Malgré la multitude d'algorithmes qui triturent des montagnes d'informations, il existe un chaînon manquant essentiel dans la ruée vers l'analyse des données. Le trouver est la clé de la pertinence, voire de la survie.
Quelle est la chose la plus difficile à acquérir pour une banque ? Pas les données, certainement. En tant qu'institution à laquelle ses clients font confiance, une banque possède plus de données qu'elle ne sait qu'en faire.
Aujourd'hui, les données sont compilées, triées, analysées et utilisées de multiples façons. Pour commencer, les banques fournissent des informations statiques au client. Elles peuvent regrouper vos dépôts et présenter la valeur de votre portefeuille. Elles peuvent même vous recommander un prêt, en fonction de vos soldes. Mais toutes ces recommandations, même la dernière, ne sont que des réponses basées sur des règles, pas nécessairement intelligentes.
Pas encore tout à fait
Considérez la série de nouvelles offres qu'une banque vous propose. Celles-ci sont généralement basées sur un certain modèle. Par exemple, les clients de la tranche d'âge 30-40 ans ont tendance à acheter davantage, à effectuer plus de transactions. Les personnes plus âgées ont tendance à épargner davantage. Ce sont toutes des incitations non orientées vers le retour d'information. Tant qu'il existe un modèle discernable, une banque est assez sûre d'évaluer les besoins de ses clients et de proposer des produits en conséquence. Mais pourquoi la plupart des offres n'évaluent-elles pas vraiment vos besoins ? Pourquoi ont-elles tendance à ne pas être pertinentes et à manquer de contexte ?
Toutes les banques veulent arriver à un stade où toute information qu'elles affichent à un client - qu'elle soit statique ou dynamique - est assortie d'un élément contextuel. Un stade où le client est invité non pas a posteriori, mais dès le début d'une transaction, sur la base des données dont la banque dispose déjà. Par exemple, lorsqu'une banque affiche le solde d'un compte, elle invite l'utilisateur s'il est bas et lui recommande de retirer des fonds de quelque part. Elle peut aussi lui conseiller de s'assurer que le solde est suffisant, en lui indiquant qu'un paiement est imminent. Plus les invites sont contextuelles, plus elles peuvent être proposées discrètement au client, plus la banque est attrayante pour les nouveaux clients et plus l'interaction du client avec la banque est forte.
Mais attendez une minute. Est-ce que c'est ce que le client veut vraiment ? Une expérience plus collante ?
Une banque doit-elle en faire plus ?
Pas vraiment, pourrait-on dire. Un client se connecte au portail de la banque non pas pour y passer du temps, mais pour faire des choses efficacement et très rapidement.
Après tout, si les objectifs commerciaux d'une banque sont atteints, pourquoi s'embarrasser d'un traitement obsessionnel des chiffres, d'offres contextuelles ou de "superficialités" ? Ce n'est pas une opinion isolée. Prenez n'importe quelle banque coopérative. Elles n'ont pas vraiment exploité la technologie. Elles disposent d'un portail qui ne reflète que leurs flux de processus rudimentaires. La plupart des grandes banques universelles ne font pas beaucoup mieux. Elles abordent le portail ou le canal comme un exercice esthétique, qui sont des reflets en ligne de leur portefeuille de produits fragmenté*.
Si seulement les choses pouvaient rester les mêmes, si seulement le changement nous prévenait et se produisait au fil du temps.
Comme nous l'avons exploré dans un blog précédent, un changement fondamental dans les repères de l'expérience client - à mettre sur le compte des FinTechs, ou de l'écosystème plus large des entreprises addictives comme Amazon ou Netflix - a forcé les banques à mettre rapidement en place leurs aspirations numériques. Et le carburant de ce processus est clairement les données.
Et pour traiter ces données d'une manière qui puisse réellement aider les banques au lieu de créer de nouveaux paquets de données, nous devons considérer l'intelligence non pas comme un élément nébuleux, mais comme un élément intégré à chaque étape du parcours de l'utilisateur.
Se réveiller à l'intelligence
Reprenez cette phrase : une banque a plus de données qu'elle ne sait qu'en faire. C'est un indicateur révélateur de leur position dans la course à l'analyse des données.
