Face aux changements rapides et profonds de l’environnement économique, le secteur bancaire est amené à faire évoluer ses méthodes pour mieux connaître ses clients et interagir au bon moment. Le développement  des technologies de l’information et de la communication ont permis au secteur bancaire de générer un déluge de données sur leurs clients. Les banques voient dans le Big Data, une opportunité de trouver de nouveaux leviers de compétitivité pour améliorer leur relation avec ses clients et par déduction améliorer le ROI.

Le Big data une rupture technologique
Le Big Data marque une rupture dans l’évolution des systèmes d’information et répond à une triple exigence bien connue avec la célèbre règle des 3V :
-un grand Volume de données,
-une importante Variété de ces mêmes données,
-et une Vitesse de traitement avoisinant le temps réel.

Les outils Big Data sont capables, à très haute vitesse, de collecter, partager et traiter une quantité gigantesque de données multi-structurées. L’implémentation des solutions Big Data démontre que les algorithmes simples, appliqués sur de grandes quantités de données, sont plus efficaces que les algorithmes complexes, appliqués sur de petites quantités. Ces solutions démontrent également que l’exploitation de l’exhaustivité des données clients, diverses et variées, permet une meilleure représentativité. Ces postulats nous amènent à rompre avec le raisonnement cartésien de l’analyse de l’information. Une récente étude réalisée par McKinsey montre que les entreprises innovantes croissent de 10% par an, contre 3% pour celles qui n’innovent pas. La rupture technologique amenée par le Big Data constitue une réelle innovation et présente un potentiel très important dans le secteur bancaire du fait du volume important des clients et d’un historique de données conséquent. Investir dans cette technologie représente une opportunité majeure pour améliorer leurs performances.

Les sources de données bancaires
Le secteur bancaire est l’un de ceux qui détient le plus grand volume de données après les réseaux sociaux, Google, la grande distribution et autres champions du web. Les données sont présentes sous plusieurs formes :
-Données structurées : paiement par carte, retraits d’argent aux distributeurs, consultation du compte via smartphone
-Données semi-structurées : messages mail, log du parcours client sur le web
– Données non structurées : centres d’appels, point téléphonique avec les conseillers,
-etc.

L’utilisation du big data ouvre de nouveaux horizons et de nouvelles opportunités pour les banques. Dorénavant, celles-ci peuvent exploiter et croiser tous types de données structurées ou non-structurées et ainsi mieux surveiller la qualité de service et identifier les raisons de l’attrition client.

Une approche classique à repenser
Le marché bancaire est saturé avec un taux de bancarisation en France de 98%. La conquête de nouveaux clients est devenue difficile. Aussi, les produits et les services tendent à se normaliser et le secteur peine à trouver de nouveaux éléments différenciateurs. Autre facteur structurant, une récente étude montre que deux clients sur cinq se disent prêts à quitter leur banque. Les banques doivent donc repenser leur approche et axer leurs travaux sur la satisfaction client afin de fidéliser leurs meilleurs clients, contrôler leur taux d’attrition et enfin améliorer leurs marges en proposant via le bon canal de distribution, le bon produit au bon moment. L’approche classique des banques dans la compréhension de leurs clients reposait essentiellement sur l’échantillonnage avec des données structurées. De nos jours, seulement 20% de données sont structurées et adaptées à être stockées et exploitées par un SGBD (Système de Gestion de Bases de Données) classique. La technologie Big Data permettra de ne plus se baser sur des échantillons de données, mais de traiter les données dans leur ensemble et ainsi de voir les vérités qui se cachent derrière les 80% de données non structurées. L’idée est que les canaux de vente peuvent communiquer entre eux, de sorte qu’un client qui démarre une application en ligne mais ne l’achève pas, pourrait obtenir une offre de suivi via un courrier ou un courriel lui proposant un rendez-vous physique.

Le besoin d’exploiter les données en temps réel s’impose aussi. Les clients sont multi-canaux numérique. Il est possible de passer à une gestion de l’offre en temps réel. Dans ce cas, on se rend compte que les données d’hier ne sont plus pertinentes. D’autres sujets exigent aussi un traitement en temps réel ou une vue en moins d’un jour: les traitements Bâle, du risque de liquidité, augmenter la rapidité de production des reportings réglementaires et de la qualité des données. Il est possible d’optimiser ces projets à condition de repenser la stratégie traditionnelle avec laquelle les banques gèrent les données : Stockage répété de la même donnée, modélisation dans un entrepôt, ajout d’une couche d’agrégation, etc.

