Le parcours des données de paiement bancaire

On dit souvent que «Les données sont le nouveau pétrole», ce qui suggère que les données, comme le pétrole, ont une valeur immense mais restent inutilisables si elles ne sont pas raffinées. Bien que cette comparaison soit simplifiée, elle met effectivement en évidence deux tendances significatives :

• Un féroce concurrence pour capturer autant de données clients autant que possible, menée non seulement par les géants de la Big Tech et des médias sociaux, mais également par les principaux acteurs du commerce électronique et les supermarchés à travers des programmes de fidélité.

• Des investissements croissants pour tirer des enseignements de ces données brutes accumulées.

  Les progrès de l'IA jouent un rôle essentiel, mais ils ne font qu'effleurer la surface. En dessous, des investissements substantiels sont nécessaires dans les outils permettant de collecter, nettoyer, structurer et stocker les données. La complexité et les coûts associés peuvent être importants.

Le secteur financier, riche en données précieusesa historiquement sous-utilisé cet actif pour plusieurs raisons :

• Une surveillance réglementaire stricte garantit que l'utilisation des données au sein du secteur financier est fortement contrôlée.

• Le secteur compter sur la « confiance » est primordial; un simple soupçon de méfiance peut menacer la survie d'une banque. Ainsi, les banques hésitent à mettre en péril la confiance en utilisant à mauvais escient des données financières confidentielles.

• Défis liés à la capture et au traitement des données en raison de la structure organisationnelle cloisonnée et du recours à des systèmes mainframe obsolètes. Ces systèmes, bien que robustes et fiables, compliquent l'extraction et l'analyse des données nécessaires.

Cependant, le paysage change.

De plus en plus de banques mettent en place des lacs de données et des solutions d'entrepôt similaires pour centraliser les données à des fins d'analyse, de gestion des alertes et de formation des modèles d'IA.

ils soient particuliers, PME ou entreprises. Ces données offrent une vue détaillée des activités d'un client, montrant quand, où et quoi le client achète et reçoit.

Analysées au fil du temps, ces données permettent profilage très précis des clients.

Mais aussi, ces données restent très sous-utilisées, non seulement pour les raisons évoquées ci-dessus, mais aussi à cause de certains défis spécifiques liés à ces données, c'est-à-dire

• Les données de paiement sont souvent dispersés dans divers systèmes, avec différents systèmes de paiement utilisés dans les agences bancaires et les segments de clientèle (par exemple, clients de détail et clients d'entreprise). De plus, également lié au type de paiement, c'est-à-dire qu'un paiement national prend un flux différent d'un paiement international, d'un virement interne, d'un paiement par carte ou d'un paiement lié à une commission bancaire ou à une transaction bancaire (comme un dépôt à terme ou des titres).

• Le volume pur La gestion des données nécessite une technologie spécifique (comme la technologie NoSQL distribuée) pour une analyse efficace en temps quasi réel.

• Connaissances nécessitent souvent une modélisation complexe pour corréler plusieurs paiements au fil du temps (corrélation de séries chronologiques).

• Les données de paiement doivent être enrichi avec des sources de données internes et externes, comme la détection des fraudes, le contrôle des sanctions et les outils AML, ou des détails sur la contrepartie (comme le nom, le secteur, le type d'activité…) pour prendre en charge tous les services à valeur ajoutée possibles.

Heureusement, le la qualité des données est élevéegrâce à des normalisations telles que le SEPA en Europe, même si une certaine normalisation et un certain nettoyage sont encore nécessaires.

En collectant systématiquement les données de paiement, les sociétés de services financiers peuvent débloquer un multitude de cas d'utilisationgagnant un avantage concurrentiel grâce à :

• Informations sur les ventestels que « Prochaine meilleure offre », « Prévision de désabonnement » (par exemple, sorties de fonds continues vers des comptes chez des concurrents portant le même nom de contrepartie) ou « Prévision de ventes croisées » (par exemple, entrées d'argent élevées).

• Services à valeur ajoutée basé sur l'analyse des données de paiement, comme le rapprochement des paiements avec les factures, la liaison des paiements avec des informations supplémentaires (comme les garanties, les manuels, les informations sur les billets…) ou la fourniture de conseils personnalisés en matière de gestion financière (PFM/BFM), comme donner un aperçu des revenus et des dépenses et fournir recommandations pour réduire/optimiser les dépenses, génération de cash-backs, calcul de l'empreinte écologique (ie calculateur carbone)…​

• Intégrations améliorées en temps réel avec les clients et les tiers, permettant un accès à des informations détaillées sur les transactions au-delà du minimum requis par des réglementations comme PSD2, permettre aux clients (entreprises) de récupérer facilement via API leurs données de paiement, avec même la possibilité d'un push (via par exemple un webhook) pour informer les clients à proximité en temps réel des paiements entrants reçus, mais permettent également à des partenaires tels que les applications PFM/BFM ou les plateformes de comptabilité de récupérer des données de paiement à jour, de haute qualité et quasiment en temps réel.

  Cela permettrait également de permettre des paiements de compte à compte (A2A) plus rentables (par rapport aux paiements par carte) initiés via des API externes, ou permettrait aux banques d'adapter leur portée en segmentant mieux les clients sur la base de données de paiement anonymisées. (cfr. JPMorgan Chase a lancé une activité de médias numériques permettant aux annonceurs de cibler ses 80 millions de clients à l'aide de données transactionnelles).

Le potentiel de création la valeur des données brutes de paiement est énorme, à condition que les données soient centralisées de manière cohérente et fiable. Des outils spécialisés sont fortement recommandés à cet effet.