La Chine, application numérique des banques à l’ère du big data!

Le concept de big data, ou mégadonnées en français a été mis en avant en 1980, par Alvin Toffler dans son livre « The Third Wave », mais il n’en fit pas de développement théorique substantiel. Avec le progrès des technologies de l’information à l’ère d’Internet et l’augmentation de la quantité des données, les mégadonnées sont progressivement devenues familières au public, et elles sont devenues un enjeu national et ont été largement utilisées dans tous les domaines. Alors que le gouvernement chinois vient d’empêcher la plus vaste IPO de l’Histoire en refusant l’introduction en bourse de Ant, un géant financier affilié au groupe Alibaba, la question du big data en finance se pose aussi dans l’empire du milieu.

https://blog.mbadmb.com/wp-content/uploads/2021/01/la-tendance-des-banques-numeriques-800×448.jpg

Les applications Big Data présentent des avantages uniques en finance en raison des caractéristiques industrielles propres au secteur. Ces dernières années, la quantité de données et leur portée dans le secteur financier a augmenté de façon exponentielle. On y trouve principalement des données structurées telles que les enregistrements de transactions et les identités des acteurs, et plus rarement des données non structurées comme les archives d’appels vocaux. Les données massives sont devenues une ressource de grande valeur. Grâce à l’effet moteur des nouvelles technologies, les mégadonnées financières constituent une opportunité exceptionnelle. Poussées par le big data, les banques commerciales ont fondé un nouveau paradigme, pour explorer de nouveaux modèles de croissance en exploitant au mieux l’information.

1. Scénarios d’application des mégadonnées bancaires

À l’heure actuelle, l’application des mégadonnées a pénétré tous les principaux secteurs d’activité des banques, y compris les dépôts et les prêts, les transactions bancaires, la gestion de portefeuille, l’analyse technique et les cartes de crédit. Le Big Data est principalement utilisé dans ces domaines:

(1)Big data, marchés et internet.

Dans les années 80, et jusqu’au début des années 90, le trading, c’était la criée. Les spéculateurs, scalpeurs et arbitrageurs du monde entier se réunissaient dans les bourses pour crier leurs ordres aux courtiers. La Chine ne fait pas exception bien que la plus grande bourse du Pays, celle de Pudong à Shanghai, ouverte en 1990 n’ai pas connu ce phénomène. Dès la digitalisation des bourses et du trading, se développent progressivement des modèles d’intelligences artificielles prenant en entrée : les fameuses mégadonnées. à partir de l’analyse technique, les algorithmes de big data permettent la reconnaissance de pattern particuliers, observés très loin dans le temps et auquel un humain serait bien incapable de faire référence. Du point de vue de l’analyse fondamentale, le big data et les algorithmes permettent une rapidité d’exécution impossible à reproduire pour l’homme. Dès la publication d’une nouvelle information, des méga processeurs reliés à des terminaux de données comme ceux de Bloomberg passent des ordres de commandes avec une vitesse d’exécution se mesurant en millisecondes. Néanmoins, le 6 mai 2010, les algorithmes dégénèrent et entrainent en quelques minutes la chute du Dow-Jones dont l’indice perd une valeur de près de 1000 milliards, dans ce qu’on a appelé le flash-crash. Très fortement critiqués, ces algorithmes basés sur le big data relancent la vieille peur du Terminator, censé aider l’homme et le menant finalement à l’effondrement.

(2). Gestion des clients existants

Le développement d’Internet repousse les limites du temps et de l’espace, et impacte les ressources des clients, les canaux de service et les modèles commerciaux des banques traditionnelles, et les pousse à réformer leur offre de services.

Une caractéristique propre à la Chine est l’immense épargne individuelle des ménages. Selon la banque mondiale, en 2016 la Chine épargne l’équivalent de 44.47% de son PIB, contre seulement 22% pour la France ou 18.7% aux Etats-Unis. Attirer de nouveaux clients est donc un enjeu clé pour les banques commerciales chinoises. Le Big Data utilise des sources de données telles que le commerce électronique, les médias sociaux et les terminaux mobiles pour obtenir des informations client de base, des informations comportementales, des informations financières, géographiques etc., pour construire une vue complète des profils clients, identifier et prévoir avec précision leur comportement et les fluctuations de la demande.

