La qualité des données est un enjeu majeur pour de nombreuses entreprises. Quel que soit le domaine, et plus particulièrement pour le secteur bancaire, une bonne qualité des données permet de limiter les données erronées, peu fiables et orienter la prise de décision, au service du pilotage de l’entreprise.

Vers une digitalisation de la banque

D’un point de vue général, la data quality a pris un rôle central dans l’ensemble des entreprises et institutions. De ce fait, l’organisation des entreprises s’est retrouvée profondément modifiée. On a vu émerger de nouveaux rôles et responsabilités, tels que le Chief Data Officer ou le Chief Digital Officer. Ce dernier, selon les entreprises, peut notamment inclure la relation client, la data voire le ecommerce.

L’enjeu du digital pour l’ensemble des industries et plus particulièrement dans la sphère financière est de développer le champ de la connaissance des consommateurs, optimiser la relation client, personnaliser les offres produits et services associés.

Mise en application de la data quality dans le secteur bancaire

Par conséquent, les outils de la stratégie traditionnelle de l’entreprise se sont vus appliqués à la data. A ce titre, nous pouvons citer la gouvernance, le contrôle ou encore le data mining.

De nombreuses initiatives notamment liées à la réglementation européenne ont poussé les banques à renforcer la gouvernance et le contrôle de la donnée. Une des plus récentes est la réforme bâloise BCBS239, qui vise à collecter dans un unique bus de données l’ensemble des données liées aux différentes typologies de risque bancaire. Cela passe par une cartographie des sources, des revues périodiques, ainsi qu’un audit de la donnée.

Au-delà de l’aspect réglementaire, les banques s’appuient sur ce genre d’initiatives afin de pouvoir améliorer leur méthode de scoring, ainsi que la détection de fraude.

Les risques de la bad quality

Durant de nombreuses années, l’attention des entreprises se portait sur la qualité des modèles. Ces modèles permettaient par exemple de définir une cible marketing, une meilleure compréhension du marché ou toute autre forme d’analyse complexe.

Aujourd’hui, le prisme a évolué vers des modèles plus simplifiés mais disposant d’excellentes qualités de données. La data est ainsi devenue un point d’entrée central et mature au sein des entreprises grâce à des solutions big data ou data mining par exemple. Demain, l’enjeu ne sera plus de se concentrer uniquement sur la qualité des données mais bien sur leur sécurisation.