Restez connecté à l'univers CDLK

DSP2, quelles nouvelles perspectives de la valorisation de la donnée bancaire ?

DSP2, quelles nouvelles perspectives de la valorisation de la donnée bancaire ?

Tags : Banque Big Data DSP2 Transformation Digitale

Octobre 2018

Tribune de Benoit Gruet dans  Les Echos le 10 octobre 2018

 

Dans un environnement réglementaire en pleine mutation, la DSP2 normalise l'accès aux informations détenues sur les comptes bancaires, pour les tiers autorisés par le client. Si l'accès à la donnée transactionnelle est désormais normalisé avec la DSP2, la question de son niveau d'exploitabilité reste posée.

Voir plus

Dans un environnement réglementaire en pleine mutation, la DSP2 normalise l'accès aux informations détenues sur les comptes bancaires, pour les tiers autorisés par le client. Les barrières, à l'entrée du secteur bancaire, n'ont jamais été aussi fragiles et le risque de disruption fort. Face à une nouvelle forme de concurrence très active (néo banques, PFM-Agrégateurs, GAFAM, BATX...), les banques traditionnelles doivent s'appuyer sur la valorisation des données qu'elles détiennent, exposées plus que jamais aux convoitises. 

Enjeux autour de la data de paiement bancaire.

Parmi les données rendues accessibles par la DSP2, l'analyse des transactions liées aux dépenses carte bancaire est un enjeu-clé puisqu'elles restent la condition pour créer de la valeur et enrichir la relation client en proposant des offres et services individualisés, à l'instar de ce qui fait la force des géants du net. On entend souvent, chez les nouveaux acteurs, que la DSP2 ouvre les perspectives d'une exploitation "eldoradesque" de la donnée transactionnelle. En revanche, la question de la qualité de la data collectée n'est jamais réellement abordée. Avec la mise en place de cette nouvelle directive, la question posée n'est plus de savoir comment accéder aux données en toute conformité, mais bien de comment parvenir à les exploiter correctement. 

Quel niveau d'exploitabilité de la donnée de paiement ?

Les chantiers menés depuis quelques années sur le sujet ont confirmé le défi lié à la non-qualité des informations transactions carte affichées sur le relevé (celles précisément visées par la DSP2) : identité du commerçant imprécise, absence de localisation de l'achat, absence du type de paiement effectué : offline, online, automate ? Les banques sont quotidiennement confrontées à cette réalité. D'une part, les clients s'interrogent régulièrement lors du pointage de leurs comptes (chaque conseiller bancaire recevant en moyenne 2 appels par jour pour gérer ce type de question*) ; d'autre part, leurs data scientists tentent - sans réel succès à ce jour - de bâtir des modèles efficients pour différentes finalités métiers : CRM, risque, fraude... 

Du côté des applications PFM, l'amélioration de la nature des dépenses est basée principalement sur l'option de catégorisation manuelle, dépendant ainsi du bon vouloir de l'utilisateur. Force est de constater, depuis presque une décennie, que ce principe de contribution n'a pas donné de résultat significatif. Lorsque vous avez la majorité de vos dépenses restant à catégoriser ou incorrectement catégorisée, cela ne motive pas à y passer du temps. Peut-on esquisser des lendemains meilleurs pour les PFM grâce aux avancées de l'IA, permettant un mix "catégorisation automatisée/catégorisation manuelle" plus conforme aux attentes ? 

Que peut faire l'IA face à cette problématique ?

La problématique à résoudre par l'IA serait donc, à partir du libellé unique de la transaction affichée, de reconstituer une identité fiable et intelligible du marchand. Lors d'un récent workshop**, Jean-François Puget, Technical Lead IBM pour WATSON, évoquait la nécessité de partir impérativement d'un cas pratique déjà résolu par l'humain avant de pouvoir tenter d'expérimenter une solution IA. La machine peut être "joueuse d'échecs", "trieuse d'email", "conseiller chat conversationnel"... tous ces cas d'usages doivent préalablement être maitrisés par l'humain avant de tenter de passer à une expérimentation IA. Dans le cas qui nous concerne, l'identification automatique du marchand sur une seule donnée alphanumérique reste non résolue. 