Big Data, les cas d’usages dans la banque
Les perspectives se concentrent sur les aspects comportementaux des clients avec l’analyse des transactions et des données externes de géolocalisation de ces clients. Les banques sont amenées à déployer des services plus significatifs qui répondent mieux aux besoins des clients, tout en les aidant à économiser de l’argent et à générer des revenus supplémentaires pour la banque.                

1er cas : Le big data permet de détecter et de caractériser les fraudes
Pour l’ensemble des paiements par carte, l’Observatoire de la sécurité des cartes de paiement révèle que le montant de fraude augmente chaque année, celui-ci a atteint  un montant total de 500 millions d’euros en 2014. Le Big Data par sa capacité de rassembler d’énormes quantités de données, permet, en temps réel, d’identifier tout comportement jugé anormal pour ainsi prévenir les utilisations frauduleuses des cartes bancaires ou des virements. Par exemple en exploitant les données permettant de géo-localiser un client et en cas de doute, demander une authentification supplémentaire. Ces méthodes ne sont pas encore totalement généralisées en France mais elles le seront certainement dans les années à venir.       

2ème cas : Le Big Data optimise le temps des traitements
Les systèmes de Back-Testing massivement utilisés dans les banques et dont la durée de calcul peut durer plusieurs jours semblent aujourd’hui obsolètes. A noter aussi que la phase exploratoire a été limitée à cause des cycles d’analyse longs. Le Big Data pourra permettre aux statisticiens de produire des conclusions plus fréquentes et dans des délais plus courts.                

3ème cas : Le Big Data au service de la conformité
Le big data permet de limiter les risques de piratage des données personnelles. En effet, l’identification des accès frauduleux aux comptes clients permettra de réduire drastiquement le temps de réponse aux requêtes de conformité pour la transparence d’usage des données stockées et analysées.                

4ème cas : Génération de revenus
Améliorer la connaissance clients pour optimiser l’efficacité des campagnes marketing (la bancarisation est de 98%). Ce projet est innovant dans la diversité des sources et des formats de données utilisés.               

5ème cas : le big data permet une Analyse Prédictive
Face à l’inefficacité croissante des pratiques marketings traditionnels, le marketing prédictif constitue un des leviers de compétitivité. En effet, une analyse poussée du comportement des consommateurs à travers leur consommation bancaire et non bancaire, permet d’établir des tendances fortes qui permettent d’anticiper des actions. L’exploitation des données non structurées avec le big data permet de fournir des analyses prévisionnelle assez précises pour anticiper les comportements des consommateurs.                 

6ème cas le big data améliore la relation client
Mieux connaitre un client permet d’instaurer avec ce dernier un lien de plus grande proximité afin de répondre de façon plus adaptée à ses besoins. La stratégie Big Data des banques vise ainsi à améliorer la connaissance clients et de là en découle la satisfaction clients. Concrètement, cela passe par une personnalisation immédiate des services et des produits proposés grâce à l’exploitation des sources de données auxquelles le client aura autorisé l’accès.

Conclusion.
Comparé aux banques américaines, britanniques et scandinaves, les banques françaises commencent timidement leurs expériences Big data. Parmi leurs principaux obstacles, se pose la question de la formation  et du recrutement afin de tirer le meilleur parti du Big Data. Le développement de ce concept passera essentiellement par une mise en place d’une nouvelle approche de management et d’une nouvelle organisation structurelle. La technologie  Big Data est rapidement devenue un impératif commercial permettant d’apporter non seulement des solutions aux défis du développement commercial du secteur bancaire, mais aussi sur la transformation de leurs processus et de leurs organisations, grâce au volume et à la variété d’information à manipuler. Les directions informatiques sont en phase de réalisation de POC (Proof of Concept) et POT (Proof of Technology) afin de mesurer la réalité des promesses en matière de RIO. La priorité sera axée sur l’amélioration de la relation client, plutôt que d’essayer de transformer les systèmes d’information de données dans toute la banque en une seule fois.