Monétiser les données dans les services bancaires pour accroître l’orientation client et la valeur commerciale

Les banques regorgent de données sous plusieurs types et formats et à des degrés de détail différents. Bien que tous les renseignements soient stockés, ces établissements les utilisent à différentes fins, telles que la conformité réglementaire, l’analyse du comportement des clients ainsi que d’autres stratégies. Toutefois, les banques laissent également une grande partie de leurs données inactives.

En matière de compréhension des clients, les données sur la conformité (p. ex. celles sur la lutte contre le blanchiment d’argent et la fraude) constituent généralement la meilleure référence, car ce type d’information permet de suivre toutes les activités d’un client au sein d’une institution financière, qu’il s’agisse d’un paiement effectué, d’une transaction exécutée ou d’une demande de prêt. Les données de paiement s’avèrent également très utiles (et sont souvent plus simples à trouver), même si elles ne fournissent que des renseignements partiels sur les clients.

Une meilleure utilisation des données afin de déterminer les besoins de ceux-ci s’avère capitale dans le marché des services bancaires actuel, en particulier compte tenu de l’avènement du système bancaire ouvert. En analysant et en comparant les données sur leur clientèle, les banques pourront trouver des moyens de mieux les servir. De plus, elles pourront accroître leur valeur commerciale de bien d’autres façons.

Favoriser l’orientation client

Supposons qu’un client effectue des paiements transfrontaliers dans une devise volatile. La banque pourrait lui envoyer une alerte qui stipule: « Nous remarquons que vous payez un prix élevé pour la devise sur le marché au comptant. Nous pouvons vous aider en vous vendant un contrat de change ». Pour ce faire, des renseignements seront nécessaires afin de confirmer qu’il s’agit d’un paiement transfrontalier, le type de devise en question, le montant que le client paie sur le marché au comptant ainsi que le meilleur contrat de change à lui offrir. Chacune de ces étapes est facile à codifier, ce qui peut amener les banques à supposer qu’il s’agit d’une entreprise simple.

En réalité toutefois, le plus difficile est de se poser les bonnes questions et de savoir par où commencer. Comment une banque peut-elle monétiser les données d’une meilleure façon pour les clients? La première étape consiste à déterminer le besoin du client, qui sera sous-tendu par certains de ses comportements, et tout ce processus se produira en arrière-plan.

À titre d’exemple, un directeur de succursale pourrait connaître la situation d’un client, mais ne pas avoir le temps de lui offrir des solutions appropriées sur-le-champ. La banque pourrait alors faire appel aux données pour déterminer quelles offres lui proposer et le moment approprié pour le faire, puis envoyer une alerte en ce sens au titulaire du compte, ainsi qu’un message au directeur de la succursale ou à l’agent des comptes à des fins de suivi.

Les banques peuvent également utiliser un amalgame de données internes et externes pour mieux comprendre et servir leurs clients. Auparavant, environ 80 % des renseignements utilisés par ces établissements étaient internes et les 20 % restants provenaient de sources externes. Mais aujourd’hui, c’est l’inverse. Par exemple, une banque peut analyser la facture d’impôt foncier d’un client pour déterminer la valeur de sa maison lorsqu’elle envisage de lui accorder un prêt. À l’aide de ces renseignements, l’établissement peut également produire une estimation raisonnable de la valeur nette de l’emprunteur afin de compléter ou même de remplacer ses états financiers, selon le montant du prêt.

Le mélange de ces renseignements avec les données des autres établissements permet aux banques de présenter, de manière automatisée et ciblée, un argumentaire d’une multitude de leurs services financiers. L’envoi de courriels généraux et non personnels aux clients, ou pire encore, de courrier physique, peut s’avérer inefficace.

Les données peuvent permettre aux banques de commercialiser avec précision les besoins d’un client en comparant le comportement de ce dernier à celui de ses pairs. Une banque peut modéliser un portefeuille de produits représentatif en fonction des comptes généralement détenus par le groupe de pairs, puis recommander au client les éléments qui lui manquent.