(3). Aider la gestion des risques

L’enjeu de la finance a toujours été de fixer des prix : dans le cas d’un prêt il s’agit de fixer un taux d’intérêt en fonction du risque de crédit. Le problème est que les bilans des petites entreprises et des particuliers n’est pas solide et la transparence est très faible, ce qui heurte la fixation d’un taux d’intérêt. Les banques commerciales ne peuvent pas effectuer une évaluation et un contrôle précis et quantitatifs des risques sur la base des méthodes traditionnelles d’analyse statistique. La maîtrise des risques basée sur les données est devenue une méthode révolutionnaire pour répondre à l’asymétrie d’information entre les banques et les entreprises. Les modèles actuariels existant depuis le début du XXe siècle sont perfectionnés grâce à la quantité de donnée offerte aujourd’hui. Utiliser les mégadonnées pour collecter des informations financières sur le profil-client, incluant les flux bancaires, les heures de crédit historiques, les factures d’eau et d’électricité, les pénalités administratives, etc., combinées à des données externes telles que la taille du marché de l’industrie et les perspectives de développement pour saisir la vraie nature de l’entreprise Conditions de fonctionnement, quantification du crédit aux entreprises et exécution plus efficace des prêts. L’an dernier la jeune entreprise chinoise Ping An, s’est démarquée par une levée de fond dépassant les 700 millions de dollars. Son but : utiliser l’intelligence artificielle dans la finance consommateur, pour la gestion du risque, des crédits, du service client et l’innovation produit, et tout ça grâce à la technologie Blockchain. En bref, le big data et la digitalisation permettent d’établir un cadre de référence précis, et de comparer au mieux dans l’offre de prêt pour parvenir à un couple risque-rentabilité adéquat.

(4). Application de produits innovants

Outre l’amélioration le contrôle des risques, les banques utilisent également les mégadonnées et d’autres nouvelles technologies pour transformer les produits bancaires traditionnels et innover.

La China Construction Bank utilise la technologie blockchain et big data pour innover et lancer la plate-forme «Migrant Workers Benefit», au service de plus de 4 millions de clients. Bank of China utilise Internet et la technologie Big Data pour lancer son produit phare «Bank of China E-Loan» et maintient Croissance plus rapide: Bank of Communications a lancé un produit complet de «financement fiscal» basé sur la technologie du big data pour les petits et micro clients inclusifs.

2. La tendance des applications des mégadonnées bancaires

Après avoir connu un développement rapide, le big data bancaire a traversé une période critique de transition.

(1). Ressource: de la grande échelle à la haute qualité

Des quantités massives de données et des sources de données en constante expansion sont devenues des ressources stratégiques importantes pour les banques, mais le contrôle de la qualité des données doit encore être amélioré. Des problèmes tels que des erreurs de données, des données manquantes, des doubles emplois, des formats incohérents, des calibres statistiques incohérents et des difficultés à retrouver les sources de données persistent. à résoudre. Bien que les banques aient activement répondu aux exigences réglementaires et mis en place une gouvernance des données, selon le « Small and Medium Bank Financial Technology Development Research Report (2019) » , la gouvernance des données des petites et moyennes banques est fondamentalement au stade embryonnaire, et l’importance de la gouvernance des données doit encore être approfondie compréhension. Comment établir une norme de données unifiée, un contrôle de qualité efficace et un système de gouvernance des données parfait sont des questions que les banques doivent examiner de toute urgence.

(2). Capitalisation: de la fragmentation à la gestion intégrée

Il existe différents types de données bancaires, mais la plupart d’entre elles sont encore gérées par différents départements. Traditionnellement l’échange de données repose sur une transmission spontanée ou manuelle, sur des îlots de données internes. Les données sont séparées et un système de gestion des données centralisé fait généralement défaut. Le «Small and Medium Bank Financial Technology Development Research Report (2019)» montre que 45% des petites et moyennes banques ont initialement établi une norme de base de données au niveau de l’entreprise. Malgré cela, le degré d’interopérabilité des données dans les services commerciaux et banquaires n’est toujours pas idéal. Comment gérer efficacement les données, réaliser une collecte ascendante et créer une vue unifiée des actifs de données est la base pour les banques pour réaliser la transformation numérique.

Dans le processus de transformation numérique du secteur bancaire, des concepts tels que la banque numérique, la banque ouverte et la banque intelligente sont nés, qui sont essentiellement l’application de technologies émergentes telles que l’intelligence artificielle, la blockchain, le cloud computing et le big data dans le domaine des affaires. Elles deviendront des banques. La principale force motrice de la transformation du modèle commercial et du modèle de développement, la banque légère «centrée sur le client», «efficace et précise», peut être attendue à l’avenir.

La banque en ligne générera davantage de données. La prolifération de données structurées de nature financières, et de plus en plus extra-financière dépasse déjà la portée du traitement manuel et les faiblesses humaines. Or, le taux d’erreurs dans la prise de décision reste élevé. En plus de sa super puissance de calcul, l’intelligence artificielle doit également prendre des décisions relativement objectives en temps voulu sur la base d’une grande quantité de données d’entraînement. Cela suppose encore qu’il n’y ai pas de biais d’algorithme. La finance intelligente chinoise, sera celle qui combine efficacement les données, les algorithmes leur puissance de calcul, et malgré tout l’esprit humain.

Si vous souhaitez en apprendre plus sur la numérisation du secteur bancaire, je vous propose à lire ci-dessous,

1.https://banque.meilleurtaux.com/banque-en-ligne/actualites/2018-janvier/le-numerique-cree-de-multiples-enjeux-pour-les-banques.html

2.https://www.ciefa.com/transformation-numerique-banque/

3.https://www.latribune.fr/entreprises-finance/la-revolution-numerique-oblige-les-banques-a-reinventer-le-metier-de-conseiller-506454.html

Je vous invite également à lire cet article, si vous voulez découvrir plus de l’information sur la transformation numérique.