Autonomiser les utilisateurs métier grâce à l'intelligence des données en libre-service - Cloné

Introduction

Les données sont synonymes de pouvoir. Selon McKinsey, « les banques possèdent plus de données clients que les entreprises de la plupart des autres secteurs, mais elles sont à la traîne par rapport à de nombreux autres secteurs en contact direct avec les consommateurs lorsqu'il s'agit de personnalisation à grande échelle. » https://www.mckinsey.com/industries/financial-services/our-insights/the-state-of-retail-banking-profitability-and-growth-in-the-era-of-digital-and-ai. Dans le secteur bancaire, il s'agit de transformer ce pouvoir en insights exploitables tout en gérant prudemment les risques liés à la sécurité des données. Les institutions financières doivent trouver un équilibre entre la protection des données sensibles et l'adoption de la démocratisation des données afin d'améliorer l'expérience client, de réduire les risques et de stimuler l'innovation.

Sigma Computing, une plateforme d'analyse et de business intelligence de nouvelle génération, offre une voie sécurisée en s'appuyant sur Databricks comme data warehouse intelligent au cœur du système. Ce partenariat permet aux banques de tirer parti d'insights allant de la segmentation de la clientèle à l'évaluation des risques, le tout sans compromettre la sécurité. Dans ce blog, nous allons montrer comment Databricks et Sigma fournissent conjointement un workflow d'exploration sécurisé pour les analystes bancaires qui utilisent les données des consommateurs pour améliorer la personnalisation et générer de nouvelles sources de revenus.

La data intelligence, une nouvelle planche de salut pour le secteur bancaire

Les banques en ligne comme Nubank et les fintechs comme Wise et Brex ont dépassé les banques d'affaires traditionnelles en offrant à leurs clients des expériences numériques fluides, des services financiers en temps réel et des tarifs transparents. En revanche, les banques traditionnelles sont souvent à la traîne en raison d'infrastructures héritées. Cette dette technique entraîne des cycles de développement plus longs et, par conséquent, limite la capacité des banques à développer de nouveaux produits et à anticiper l'évolution des attentes des clients. Plus que jamais, les données sont un actif stratégique, et les banques peuvent les exploiter comme un avantage concurrentiel.

La data intelligence est essentielle pour libérer tout le potentiel des données d'entreprise. Pour s'aligner sur notre vision d'une démocratisation totale des données pour tous les utilisateurs, Databricks lance des outils tels que les espaces Genie, une interface conversationnelle où les utilisateurs métier peuvent interroger leurs données. Ce qui différencie Genie, c'est que ce service intègre tout le contexte de l'entreprise (jargon métier et métadonnées techniques), intégré à l'espace comme base pour répondre aux questions métier via Unity Catalog, la solution de gouvernance de Databricks.

Pourquoi les banques ont du mal à démocratiser les données

Les banques sont très réglementées et, par nature, réticentes au risque. Elles gèrent des volumes massifs de données sensibles, des historiques de transactions aux informations personnelles des clients, ce qui en fait des cibles privilégiées pour les cyberattaques et les menaces internes. L'exfiltration de données (le transfert non autorisé ou le vol de données) représente un risque constant, ce qui impose des protocoles de sécurité stricts. Mais voici le dilemme : si la protection des données est essentielle, un verrouillage trop strict freine l'innovation et ralentit la prise de décision.

Dans ce domaine, la démocratisation des données devient un défi. La démocratisation promet de libérer le potentiel des données en les mettant entre les mains de ceux qui peuvent agir sur les insights : analystes de données, chefs de produit et même dirigeants. Cependant, les banques se trouvent souvent tiraillées entre leur besoin d'un accès ouvert et flexible aux données et les mesures de sécurité strictes qu'elles doivent respecter.

