Les données et les informations se multiplient de manière explosive dans le monde numérique. Les Big Data deviennent donc également une technologie de plus en plus importante dans le processus de numérisation des institutions financières. Son utilisation permet d’optimiser les sources de revenus existantes et d’en développer de nouvelles. La quantité de données et d’informations numériques disponibles augmentera de manière exponentielle dans les années à venir. L’information sur l’argent est au moins aussi importante que l’argent lui-même est donc plus pertinente que jamais. Cela offre également de nouvelles opportunités et sources de revenus pour les banques et les caisses d’épargne, qui soutiennent les modèles commerciaux existants et permettent le développement de modèles commerciaux entièrement nouveaux. Il s’agit de bien plus que de la simple tarification des services numériques, telle que certaines institutions la voient simplifiée.

Monétisation des données dans le monde numérique

Cependant, il existe encore des différences diamétrales dans les modèles d’activité et de revenus des banques et des entreprises de technologie numérique.  Les intérêts nets représentent 74,4 % des revenus d’exploitation du secteur bancaire allemand, alors que les activités traditionnelles de dépôt et de prêt ne représentent que 62,7 %. Les banques vivent presque exclusivement des intérêts nets et des revenus de commissions. Si vous comparez cela avec les entreprises de technologie numérique comme Google, par exemple, vous verrez que cette dernière gagne son argent exclusivement en monétisant les données des clients. Récemment, on a fait remarquer que les banques devraient utiliser leur avantage de confiance dans le traitement des données des clients pour développer leurs propres stratégies de monétisation des données en concurrence avec les entreprises de la FinTech. Aujourd’hui, on voudrait vous présenter quelques moyens concrets pour y parvenir.

Modèle de maturité des entreprises de données de grande taille

Le modèle de maturité du Big Data Business d’EMC montre cinq approches évolutives de la manière dont les technologies Big Data peuvent être utilisées en fonction du modèle commercial pour la réalisation de valeurs ajoutées. Dans la vidéo suivante, le concept est expliqué en détail, à l’aide de ce modèle, voici comment les banques peuvent utiliser les Big Data pour optimiser les sources de revenus existantes et en développer de nouvelles.

1. Suivi de l’entreprise 

Il s’agit de l’utilisation de solutions d’intelligence économique pour surveiller les processus commerciaux et contrôler la réussite des entreprises. Il s’agit notamment d’analyses comparatives : périodes, groupes de clients, groupes de produits, etc. Les domaines d’application typiques des banques sont, par exemple, la gestion des risques, la comparaison des performances de vente des succursales ou l’évaluation de la satisfaction des clients.

2. Aperçu de l’entreprise, Perspectives commerciales

Cela inclut l’utilisation de Big Data pour des analyses étendues et pour générer des propositions d’optimisation des modèles commerciaux existants. Des méthodes statistiques et de pronostic ainsi que l’exploration de données sont utilisées ici pour installer des aperçus significatifs et utilisables sous la forme de cockpits intelligents. Un exemple pour le secteur bancaire serait l’analyse des clients des cartes de crédit en ce qui concerne la réactivation des clients devenus passifs ou l’optimisation d’une campagne de marketing en cours.

3. Optimisation de l’entreprise 

Il s’agit de l’utilisation intégrée de Big Data pour l’optimisation des processus commerciaux. Un exemple du secteur financier est l’utilisation de modèles pour le trading algorithmique. Un autre exemple est la surveillance en temps réel des flux de clients dans les agences afin de rediriger de manière proactive les clients vers d’autres agences moins fréquentées, à l’aide d’une application mobile pour éviter les temps d’attente.

4. Monétisation des données

Utilisez les Big Data pour générer de nouvelles sources de revenus. On distingue ici trois approches.

Les banques ont déjà des demandes pour ces trois domaines :

– les banques islandaises, par exemple, tirent de précieuses informations des données générées par l’utilisation de la GFP et les vendent à des entreprises de détail sous la forme d’analyses anonymes du comportement des clients.

– analyses des ventes de cartes de crédit effectuées par le client afin d’activer automatiquement d’autres modules de services pour une période limitée par exemple, bagages ou assurance maladie.

– une application boursière mobile pourrait immédiatement présenter au client des propositions alternatives de décision basées sur son profil de risque et d’actifs, son comportement d’investissement antérieur et ses objectifs d’investissement.

5. Changement du modèle économique, métamorphose de l’entreprise

Utilisation de Big Data pour ouvrir de nouveaux modèles commerciaux avec des données sur les clients et les produits Une approche d’une autre industrie serait de développer un producteur d’énergie en un optimiseur d’énergie pour le ménage. Les banques pourraient également faire usage de ces possibilités et, par exemple, proposer aux clients des suggestions ciblées de contrats d’assurance ou de  fourniture d’énergie alternatifs. Un autre moyen serait d’offrir aux clients des possibilités d’achat avantageuses, découlant de leur comportement antérieur de consommateur et en coopération avec les détaillants qui financent cette offre. Les mots clés dans ce contexte sont offres liées à la carte ou coupons financés par les commerçants. Les deux peuvent s’appuyer sur un outil de gestion des finances publiques existant, pour le bénéfice mutuel du client et de la banque.

Les technologies Big Data permettent d’augmenter et de générer de nouveaux revenus

Grâce à ces possibilités et à une série d’autres d’utilisation des grandes technologies de données, les sources de revenus existantes peuvent être optimisées et étendues, et des revenus peuvent être générés par des modèles commerciaux entièrement nouveaux. Les banques et les caisses d’épargne sont bien avisées de ne pas laisser ce domaine aux petits et grands homologues numériques de FinTech. Actuellement, les clients font plus confiance aux banques que les nouveaux venus en ce qui concerne le traitement des données personnelles. Les banques sont bien avisées d’utiliser cette confiance et d’ouvrir de nouvelles sources de revenus, dont le besoin est urgent, avec des offres honnêtes, transparentes et bénéfiques pour le client.