Alors que les assureurs cherchent à être plus agiles, les stratégies de maillage de données occupent une place centrale

À une époque où chaque secteur d’activité exige que ses parties prenantes soient capables de pivoter rapidement et de prendre des virages serrés, les informations cloisonnées qui ralentissent finalement la prise de décision peuvent constituer la vulnérabilité ultime. De cette manière, les données pourraient bien constituer le perturbateur ultime – un fait que le secteur de l’assurance ne connaît que trop bien.

Alors que les volumes de données continuent d’augmenter parallèlement à un nombre corrélé de demandes commerciales, les leaders modernes des données d’assurance sont confrontés à un ensemble nuancé de défis. Les logiques et architectures métier en constante évolution au niveau du domaine alourdissent la charge de travail des équipes de données centrales débordées, ce qui entraîne des rapports de mesures difficiles et mal alignés et une baisse de la fiabilité des données. La demande accélérée d’innovations basées sur l’IA a récemment aggravé ces problèmes, donnant la priorité au besoin de nouvelles fonctionnalités qui nécessitent des bases de données encore plus robustes.

Entrez le maillage de données. En mettant l’accent sur la propriété et l’architecture des données décentralisées et orientées domaine, le maillage de données offre une réponse potentielle aux entreprises dépassées et sous-équipées. Il peut permettre à chaque unité commerciale de gérer ses propres domaines de données et de relever de nombreux défis courants auxquels sont confrontés les environnements de données des opérateurs, tout en permettant une prise de décision plus rapide et des environnements plus agiles qui évoluent avec les données plutôt que de lutter pour imposer continuellement une harmonisation omniprésente.

Le débat sur le maillage de données

Cela ne veut pas dire qu’il existe un consensus sur le fait que le maillage de données est une solution universelle. Les parties prenantes mènent actuellement un débat ouvert dans l’ensemble du secteur entre les stratégies de centralisation et les stratégies de données fédérées. Les partisans de la centralisation continuent d’affirmer son efficacité pour accroître l’efficacité opérationnelle, améliorer l’efficacité des analyses et permettre une gouvernance essentielle à la sécurité des données, à la confidentialité et à la conformité réglementaire. Malgré ces avantages, les principaux problèmes que la centralisation des données ne parvient souvent pas à résoudre sont les réalités pragmatiques de nombreux écosystèmes de données d’entreprise.

Pour commencer, il existe de nombreux cas où la majeure partie de l’utilisation et de la gestion quotidiennes des ensembles de données d’une entreprise repose sur les besoins « adaptés à l’objectif » de son domaine constitutif. L’harmonisation de ces ensembles de données avec les données d’entreprise centralisées est confrontée à des défis croissants, car les changements dans les définitions, les schémas et l’architecture des données nécessitent des efforts constants de l’équipe centrale de données.

L’élément politique humain joue ici également un rôle important, dans la mesure où les propriétaires de données locaux s’opposent à l’abandon du contrôle des actifs de données spécifiques à un domaine au profit d’autorités centralisées de gouvernance des données. Ces leaders des données de domaine citent souvent les rendements décroissants et les efforts importants liés à l’engagement de l’équipe de données centrale. De plus, les silos et la fragmentation des données se produisent souvent de manière inorganique, comme dans le cas de scénarios de fusion ou d’acquisition. Les sources de données isolées nécessitant de longs délais de transformation et d’intégration des données peuvent devenir des obstacles à la réalisation d’avantages organisationnels combinés.

Le besoin unifié

Malgré ces critiques, le besoin de solutions de données unifiées et intégrées au niveau de l’entreprise demeure. Pour mettre en œuvre une stratégie de données cohérente, un accès et un partage transparents des données nécessitent la suppression des silos de données. C’est là que les outils Data Fabric, axés sur l’orchestration, la superposition contextuelle et la gestion des métadonnées, sont des éléments importants à ajouter à l’équation.

Data Fabric introduit une couche sémantique intelligente qui orchestre des sources de données, des applications et des services disparates dans un cadre unifié et facilement accessible. Activée via un hub d’intégration de données, l’architecture Data Fabric connecte, organise et gère les données, offrant une vue cohérente sur l’ensemble de l’écosystème de données. Les capacités de Data Fabric de bout en bout qui gèrent la gestion des données de référence (MDM), la mise en correspondance des données, l’intégration des données en temps réel, la qualité des données et l’observabilité peuvent toutes être mises en œuvre sans remplacement complet des piles technologiques actuelles. Les applications Data Fabric exploitent les principales capacités basées sur l’IA pour préparer et fournir des données permettant d’obtenir des informations plus approfondies et un développement efficace des capacités au niveau de l’entreprise.

Il est intéressant de noter que les responsables des données ne devraient pas considérer la stratégie de maillage de données fédérées par rapport aux architectures de structure de données plus centralisées comme un dilemme « soit l’un soit l’autre ». Au contraire, les méthodes de maillage de données se concentrent essentiellement sur la propriété des données, en tirant parti des méthodes de gouvernance inspirées des micro-services et en mettant l’accent sur la propriété et la responsabilité des domaines locaux. Cela permet au maillage de données de fonctionner dans les cas où un pourcentage important de cas d’utilisation de données sont locaux et où les structures de données sont de nature relativement dynamique. Dans les cas où l’intégration des données d’entreprise est nécessaire pour permettre des capacités interdomaines, la structure de données et les architectures de hub d’intégration numérique permettent une interopérabilité flexible, un traitement rapide des données, des avantages en matière d’évolutivité et une gouvernance cohérente des données dans un environnement de données d’entreprise complexe. Pour l’assurance, les transporteurs qui cherchent à tirer parti des avantages des stratégies de maillage de données fédérées tout en répondant au besoin d’intégration transparente de sources de données disparates – l’intégration à la fois d’une approche stratégique de maillage de données avec un ensemble d’outils architecturaux de structure de données peut permettre aux transporteurs de bénéficier d’avantages des deux côtés de le spectre stratégique.

Il convient de noter que la mise en œuvre d’une stratégie mixte de gestion des données n’est pas sans écueils potentiels. La complexité de la mise en œuvre constitue un risque stratégique majeur, car la conception, la mise en œuvre des solutions et la maintenance introduisent toutes des défis, notamment en ce qui concerne les systèmes existants et la restructuration architecturale. L’intégration de nouvelles technologies dans un écosystème de données existant est tout aussi complexe, les problèmes de compatibilité et la nécessité d’une migration importante des données introduisant un risque croissant de perturbations opérationnelles.

Un avenir hybride

Aucun parcours de transformation des données n’est sans son propre ensemble de périls et d’embûches, mais résoudre ce problème complexe de l’augmentation des volumes de données nécessite une réflexion innovante. L’avancement des outils et des architectures de Data Fabric basés sur l’IA permet aux responsables des données de réévaluer leurs philosophies de longue date et d’adopter une approche pragmatique.

Une combinaison de maillage de données et de structure de données permet aux organismes d’assurance d’incorporer des structures de gouvernance résilientes et flexibles qui sont durables pour l’organisation et qui répondent aux besoins d’innovation et de croissance. Pour les assureurs qui cherchent à trouver le bon équilibre, l’adoption d’une approche stratégique hybride constitue une voie attrayante pour l’avenir du secteur axé sur les données.

Pour en savoir plus, visitez-nous ici.

A propos de l’auteur:
Karl Canty est vice-président de l’analyse de l’assurance-vie, des rentes et des avantages sociaux collectifs chez EXL, une société leader dans l’analyse de données et les opérations et solutions numériques.