Une chose dont les banques ont besoin pour survivre à la décennie

Malgré la multitude d'algorithmes qui traitent des montagnes d'informations, il manque un chaînon essentiel dans la course à 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 ? Certainement pas les données. En tant qu'institution à laquelle ses clients font confiance, une banque possède plus de données qu'elle ne sait quoi 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. Elle peut regrouper vos dépôts et présenter la valeur de votre portefeuille. Elle peut même vous recommander un prêt sur la base 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 au point

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. Il s'agit là d'incitations qui n'ont rien à voir avec le feed-back. Tant qu'il existe une tendance perceptible, une banque est en mesure 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 présentent à un client - statique ou dynamique - est assortie d'un élément contextuel. Un stade où le client n'est pas sollicité 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 demande à l'utilisateur s'il est bas et lui recommande de retirer des fonds de quelque part. Elle peut aussi l'inviter à s'assurer que le solde est suffisant, sachant qu'un paiement est prévu. Plus les invites sont contextuelles, plus elles peuvent être servies discrètement au client, plus la banque est attrayante pour les nouveaux clients et plus l'interaction du client avec la banque est durable.

Mais attendez un peu. Est-ce vraiment ce que veut le client ? 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 accomplir des tâches de manière efficace et très rapide.

Après tout, si les objectifs commerciaux d'une banque sont atteints, pourquoi s'embarrasser de calculs obsessionnels ou d'offres contextuelles ou "superficielles" ? Cette opinion n'est pas isolée. Prenez n'importe quelle banque coopérative. Elle n'a pas encore exploité la technologie. Elles disposent d'un portail qui ne reflète que leurs processus rudimentaires. Beaucoup de grandes banques universelles ne font pas beaucoup mieux. Elles considèrent le portail ou le canal comme un exercice esthétique, qui est le reflet en ligne de leur portefeuille de produits fragmenté*.

Si seulement les choses pouvaient rester en l'état, si seulement le changement nous prévenait et s'inscrivait dans le temps.

Comme nous l'avons exploré dans un blog précédent, un changement fondamental dans les repères de l'expérience client - la faute aux FinTechs, ou à l'écosystème plus large des entreprises addictives comme Amazon ou Netflix - a forcé les banques à rassembler rapidement 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 infusé à chaque étape du parcours de l'utilisateur.

S'éveiller à l'intelligence

Reprenez cette phrase : "Une banque a plus de données qu'elle ne sait quoi en faire". C'est un indicateur révélateur de leur position dans la course à l'analyse des données.

Ce que les banques veulent, 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, le contexte doit être pris en compte à chaque étape.

Il existe 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 de manière intelligente 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.

Appliquer 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 simplement deux cas d'utilisation que nous connaissons tous et que nous pouvons réaliser à l'aide d'outils existants. L'AML, par exemple. L'utilisation traditionnelle d'algorithmes dans le cadre de la lutte contre le blanchiment d'argent se fait a posteriori. Pour détecter un modèle de lutte contre le blanchiment d'argent, il faut le suivre jusqu'au bout. Cependant, la lutte contre le blanchiment d'argent évolue désormais vers la détection des fraudes. 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 avec un mécanisme de contrôle de la fraude intégré dans 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 généraux pour identifier les clients potentiels d'un produit particulier. Et si nous utilisions plutôt des modèles statistiques plus avancés, comme le R au carré ajusté ? Sans aller trop loin dans la technique, un grand nombre de variables diminue la capacité d'un modèle à prédire avec précision. Le R au 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 ou d'une population particulière. Le résultat final est que l'information que vous fournissez devient plus contextuelle pour votre client.

L'objectif de l'étude sérieuse de l'intelligence et de son application est la réponse à la question que nous avons posée au 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, le renseignement le plus insaisissable, et aussi le plus précieux, est l'intention du client. Pourquoi a-t-il effectué une série de dépôts à terme ? Quels sont ses objectifs, ses aspirations ? Quelles sont ses angoisses qui l'incitent à prendre telle ou telle série de décisions ?

Il s'agit d'un nouveau domaine sur lequel nous travaillons activement. Nous construisons ce que nous appelons la "Purple Fabric" pour aider à rassembler les données et les renseignements provenant de systèmes disparates et les déployer d'une manière sans précédent et en constante évolution.

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 à profit.

C'est la clé de la survie des banques dans un monde de plus en plus concurrentiel et axé sur la technologie.

Dans les blogs suivants, nous explorerons les applications de pointe de l'intelligence et nous aborderons également les questions de réglementation, de protection de la vie privée et de sécurité.

*Il existe bien entendu des exceptions à cette règle aux deux extrémités du spectre. Par exemple, la banque Co-op n'a pas de portail ou l'aborde d'une manière "sans marque", sans appliquer l'esthétique et le design. Nous devons également nous interroger sur 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 l'endroit où tous ces produits sont regroupés et consolidés.