L'accès à la donnée brute monétique constitue un avantage concurrentiel unique.

Pour une fois, les grands émetteurs de cartes bancaires disposent d'un avantage concurrentiel vis-à-vis des nouveaux entrants, que la DSP2 ne gomme pas. Être en capacité de se connecter à la donnée monétique brute avant qu'elle soit filtrée à des fins d'affichage dans l'espace client, constitue la solution à mettre en place dans les banques. Une fois ces données brutes collectées, un processus itératif de normalisation, de raffinage, de croisement avec des bases externes permet l'identification précise et fiable de chaque dépense carte bancaire. 

Créer de nouveaux services à partir de la donnée transactionnelle brute !

Proposer la clarification automatique du relevé de dépense, offrir des offres de shopping personnalisées sous forme de cashback automatisé, pousser aux commerçants des KPI's de benchmarking de leur point de vente... sont quelques exemples de nouvelles fonctionnalités désormais possibles grâce aux nouvelles technologies Big data. Le changement de paradigme pour les banques consiste à créer de la différenciation grâce aux données qu'elles détiennent en exclusivité plutôt que défensivement se focaliser sur celles qui sont désormais, via la DSP2, en format "open source". 

 

* Mesures internes au sein de 2 grands réseaux bancaires en France/# appels entrants concernant des demandes de clarification sur opérations affichées. 

** Workshop Revue Banque (R)évolution digitale - vers la finance 3.0 (19-20 septembre 2018) 

 

@BenoitGruet

Fermer

La Société Générale accélère dans le cashback

La Société Générale accélère dans le cashback

Tags : Carte Bancaire Cashback CLO Transformation Digitale

Avril 2018

Article paru sur  L'AGEFI le 04 avril 2018

Le marché français du cashback attise les convoitises des banques. Cette pratique, qui consiste à faire profiter des consommateurs de remises négociées lors de leurs achats, vient en effet d'être généralisée par la Société Générale à l'ensemble de ses clients majeurs, soit 5,7 millions de personnes. Lancée fin 2014 via la plate-forme Grande Avenue de la banque rouge et noire, cette offre concernait jusque-là 3,7 millions de clients souscripteurs du package bancaire Jazz.

Voir plus

«Notre objectif est de fidéliser notre clientèle par le biais de bons plans permettant d'augmenter le pouvoir d'achat, explique Stéphanie Vuillemin, responsable marketing offres de services aux particuliers de la Société Générale. L'offre de cashbackest aussi un moyen de différenciation dans le paysage bancaire français. Le cashback demeure en effet encore embryonnaire, puisque 10% des Français sont utilisateurs, contre plus de 60% aux Etats-Unis. Cette offre nous permet par ailleurs de nous poser en tiers de confiance dans la protection des données clients, car le site Grande Avenue a été développé par une filiale du groupe, Franfinance.»

Jusque'alors, la Société Générale comptait 147.000 utilisateurs, qui ont déjà réalisé 29 millions d'euros d'achats, avec à la clé 1,2 million de cashback. En s'inscrivant gratuitement à Grande Avenue, les futurs utilisateurs pourront accéder, via la plate-forme, à 800 e-commerçants, dont les plus grandes enseignes (Fnac, Booking.com...). Après l'achat, la remise, dont la banque perçoit une partie, est reversée sur une cagnotte, qui peut être transférée sur le compte courant du client dès qu'elle atteint le seuil de 20 euros.

Ce seuil est également appliqué par LCL, qui a lancé un service similaire en octobre 2015 (NDLR: Solution CLO de CDLK) et compte désormais 300 enseignes partenaires. «Un quart de nos clients adultes ont activé ce service et un tiers d'entre eux environ l'utilisent régulièrement», commente LCL, ajoutant que «2017 a été six fois plus dynamique que 2016». Certaines caisses régionales du Crédit Agricole proposent aussi une offre de ce type. La Société Générale a, par ailleurs, lancé un pilote pour étendre le système à certains points de vente physiques, une possibilité déjà offerte par LCL dans 1.100 magasins.