Les systèmes de données traditionnels des banques sont cloisonnés, ce qui empêche les équipes de partager les données de manière fluide entre les départements. La crainte d'un accès non autorisé conduit à un environnement restrictif où seule une poignée de privilégiés a accès aux informations critiques. Ce goulot d'étranglement étouffe l'agilité que la démocratisation des données vise à apporter. De plus, la conformité réglementaire ajoute une couche de complexité, car les banques doivent s'assurer qu'elles respectent les normes locales et mondiales telles que le GDPR et le CCPA, tout en favorisant une culture axée sur les données. Un excellent exemple de banque ayant résolu ces problèmes est HSBC, avec sa réinvention des paiements, propulsée par Databricks. Ils ont pu consolider 14 bases de données en un seul Lakehouse. De plus, ils ont pu protéger les données grâce au masquage en temps réel et ont modernisé leur stratégie de segmentation de la clientèle, ce qui a donné naissance à l'application de paiement numéro un à Hong Kong.

Dans la section suivante, nous verrons comment les clients peuvent utiliser Databricks et Sigma Computing pour relever ces défis.

Libérer la puissance de la data intelligence tout en respectant la conformité

La problématique métier

Imaginez un groupe d'analystes métier chargés de fidéliser les clients pour des produits bancaires de crédit renouvelable. L'équipe IT interne doit fournir à ces analystes des outils no-code et non techniques. Il existe des exigences strictes pour restreindre les fonctionnalités d'exportation. D'un autre côté, les analystes doivent manipuler les données avec un accès complet au lignage et aux métadonnées afin d'expliquer tout résultat commercial, comme une offre proactive d'augmentation de ligne de crédit, à leurs parties prenantes.

Outils du marché pour l'analyse en libre-service

Les utilisateurs finaux ont besoin d'analyses en libre-service. Dans la plupart des cas, l'outil principal pour y parvenir est Excel. Cependant, fournir des données dans Excel est le moyen idéal d'augmenter le risque d'exfiltration de données et de multiplier les copies de données, ce qui nuit à l'efficacité. C'est là qu'intervient Sigma Computing.

Sigma offre aux utilisateurs finaux un moyen de visualiser les flux de données et les analyses sans leur donner un accès illimité aux ensembles de données. Sigma apporte également une expérience utilisateur familière, proche du tableur, ce qui rend son adoption particulièrement fluide pour les utilisateurs d'Excel. Sigma offre aux équipes de plateforme un moyen unique de mettre les données à la disposition des utilisateurs non techniques grâce à un concept appelé « intégrations sécurisées ».

Permettre un véritable libre-service grâce à l'intégration sécurisée de Sigma

Sigma vous permet de créer un widget de libre-service intégré et sécurisé dans l'application de votre choix. Par exemple, les développeurs peuvent créer une application Flask, un e-mail intégré ou des intégrations Teams qui s'authentifient avec des jetons JWT et appellent le service Sigma. Les JWT (JSON Web Tokens) sont des jetons compacts et sécurisés pour les URL qui transmettent des informations de manière sécurisée entre les systèmes, garantissant ainsi l'intégrité des données et l'authentification. Ce format est fondamental pour les applications modernes basées sur des API, permettant aux grandes entreprises d'authentifier les utilisateurs en toute sécurité sans exposer d'informations sensibles. Dans cette intégration entre Sigma Computing et Databricks, le JWT garantit aux utilisateurs un accès personnalisé et en temps réel aux classeurs et aux tableaux de bord. Le JWT permet un accès client sécurisé aux données financières, et cette implémentation protège l'accès aux tableaux de bord, maintenant à la fois la performance et la sécurité en intégrant des revendications spécifiques à l'utilisateur dans chaque jeton.

Intégrer des utilisateurs sans droits d'accès à l'espace de travail

Les utilisateurs peuvent désormais accéder facilement aux données, et des contrôles d'accès basés sur les rôles peuvent être appliqués pour permettre aux propriétaires de classeurs de fournir un accès restreint via une simple activation unique. Voir les images ci-dessous pour référence. Ici, l'utilisateur externe fait partie de l'équipe « Embed Banking Analysts ». Les propriétaires de classeurs analytiques fournissent un accès unique à l'équipe d'utilisateurs intégrés, et les utilisateurs finaux sont prêts à consommer tout jeu de données auquel ils ont droit. Tous les contrôles d'accès précis définis dans Unity Catalog s'étendent aux groupes dans Databricks, en particulier le filtrage au niveau des lignes et des colonnes.

