finance, banque et assurances : comment les big data font évoluer ces secteurs ?

L’arrivée des big data dans la finance a été plus discrète sur le plan médiatique que pour d’autres secteurs. Les institutions bancaires et de finances se sont appuyées sur leur culture statistique et de calcul des risques pour se saisir de l’apport des algorithmes dans la connaissance des marchés.

En effet la connaissance des marchés et la maîtrise du facteur temps sont les clés d’une gestion performante d’actifs. Le moindre événement géopolitique ou commercial peut avoir des impacts immédiats sur les marchés et le cours d’une action.

Ainsi la United Overseas Bank (UOB) a augmenté de 45% sa valeur en bourse en l’espace de 5 ans en travaillant sur la gestion du risque (source : BITKOM, Big Data in Practice – Scenarios, Examples, Effects, 2012). Dans cette entreprise, la notion de risque est répartie sur 45 000 institutions financières et impactée par 100 000 paramètres de marché, soit une évaluation effectuée à l’aide de 8,8 milliards de paramètres. Depuis 2012, le département IT de l’UOB a diminué le temps de calcul des risques de 18h à…quelques minutes. Un temps de réponse adapté aux exigences actuelles des marchés. Pour cela une infrastructure big data a été mise en place, utilisant des informations d’ordre politiques, sociales, économiques. Les paramètres dits déterminants sont même évalués en temps-réel.

Au facteur temps s’ajoute la nécessité de constituer des algorithmes solides. Le « trading algorithmique » est devenu la norme : il ajoute l’utilisation de données historiques pour une analyse et des prédictions encore plus fines. Le New York Stock Exchange enregistre 1 téraoctet d’informations par jour. Les acteurs du secteur de la finance qui sauront capter le plus de facteurs pertinents et les analyser à l’aide d’algorithmes puissants en un temps record remporteront la bataille des marchés financiers.

Banque de détail et méga données : une relation clients et des offres optimisées

D’après l’American Bankers Association, 10 000 transactions par carte de crédit sont effectuées chaque seconde dans le monde. La question des données de masse est cruciale pour le secteur de la banque de détail, principalement en termes de relation clients, d’optimisation et de lutte contre la fraude.

D’année en année les banques en ligne gagnent des parts de marché. Une relation nouvelle, plus axée sur le digital et les échanges en direct, s’amorce entre les banques et les particuliers. D’après Forrester, 66 millions de foyers Américains passaient par des services de banque en ligne en 2014. Pour les agences, l’online banking est une aubaine : toutes les actions des clients sont enregistrées en temps-réel, consultables et analysables. Cependant, une étude menée par Ernst&Young déclare que dans le monde, un client sur deux n’a pas confiance en sa banque principale en raison du décalage entre ses attentes et les services qui lui sont proposés. En parallèle, « 70% des clients se disent prêts à payer plus et à souscrire à de nouveaux produits si leur banque leur divulguait des conseils plus adaptés. » (source Annuaire Big Data 2015-2016) Le secteur bancaire est donc face à une période charnière : il peut rater le coche et ne pas repenser ses offres ou se saisir des opportunités qui s’offrent à lui pour gagner en satisfaction clients et en volume d’affaires. Dans un entretien accordé au journal Les Echos, Guy Mounier, le fondateur de CustomerMatrix, déclare « Le déploiement de ces logiciels intelligents et prédictifs, fondés sur des analyses sémantiques avancées des données clients pour anticiper leurs besoins, peuvent générer un taux de croissance annuel de revenus supplémentaires de 10 %, soit dans certaines banques d’investissement, autour de 250 millions de dollars de revenus ». Il ajoute ensuite que « tout le monde sait désormais qu’il vaut mieux conseiller un client que d’en acquérir un nouveau, car dans l’environnement concurrentiel, il risque de partir chez un compétiteur. Pour les banques, il y a donc urgence au déploiement. »
Pour preuve, les Echos nous apprennent qu’en France 98% de la population a déjà un compte en banque.
Le groupe Société Générale a pris les devants en étudiant les revenus -et notamment les dates de réception de leur salaire et primes- de ses 8 millions de clients en France. Elle a ainsi déterminé la pression financière qu’ils ressentent et les moments les plus propices pour leur proposer des produits d’épargne. D’après La Tribune, le service marketing de l’entreprise aurait augmenté le taux de transformation de ses campagnes de 30%.

En matière d’optimisation, les big data apportent des solutions concrètent aux banques et à leurs clients. Ainsi les politiques en matière d’accord de prêts peuvent être unifiées et plus objectives grâce à l’apport de données environnementales et prédictives. La Caixa Bank (1ère banque Espagnole) a lancé une campagne de numérisation des interactions et des données de ses clients. En conséquence, les agences n’ont plus besoin de conserver d’archives physiques. Le poste de travail des conseillers a également été revu, les ordinateurs ont fait place à des tablettes capables de recevoir des signatures numériques des clients pour toute signature de contrat. Un détail qui change la vie des clients patrons de PME. « Au-delà de cette logique de dématérialisation, la Caixa Bank souhaite à terme exploiter l’ensemble des informations (structurées ou non) à sa disposition, y compris sur les réseaux sociaux, pour transformer l’information en valeur. Les pistes sont multiples : « smart banking », construction de modèles de comportement des clients, enrichissement de leur profil ou encore automatisation du marketing en ligne. » (source Annuaire Big Data 2015-2016)

Enfin la lutte contre la fraude constitue le troisième axe de modernisation du système bancaire favorisé par l’usage des big data. L’objectif des banques est de surveiller l’intégralité des transactions, en utilisant des algorithmes évaluant les niveaux de risques associés. ExeisConseil explique que Visa est passé en 2011 d’un modèle d’analyse comportant 40 critères appliqués à 2% des transactions, à 16 modèles comportant 500 critères sur 100% des transactions. Le résultat ? 2 milliards de dollars d’économies annuelles.

L’assurance : la révolution du « pay as you »

De la même manière que les clients du secteur bancaire réclament d’avantage de personnalisation dans les services proposés, ceux de l’assurance deviennent plus exigeants. En revanche le terrain est facilité pour les assureurs. Une étude citée par Les Echos indique en effet que 70% d’entre eux seraient prêts à partager des informations personnelles en échange de services personnalisés et d’une facture réduite.
C’est la notion du « pay as you », déjà développée dans les pays outre-Atlantique. Les consommateurs n’ont plus envie de payer pour des services unifiés dont une partie leur est inutile. Pour répondre à cette attente, des offres tests sont en cours. Allianz a lancé en France une offre d’assurance auto couplée à un capteur de vitesse, température et mouvement à installer dans le véhicule. La prime d’assurance s’adapte ainsi aux comportements réels du conducteur selon les risques qu’il décide de prendre sur la route. Axa a monté l’opération « Pulsez votre santé » : les 1000 premiers clients souscrivant une complémentaire santé acceptant de porter un bracelet connecté étaient récompensés. L’assureur leur proposait ensuite des défis sportifs à relever.
Côté infrastructures, Axa a également décidé de financer pendant 3 ans une chaire « datascience pour le secteur de l’assurance » à l’école Polytechnique.
La notion du « pay as you » secoue le principe mutualiste des assurances : en personnalisant à fond l’offre, il ne s’agit plus de répondre au besoin de sécurité des individus mais de récompenser des comportements responsables. Un changement de paradigme va donc très probablement s’opérer dans les années à venir… affaire à suivre !

Plus d'articles