Si nous disposons de Snowflake et de Databricks, pourquoi avons-nous encore besoin d'une gestion des données de référence ?

Je rencontre de plus en plus souvent cette question lors de mes échanges avec des banques, des assureurs et des organismes de services financiers : « Nous disposons déjà de Snowflake et de Databricks, alors pourquoi avons-nous encore besoin d’une gestion des données de référence ? »

C'est une question légitime. Et tout à fait compréhensible.

La réponse courte : les plateformes de données modernes facilitent l’accès aux données et leur analyse, mais elles ne permettent pas de savoir qui ou quoi ces données représentent réellement. C’est là qu’intervient la gestion des données de référence (MDM), le fondement sur lequel repose la plateforme d’intelligence fiable de Stibo Systems.

Ce que Snowflake et Databricks permettent de résoudre

Les institutions financières ont massivement investi dans les plateformes de données modernes. Snowflake a aidé les organisations à centraliser, partager et analyser leurs données à grande échelle. Databricks a contribué à accélérer l’analyse de données, la science des données et l’IA. Ces deux solutions constituent des éléments essentiels de l’architecture de données moderne.

Mais elles ne rendent pas la gestion des données de référence (MDM) superflue.

Ce qu’elles ne résolvent pas

Prenons l’exemple du football. Vous pouvez disposer d’un stade magnifique, d’analystes de classe mondiale, de tactiques pointues et des meilleures installations d’entraînement. Mais si la feuille de match est erronée, s’il y a des doublons parmi les joueurs, si personne ne sait qui occupe quel poste et si la moitié de l’équipe utilise la formation de la saison dernière, la situation devient vite chaotique.

La gestion des données d'entreprise fonctionne de la même manière.

Une plateforme de données moderne peut faciliter l'accès aux données, accélérer leur traitement et les rendre plus disponibles pour le reporting, l'analyse et l'IA. Mais elle ne répond pas automatiquement aux questions stratégiques qui préoccupent encore le plus les dirigeants :

• De quel client s'agit-il ?
• Quelle est la bonne version du produit ?
• Quelle entité juridique est titulaire de cette relation ?
• Quel courtier, conseiller ou intermédiaire est impliqué ?
• À qui appartiennent ces données ?
• Pouvons-nous leur faire suffisamment confiance pour les utiliser dans le cadre d'une décision ?

C'est là que réside la lacune.

Où se situent les lacunes dans le secteur des services financiers ?

Bien que de nombreuses organisations disposent désormais de plateformes cloud modernes, elles sont toujours confrontées à des difficultés bien connues :

• Clients en double
• Définitions de produits incohérentes
• Hiérarchies floues
• Données fragmentées sur les entités juridiques
• Identifiants contradictoires
• Rapprochement manuel entre les systèmes

Même si l’architecture technologique semble moderne, le problème métier n’a pas disparu. C’est l’équivalent, en matière de données, d’avoir un arbitre assistant vidéo, des traceurs GPS et toute une équipe d’analystes chargée d’évaluer les performances de vos joueurs, tout en continuant à se disputer au sujet de la feuille de match officielle.

Les répercussions varient selon les secteurs d’activité :

• Dans le secteur bancaire, cela peut avoir des répercussions sur l’intégration des nouveaux clients, la procédure « Know Your Customer » (KYC), les décisions de crédit, l’exposition aux contreparties, les déclarations réglementaires et l’expérience client.
• Dans le secteur de l’assurance, cela peut avoir des répercussions sur l’identification des assurés, les relations avec les courtiers, les sinistres, la gouvernance des produits et la gestion des risques.
• Dans la gestion de patrimoine et d’actifs, cela peut avoir des répercussions sur le regroupement des comptes, les relations avec les conseillers, l’adéquation des produits, le reporting et l’expérience client.

Comment la gestion des données de référence (MDM) comble cette lacune

La gestion des données de référence (MDM) crée des enregistrements de référence fiables, résout les doublons, gère les relations, gère les hiérarchies, applique les règles métier et définit la propriété des données. Elle fournit les données fiables et le contexte métier dont les plateformes de données, les outils d’analyse et les modèles d’IA ont besoin pour produire des résultats fiables.

La principale différence réside dans le fait que Snowflake et Databricks aident les entreprises à tirer davantage parti de leurs données. Le MDM permet de s’assurer qu’elles le font avec les bonnes données.

Pourquoi cela revêt-il une importance accrue à mesure que l’adoption de l’IA s’accélère ?

L'IA ne résout pas comme par magie le problème de la fragmentation des données. Dans de nombreux cas, elle ne fait que le mettre en évidence. Si les données relatives aux clients, aux produits, aux politiques, aux comptes ou aux entités juridiques sont incohérentes, l'IA peut fournir des réponses plus rapides, mais pas nécessairement de meilleure qualité.

Pour les dirigeants, il s’agit d’une question de valeur commerciale, et non d’un débat sur l’architecture technique. Des données de référence fiables contribuent à améliorer l’expérience client, à réduire le travail manuel, à renforcer la confiance des autorités de régulation, à améliorer la qualité des décisions et à rendre les investissements dans l’IA plus sûrs et plus efficaces.

Et pour les secteurs réglementés, ce n’est pas une option. Des cadres réglementaires tels que DORA exigent de plus en plus des entreprises de services financiers qu’elles démontrent la traçabilité et la gouvernance des données alimentant leurs systèmes d’IA.

Alors que Snowflake permet de faire évoluer l’accès aux données et que Databricks accélère l’analyse et l’IA, la gestion des données de référence (MDM) contribue à garantir que les données mises à la disposition de Snowflake et de Databricks sont exactes, cohérentes, gouvernées et fondées sur des définitions métier partagées.

Vous avez besoin des deux, car ils remplissent des fonctions différentes.

La question qu'il convient plutôt de se poser

Les entreprises devraient plutôt se demander : « Comment s'assurer que les données qui alimentent nos plateformes, nos rapports, nos analyses et notre IA sont suffisamment fiables pour prendre des décisions stratégiques ? »

Dans la deuxième partie de cette série d’articles, j’examinerai comment cela crée une réelle valeur ajoutée pour l’entreprise, depuis l’intégration et l’expérience client jusqu’à la gestion des risques, la conformité, la préparation à l’IA et la croissance, pour les organismes bancaires, les compagnies d’assurance et les sociétés de gestion de patrimoine et d’actifs.