Ce que les banques veulent faire, c'est fournir la bonne information à la bonne personne au bon moment. Même dans les widgets de lecture et d'écriture, il devrait y avoir une intelligence pour voir s'il s'agit d'une transaction simple, ou d'un chemin vers l'authentification, ou si un deuxième ou troisième facteur doit être invoqué. En d'autres termes, il s'agit de rendre les choses contextuelles à chaque étape.
Il y a des algorithmes, certes, mais il ne s'agit pas seulement des algorithmes eux-mêmes, mais aussi des données qui doivent alimenter l'algorithme pour aboutir à une information spécifique et exploitable.
Une idée fausse très répandue est que l'intelligence vient de l'extérieur. En réalité, l'intelligence est une approche ascendante. Collecter des données, les étiqueter intelligemment et les faire travailler pour vous : c'est là que l'intelligence entre en jeu.
La première question qu'une banque doit se poser est la suivante : "Est-ce que j'utilise l'intelligence de manière efficace ? La réponse, dans toutes les institutions, est négative. Une fois ce constat fait, les possibilités sont infinies.
Application de l'intelligence
Lorsque les banques commencent à reconnaître l'intelligence comme un concept global, et non comme quelque chose de compartimenté, elles peuvent commencer à explorer véritablement les applications de l'intelligence.
Examinons seulement deux cas d'utilisation que nous reconnaissons tous et que nous pouvons réaliser, à partir d'outils existants. L'AML, par exemple. L'utilisation traditionnelle des algorithmes dans l'AML est post-facto. Pour détecter un modèle AML, il faut aller jusqu'au bout. Cependant, la lutte contre le blanchiment d'argent évolue maintenant vers la détection de la fraude. Il existe des mécanismes qui permettent d'évaluer une transaction et d'assurer la sécurité au niveau du client. Vous permettez toujours à la transaction de se poursuivre, mais vous l'autorisez avec un mécanisme de contrôle de la fraude intégré à l'intelligence.
Un deuxième cas d'utilisation consiste à proposer de nouvelles offres à des segments de clientèle très spécifiques. Actuellement, les banques utilisent des modèles très larges pour identifier les clients potentiels d'un produit particulier. Que se passerait-il si nous utilisions plutôt des modèles statistiques plus avancés, comme le R-carré ajusté ? Sans entrer dans les détails techniques, un grand nombre de variables réduit la capacité d'un modèle à prédire avec précision. Le R-carré ajusté, quant à lui, tient mieux compte de ces variables et fournit le degré de relation le plus précis au sein d'un segment/de la population. Le résultat final est que les informations que vous fournissez deviennent plus contextuelles pour votre client.
Le but de l'examen sérieux de l'intelligence et de son application est de répondre à la question que nous avons posée dès le début - Quelle est la chose la plus difficile pour une banque ?
La réponse est : comprendre l'intention de votre client.
Quelles que soient les données dont vous disposez, les modèles de comportement des clients et les informations transactionnelles que vous enregistrez, l'élément d'information le plus insaisissable, mais aussi le plus précieux, est l'intention du client. Pourquoi a-t-il effectué une série de dépôts fixes ? Quels sont ses objectifs, ses aspirations ? Quelles sont les inquiétudes qui l'incitent à prendre telle ou telle série de décisions ?
Il s'agit d'un domaine entièrement nouveau, sur lequel nous travaillons activement. Nous construisons ce que nous appelons la Purple Fabric pour aider à fusionner les données et les renseignements provenant de systèmes disparates et à les déployer d'une manière sans précédent, qui évolue en permanence.
L'ère de l'analyse sans conclusion touche à sa fin. Il est temps d'arrêter de calculer des chiffres et des modèles pour le plaisir et de les mettre au travail.
Ce sera la clé de la survie des banques dans un monde de plus en plus compétitif et dominé par la technologie.
Dans les blogs suivants, nous explorerons les applications de pointe de l'intelligence, et nous nous pencherons également sur les questions de réglementation, de confidentialité et de sécurité.
*Il y a, bien sûr, des exceptions à cette règle aux deux extrémités du spectre. Par exemple, les banques Co-op n'ont pas de portail, ou bien elles l'abordent d'une manière "sans marque", sans appliquer l'esthétique et le design. Nous devons également réfléchir à la signification du terme "portail" pour les banques. Par exemple, certaines banques de détail de taille moyenne à grande ont des portefeuilles de produits fragmentés et le portail est le lieu où tous ces produits s'agrègent et se consolident.
