure mondiale. Si le nombre d’actions émises est facile à suivre, les actifs et passifs à un moment donné peuvent s’avérer difficiles à déterminer avec précision. En effet, dans le cas de la grande banque qui s’est adressée à GDE à la recherche d’un retour sur son investissement dans ses données, il est rapidement apparu que les calculs de la NAV ne s’appuyaient pas sur toutes les données relatives de la banque.

Après s’être connecté aux bases de données de la banque, il n’a fallu que 8 jours à GDE pour fournir un aperçu clé du calcul de la NAV. Le plus surprenant a été le fait que seulement 11 % des données de la banque étaient accessibles pour le calcul de celui-ci, les 89 % restants étaient verrouillés ou cloisonnés. La grande majorité de ces données se trouvaient dans des feuilles de calcul, des ordinateurs portables et des ordinateurs déconnectés du réseau de la banque. Non seulement hors de portée de DEMS, mais également hors de portée des équipes chargées de calculer une NAV précise.

Pour la banque, cela démontrait un problème non seulement dans ses calculs, mais aussi un problème plus large de gouvernance des données. Forte de ces résultats, la direction a commencé à utiliser DEMS pour guider ses efforts visant à établir un meilleur cadre qui permet d’améliorer la gouvernance et de calculer plus précisément la NAV.

Indicateurs de risque global (Global Risk Indicators): Connaître son client et mesurer le risque

Toutes les banques sont tenues de savoir qui effectue des opérations bancaires avec elles. Les réglementations qui régissent cette connaissance sont connues sous le nom de règles KYC (Know Your Customer) et selon le lieu où la banque exerce, elles varient pour répondre aux normes locales.

Pour une banque présente sur le plan mondial, il peut être difficile de s’assurer que les règles KYC sont respectées. Comme la banque s’appuie sur les succursales locales pour recueillir les informations pertinentes et requises pour chaque client, il est inévitable que certaines données passent à travers les mailles du filet. Pour la banque, ces clients représentent un risque en cas d’examen réglementaire, mais aussi un risque général de pertes dues à un client qui pourrait ne pas répondre aux critères d’un prêt responsable.

En adoptant DEMS, la banque a décidé d’étudier les risques associés aux divergences par rapport aux réglementations KYC existantes. Il s’agissait d’un défi important pour la banque, car elle devait extraire des données et des connaissances d’une combinaison de différents systèmes existants situés dans des bureaux régionaux aux quatre coins du monde. Non seulement ces systèmes étaient différents, mais ils étaient également disloqués, déconnectés et soumis à des exigences réglementaires différentes. Avec DEMS, cependant, la connexion de tous ces systèmes disparates a été simple et les informations ont pu être extraites rapidement.

Adoptant une perspective de gestion globale des risques (Global Risk Management), la banque a identifié des milliers de comptes qui n’étaient pas conformes aux réglementations KYC, et a pu évaluer le risque encouru par la totalité de ces comptes non conformes. Au total, la banque a identifié 70 objets avec un total de 80 000 comptes représentant plusieurs milliards de dollars qui ne respectaient pas la réglementation KYC et donc un risque considérable pour la banque.

Comme pour les informations sur la NAV obtenues grâce à DEMS, la banque a pu non seulement prendre des mesures sur le risque que ces comptes représentaient pour elle, mais aussi apporter des changements ciblés à ses propres pratiques de gouvernance des données afin d’éviter de futurs problèmes.

La puissance de DEMS :
Une solution pour n’importe quel problème de données

Quels que soient les problèmes de données auxquels la banque était confrontée, DEMS a apporté une perspective basée sur les preuves et la valeur dont les dirigeants et les décideurs avaient besoin pour résoudre les plus grands d’entre eux. Grâce à DEMS, les équipes de direction ont eu la possibilité d’identifier rapidement et efficacement à quel endroit la valeur était ajoutée à la banque et comment cette valeur était générée. En outre, en mettant en évidence les problèmes dans les structures de données existantes des systèmes bancaires, DEMS a aidé la direction à se conformer aux directives évolutives des entités régulatrices telles que la FINMA, la MiFID ou également des règles régionales telles que la RGPD.

Contrairement à l’approche du Machine Learning, DEMS n’a pas besoin d’être formé sur des modèles structurés avec des historiques de données. Bien qu’il soit parfaitement adapté aux prédictions simples telles que la probabilité des ventes de produits la semaine à venir ou les stocks de produits de remplacement pour un supermarché en fonction des variations saisonnières, le Machine Learning est considérablement limité par l’hypothèse selon laquelle l’avenir ressemblera grandement au passé. Si l’avenir est différent du passé et si une année de bouleversements économiques dus à une pandémie prouvent que les surprises arrivent plus vite qu’on le croit – les modèles de Machine Learning seront peu utiles et obsolètes.

DEMS, en revanche, apporte une approche cognitive à la donnée. Il se connecte à des sources de données disparates dans l’ensemble de la banque, où qu’elles se trouvent et quels que soient les systèmes modernes ou anciens dans lesquels les données résident. DEMS peut ingérer des données dans n’importe quelle langue et les mobiliser sur une seule plateforme en ligne accessible à tous. En une fraction du temps nécessaire à l’apprentissage d’un Machine Learning sur un seul ensemble de données, DEMS permet de prendre des décisions fondées sur la valeur qui ont un impact direct et mesurable sur l’entreprise et ses activités.

Allez plus loin !

Vous voulez en savoir plus sur les résultats rapides obtenus par DEMS pour ses clients du secteur bancaire ? Téléchargez notre nouveau rapport sur le succès des clients et découvrez comment la technologie cognitive de DEMS aide entre autre les banques, à se conformer, à automatiser et à triompher !

Customer success report

Download PDF

Send download link to:

Global Data Excellence News

DEMS & la Data Fabric

DEMS & la Data Fabric

En 2020, les analystes de Gartner ont publié leur Top 10 des tendances technologiques en matière de données et d'analyse et, en septième position,...

Global Data Excellence (GDE)

Route de la Galaise 34

CH - 1228 Plan-les-Ouates

© 2024 Global Data Excellence | All Rights reserved | DEMS Support Platform | Website realised by Swiss House of Brands