Les achats générés en France par le cashback ont atteint 600 millions d'euros en 2015, selon une étude réalisée par Xerfi en 2016 qui tablait sur un volume de 800 millions en 2017. L'étude pointe notamment que le marché représentait déjà environ 2,5 milliards d'euros au Royaume-Uni à cette époque.

Fermer

Effecting Digital Transformation in Finance

Effecting Digital Transformation in Finance

Tags : Big Data Innovation Transformation Digitale

Septembre 2017

Article paru sur business.com le 8 septembre 2017.

Finance has historically been a function slow to change, given the industry is heavily regulated. Yet other teams across organizations have embraced technology and the shift to digital, and finance functions should be no different.

Voir plus

Finance has historically been a function slow to change, given the industry is heavily regulated – and even though finance spends more money on technology investments as a proportion of its revenues than other industries, the office of finance is still struggling to strategize how to implement the much-needed digital transformation. Other teams across organizations, ranging from sales to marketing to product development, have started to embrace technology and the shift to digital, and finance functions should be no different.

Leaders of today's organizations recognize the competitive environment they are in. They know they have to be open to change – and adapt to those changes quickly – in order to remain profitable and retain valuable customers who can easily choose between numerous other companies that offer the exact same, or at least very similar, product or service. While there has been considerable buzz around machine learning, process automation and other technologies, effecting digital transformation in the office of finance truly starts with creating new value and revenue opportunities from existing data assets. 

It is easy to imagine that finance teams are very comfortable with data. Much of their days are spent in Microsoft Excel, inputting numbers into spreadsheets and financial statements that show how a company is tracking against its goals. On the other hand, big data, another term that has received a lot of buzz in recent years, is much different than the usual hard numbers finance deals with – but it is still on their plates to digest and analyze for the better of the organization.

Over the course of their years in business, companies amass large amounts of unstructured data that is not necessarily related to the hard numbers finance teams deal with on a daily basis – this is what we mean when we say “big data." As more of this unstructured data is accumulated, it will undoubtedly become even more difficult to keep up with the vast quantity of information available, which is being retrieved and stored by other technology tools, such as mobile devices, software logs and wireless sensor networks. So, the big question at hand is: How do organizations today implement a strategy that takes data from volume to value?

Here are a few ways the office of finance can ensure they are creating value and revenue from tapping into existing big data: 

1. Leading finance organizations have ushered in enterprise-wide digital transformation by cultivating a culture of continuous performance measurement and monitoring. Circulating data throughout a company is a considerable challenge – yet, by leveraging cloud applications to mobilize resources and make data analysis less cumbersome and more accessible to everyone, finance leaders are helping to define the epoch of digital transformation.

2. Keeping an eye on emerging technologies that can help the finance function utilize data more smoothly and efficiently – and investing when the technology is a good fit – is also key. As global trade and science-driven data become more integral to strategy, finance departments are expected play an increasingly strategic role in business development. To keep pace with new expectations, financial executives need modern and dynamic tools that can be easily integrated with existing systems. Financial management systems software should include not just reporting and transactional features but also tools for financial consolidation, business intelligence (data visualization and forecasting), corporate performance management (CPM), business process management and online user communication tools.

3. Last but certainly not least, finance needs to utilize data in order to help with the end goal of keeping customers satisfied. Cloud-based applications and business analytics are rapidly providing data that results in ever-evolving customer bases adapting to new networked technologies and business models. This convergence is creating tremendous growth opportunities for companies across all industries, with a clear focus on value creation while still providing an outstanding customer experience. Today's cloud companies are rightly focused on the second "S" in "SaaS" (i.e., "service"). After all, in the service economy, customers will always remain central to demand-driven, fast-moving value networks.

Fermer