Nous constatons ces dernières années, une montée en puissance des technologies de l’information dans plusieurs domaines – et le secteur des services financiers ne fait pas exception.
Selon Digital Universe Study, d'ici 2020 il y aura une production de 1,7 mégaoctet de nouvelles données par seconde et par personne.
Les données structurées et non structurées : une multiplication des sources d’informations
Afin de maintenir un avantage concurrentiel sur leur marché, les entreprises devront placer l’analyse des données au centre de leur stratégie. Grâce aux technologies big data les sociétés peuvent interagir avec la masse de données disponibles à travers différentes plateformes.
Nous distinguons deux types de données :
- Les données structurées
Il s’agit de données organisées, faciles à gérer et à analyser (par exemple, toutes les informations classées dans les bases de données client : nom, prénom, adresses, les données comptables et financières, etc.). Ces données peuvent facilement être traitées par des outils d’exploitation.
- Les données non structurées
Il s’agit de données provenant de sources variées telles que les réseaux sociaux, les applications mobiles, les services de localisation, les objets connectés (Internet of Things ou IoT), etc. Celles-ci peuvent prendre la forme de : mails, fichiers de traitement de texte, fichiers PDF, feuilles de calcul, images, vidéos, enregistrements audio, données d’applications, etc.
Passez vos données au crible
Au regard de leur complexité (volume, diversité et fréquence de circulation), les données non structurées sont difficilement gérables, et demandent parfois des compétences spécifiques.
Afin de convertir ces données non structurées en données exploitables, générant de la valeur pour l’entreprise, il convient d’abord de les numériser afin de faciliter une démarche de recherche sémantique. Ce procédé consiste à extraire des concepts en fonction des termes utilisés dans des contextes spécifiques à l’aide d’une application de recherche. Les données extraites sont alors présentées d’une manière plus vivante sous forme de data-storytelling pour une meilleure prise de décision.
Pour interpréter et tirer profit de toute cette data, un nombre croissant d’entreprises, de tous les secteurs d’activités, choisissent d’investir dans les technologies les plus sophistiquées ainsi que sur les compétences humaines les plus pointues.
La gestion de patrimoine face à une abondance d’informations
La gestion de patrimoine est l’une des industries qui s’oriente aujourd’hui vers le big data et l’analyse pointue des données – dans l’objectif de gagner en performance et en proximité vis-à-vis des clients.
Diversification des sources de données pour une meilleure stratégie d’investissement
La démarche traditionnelle du conseiller en gestion de patrimoine pour élaborer une stratégie d’investissement consiste à collecter et à analyser les données classiques :
- Données issues du marché financier : prix, transaction, volatilité
- Données fondamentales : données financières de l’entreprise, etc.
- Données macro-économiques
L’analyse de ces données permet la construction d’hypothèses d’investissement (prévisions de croissance des cours d'action et autres catégories d'actifs).
Pour compléter son analyse, le conseiller doit également prendre compte des sources de données alternatives telles que les données de transaction, l'imagerie satellitaire, les données de modèle météorologique, les données de livraison de colis, les médias sociaux, etc.
Une combinaison des informations « classiques » et « alternatives » peut générer des signaux complémentaires, ainsi que de nouvelles conclusions, pour affiner la prise de décision d’investissement.
Selon CRISIL, les données alternatives sont :
/Donn%C3%A9es%20alternatives.jpg?width=1467&height=800&name=Donn%C3%A9es%20alternatives.jpg)
Les sources de données alternatives selon CRISIL
De plus, au-delà de ces sources, nous observons également aujourd’hui un recours aux données non conventionnelles.
Alors que plus de la moitié de la population française utilise un smartphone, les acteurs du système financier commencent à s’intéresser à cette mine d’informations. En effet, certaines applications se développent à l’étranger pouvant analyser un smartphone en quelques minutes : parcourant les sms, l’historique des appels, les géolocalisations, l’utilisation des applications, etc.
L’enjeu reste dans la collecte, le nettoyage, le traitement et la conversion de ces données en des informations utiles et utilisables pour la prise de décision en matière d’investissement.
Outre les compétences financières et le sens relationnel, les conseillers en gestion de patrimoine doivent donc développer d'autres compétences, particulièrement en matière d’analyse avancée des données.
L’exploitation de la data pour un meilleur service client
La relation client est un vecteur essentiel du métier de conseiller en gestion de patrimoine. En effet, mieux répondre à la demande d’un client commence par une connaissance approfondie de ses besoins - la qualité de cette connaissance dépend de la qualité des informations recueillies.
Avec le développement du numérique, des réseaux sociaux et l’apparition d’une nouvelle catégorie d’investisseurs fortunés (la génération Y), le conseiller doit adapter son offre de conseil.
Grâce aux données disponibles sur le marché et aux technologies d’analyse de données, le conseiller en gestion de patrimoine peut mieux appréhender le comportement et la personnalité des clients (leurs centres d’intérêt, mode de vie, exigences en matière d’investissement, etc.) tout en respectant la confidentialité et la vie privée.
L’analyse des données permet ainsi de proposer un service client ultra personnalisé et d’anticiper d’éventuels besoins futurs.
Déposer un commentaire