Pour bénéficier de cette possibilité, il faut faire appel à un type d’expert très particulier: un scientifique de données. Ce type de scientifique est difficile à trouver et demande une prime élevée, mais il constitue une composante essentielle de toute stratégie axée sur les données. Effectivement, les données bancaires sont souvent mal entretenues (parsemées d’erreurs et incomplètes, entre autres) et, souvent, il faut un scientifique de données pour les purger, les étoffer et les interpréter de manière à ce qu’elles puissent générer une valeur importante.

Utiliser les données pour générer d’autres valeurs commerciales

En plus d’utiliser les données pour se renseigner sur leurs clients, les banques cherchent à savoir si elles peuvent s’en servir pour accroître leur valeur commerciale de bien d’autres façons. Par exemple, comment peuvent-elles se servir des données pour prendre de meilleures décisions en matière de prêts? Il est essentiel d’avoir une bonne compréhension de l’économie actuelle et des marchés locaux. Par conséquent, une banque doit également avoir une idée du risque lié à l’octroi de prêts à des clients d’un marché ou d’un secteur particulier. Elle pourrait envisager d’utiliser un excellent produit pour augmenter ses volumes de prêts au sein d’un marché particulier au cours d’une période de 60 jours. Cependant, en examinant de plus près les données, elle pourrait déceler des problèmes de nature économique qui rendraient peu judicieux de se lancer dans une telle entreprise dans l’immédiat. D’autre part, ces renseignements pourraient indiquer qu’il s’agit du moment idéal pour accroître la part de marché de la banque en raison d’autres facteurs, ce qui non seulement donnera à celle-ci l’occasion d’augmenter ses revenus, mais également d’atténuer les risques et de réduire ses coûts. Il en résultera une situation gagnante à la fois pour la banque et ses clients.

Un autre exemple de difficulté courante est l’évaluation de la rentabilité (et, idéalement, de la valeur à vie) d’un client donné. Une telle entreprise semble être simple, mais l’élaboration de profils de clients précis et rentables exige d’analyser une multitude de produits et de réserves de données. Pas que des renseignements sur des paiements ou des prêts, par exemple. Ensuite, il est essentiel de catégoriser ces données de façon appropriée (p. ex. en fonction du patrimoine privé, du commerce de détail ou des propriétaires de petites entreprises). On peut se demander, par exemple, si le client possède une valeur nette élevée ou s’il génère des revenus de transaction importants. Dans l’affirmative, un gestionnaire de compte dédié peut s’avérer nécessaire. Le client utilise-t-il les services automatisés et possède-t-il des soldes de compte faibles? Si c’est le cas, alors peut-être que les services bancaires numériques représentent la meilleure option pour lui.

En outre, de nombreuses banques souhaitent passer à un modèle plus prédictif afin de cibler des clients précis. Par exemple, si un client possède un certain ensemble de produits, quel est le prochain élément dont il aura besoin, et à quel moment? S’il adopte un certain comportement, doit-on en déduire qu’il est plus susceptible de quitter la banque ou d’y rester? Une meilleure compréhension de ce que pourrait réserver l’avenir offre aux banques une certaine souplesse quant au moment et à la manière de lancer leurs produits, ce qui rendrait les prix de ceux-ci sur les marchés plus appropriés et les risques encourus plus perceptibles.

CGI est un partenaire d’analyse de confiance qui offre à ses clients des capacités complètes pour les aider à orienter, à intégrer et à gérer leurs stratégies ainsi que leurs systèmes. Avec son aide, les organisations peuvent aller au-delà d’une simple restructuration ou optimisation de leurs activités et recourir à l’analyse avancée pour repenser leurs produits, services et expériences afin de favoriser l’innovation. Avec plus de 5 500 professionnels spécialisés en intelligence d’affaires et en analyse avancée (des scientifiques de données et concepteurs aux experts), CGI propose une gamme complète de compétences axées sur les données pour toutes les analyses.

N’hésitez pas à communiquer avec moi afin de discuter des défis liés aux données auxquels fait face votre entreprise et de notre grande expertise dans le domaine.