Les pressions incessantes d'acteurs non traditionnels poussent les organismes de services financiers à se transformer numériquement. Pour devenir des entreprises axées sur les données, les banques et les compagnies d’assurance doivent prendre en compte trois tendances clés en matière de gestion des données: le volume de données, l’ubiquité et les demandes des utilisateurs.
Les applications et les appareils mobiles génèrent d’énormes volumes de données . telles que les images, l'audio et la vidéo. Combinées aux nouveaux modèles commerciaux et aux acteurs de la chaîne de valeur qui renforcent la numérisation des services financiers, ces nouvelles données offrent aux entreprises la possibilité d’obtenir des informations et une valeur supplémentaires.
Aujourd'hui, les données sont omniprésentes . Et les sociétés de services financiers doivent tout capter: informations sur les clients, transactions financières, historiques d’achat de produits et de services, parcours des clients, campagnes de marketing, demandes de service, flux du marché, flux de médias sociaux, flux d’Internet des objets (IoT), journaux de logiciels, etc. les messages texte (y compris les e-mails et les SMS), ainsi que les nouvelles sources.
La demande des utilisateurs pour ces données est en hausse. Dans l'entreprise de services financiers actuelle, il est important de reconnaître que chaque employé est en réalité un utilisateur d'analyse qui a besoin de:
- Aide à la décision, permettant aux utilisateurs de fonder leurs décisions sur des preuves empiriques plutôt que sur des sentiments instinctifs
- Faites confiance à la sécurité et à l'exactitude des données
- Capacité à anticiper et à influencer de manière proactive les résultats commerciaux en prêtant attention aux nouveaux signaux de plus en plus prospectifs
- Accès libre-service à des données et à des outils d'analyse facilement utilisables
- Informations rapides et intelligentes équivalentes à celles des utilisateurs technologie personnelle grand public
Impact de la complexité croissante
Ces sources et volumes de données en expansion créent un nouveau défi: un paysage de plus en plus complexe de gestion des données d’entreprise comprenant des centaines de silos. Il n’est pas rare pour les entreprises de déployer plusieurs Data Lake, des entrepôts de données des applications opérationnelles, des applications mobiles, des applications en ligne, des centres d’appel, des capteurs IoT et des solutions d’analyse. Les données peuvent être situées dans des environnements hybrides, sur site et dans le cloud.
Pour réduire la complexité, les entreprises doivent combiner leurs données existantes et nouvelles dans un seul et même univers de données. Les données universelles aident les entreprises à améliorer la visibilité en fournissant des informations susceptibles d'améliorer l'efficacité, l'automatisation et la croissance. En convertissant les données en informations, les organisations peuvent devenir des entreprises intelligentes.
Pour de nombreuses entreprises de services financiers, toutefois, un seul univers de données reste une aspiration. Le plus souvent, les données résident dans plusieurs environnements en silo (voir la figure 1). Les données n'étant pas connectées de manière significative entre ces silos, elles sont devenues moins accessibles, ce qui compromet la visibilité des clients, des partenaires, des produits, des canaux de vente et des performances financières.
Figure 1. Environnements de données siled
Pire encore. Les silos de données sont souvent renforcés par des silos organisationnels. Par exemple, le groupe qui gère les lacs de données Hadoop ne sont pas les mêmes que ceux qui gèrent le stockage en nuage. Et trop souvent, les équipes utilisent des outils différents et interagissent rarement les unes avec les autres.
Pour relever le défi des silos de données multiples, les sociétés de services financiers ont tendance à construire de grands entrepôts de données d'entreprise. La réalité de l'évolution rapide et croissante des sources de données signifie que les entrepôts de données d'entreprise traditionnels ne peuvent plus répondre aux besoins d'analyse de l'entreprise. Voici quelques raisons pour lesquelles:
- Les solutions ne permettent souvent pas d'obtenir des informations en temps réel, car la capture et la production de données analytiques sont traitées par lots.
- Les données sont généralement répliquées sur plusieurs magasins de données conçus à des fins de génération de rapports spécifiques, ce qui réduit la transparence.
- Les solutions ne peuvent souvent pas gérer la croissance de nouveaux types de données
- Le linage des données est un défi lorsque les utilisateurs n’ont aucune idée des origines des données ni des transformations appliquées, notamment la réplication et la consolidation des données.
- La réponse aux besoins de l’entreprise est lente et coûteuse, compte tenu en particulier du nombre croissant de clients internes exigeant de nouvelles analyses et analyses.
Ces défis sont compliqués par le nombre croissant de terminaux, de processus et d’analyses de consommation de données. des solutions nécessitant un accès aux données en temps réel pour faciliter la prise de décision.
Un chaînon manquant essentiel [1 9659012] Lorsqu'elles abordent des problèmes de gestion des données, les sociétés de services financiers doivent traiter deux types de données:
- Données d'entreprise – Données structurées de haute qualité avec une gouvernance, des concepts de sécurité et des pratiques de gestion du cycle de vie clairs. Il est généralement capturé dans les systèmes de gestion de base de données relationnelle. Les exemples incluent les informations client, les accords contractuels et les transactions financières.
- Big Data – Caractérisé par un grand nombre de données semi-structurées ou non structurées, telles que des fichiers texte (y compris des courriels, des flux de médias sociaux ou des SMS). messages) ainsi que des fichiers image, audio et vidéo. Il est généralement capturé dans des lacs de données tels que Hadoop ou des systèmes de stockage d'objets en nuage, qui sont nettement moins coûteux que les systèmes de gestion de base de données traditionnels. Cependant, ces plates-formes manquent généralement d'une gouvernance d'entreprise, d'une sécurité et d'une gestion du cycle de vie comparables.
Les paysages actuels de gestion des données ne permettent souvent pas de créer un lien entre les mondes data d'entreprise et Big Data. Cela rend difficile la mise en œuvre de la science des données et tire les avantages précieux de l'analyse basée sur les données. En conséquence, les utilisateurs peuvent avoir du mal à chercher dans des piles de données volumineuses pour trouver les aiguilles cachées d'informations utiles. Ce chaînon manquant empêche également les organisations de proposer des innovations basées sur les données, qui sont un ingrédient essentiel de la transformation numérique.
Comment les organisations de services financiers peuvent-elles traiter ce chaînon manquant et que devraient-elles rechercher dans des données modernes plate-forme de gestion ? Lisez mon blog suivant et le reste de la série pour en savoir plus.
<! – Commentaires ->
Source link