Déploiement d'applications d'analyse financière sur le Lakehouse d'intelligence de domaine

Databricks propose désormais un tout nouveau moyen simplifié de déployer l'application pour servir des utilisateurs intégrés sécurisés : Databricks Apps. Grâce à Databricks Apps, les équipes de data engineering peuvent développer et synchroniser du code dans l'espace de travail Databricks et déployer une application en quelques minutes, rendant les données accessibles aux analystes et aux utilisateurs non techniques tout comme ils le feraient dans un portail personnalisé standard. Que vous utilisiez Databricks Apps ou une application auto-hébergée (nous utilisons Flask dans notre démo d'applications), les équipes de plateforme peuvent intégrer des utilisateurs intégrés pour démocratiser pleinement les données auprès des utilisateurs non techniques habitués à exploiter des tableaux croisés dynamiques et des ratios à la volée pour des cas d'usage bancaires.

Dans notre exemple d'application, nous nous concentrons sur les clients ayant des profils internes et des données externes provenant d'un bureau de crédit (par exemple, TransUnion) et d'agrégateurs financiers tels que Plaid et Yodlee, qui fourniront des scores de crédit, des lignes de crédit et des tendances sur l'utilisation des produits financiers. Notre résumé initial (ci-dessous en rouge) montre que la plupart des clients sont intéressés par l'accession à la propriété. En revanche, l'engagement est faible, et la banque pour laquelle nous travaillons souhaite accroître la fidélité. Comme point de départ, nos utilisateurs intégrés peuvent rapidement examiner les ratios de liquidité et cibler des segments de clientèle pour une augmentation proactive de la ligne de crédit.

Les analyses que nous voyons sont utiles, mais comment pouvons-nous offrir aux utilisateurs intégrés une meilleure expérience d'exploration sans pour autant risquer l'exfiltration de données ?

Comme on peut le voir ci-dessous, au sein de l'environnement Sigma, nous pouvons créer un rôle entièrement personnalisé appelé « Explorer But Not Exporter », empêchant les utilisateurs d'exporter des données à l'aide des boutons de téléchargement. Dans un esprit d'innovation, nous accordons à l'utilisateur analyste les droits de modifier le classeur, par exemple pour calculer et créer de nouvelles colonnes, ce qui permettra une expérience beaucoup plus riche et l'ajout de calculs tels que des ratios de liquidité pour évaluer efficacement les opportunités d'augmentations proactives de lignes de crédit ou d'investissements pour les clients bancaires. Les utilisateurs ont désormais toute latitude pour ajouter des analyses personnalisées à leurs questions.

Bien que l'expérience ait permis aux utilisateurs de créer de nouveaux regroupements (binning), cartes de chaleur (heatmaps) et listes de segmentation, comment garantir la confiance dans les données produites ? Nos exemples de tableaux dans l'application montrent une prédiction proactive d'augmentation de ligne de crédit, que nous pouvons désormais appliquer à nos segments cibles. Les analystes doivent comprendre d'où proviennent les prédictions afin d'expliquer les analyses et les résultats aux parties prenantes et aux dirigeants de l'entreprise. Grâce au lignage intégré dans Unity Catalog, qui s'étend au-delà des données pour englober les modèles, les tableaux de bord, les caractéristiques (features) et les fonctions, nous pouvons identifier exactement d'où proviennent nos prédictions. Toutes les informations sur les sources dérivées ci-dessous et les balises sont facilement obtenues à partir des tables système de Unity Catalog (AWS | Azure | GCP), offrant ainsi un niveau de confiance et d'explicabilité supérieur à l'entreprise.

Conclusion

Le secteur des services financiers est à la croisée des chemins. Les banques traditionnelles ne peuvent plus se permettre de rester prisonnières de systèmes de données obsolètes et cloisonnés, tandis que les perturbateurs de la fintech continuent de redéfinir l'expérience client grâce à l'intelligence des données en temps réel. Dans cet environnement à enjeux élevés, la démocratisation sécurisée des données n'est pas seulement un luxe, c'est une question de survie.

Les fonctionnalités d'intégration sécurisée de Sigma Computing, combinées à la plateforme robuste de déploiement d'applications et au data lakehouse de Databricks, offrent une solution transformative pour les banques qui cherchent à exploiter les données sans compromettre la sécurité. Les intégrations sécurisées de Sigma offrent une expérience contrôlée qui s'aligne parfaitement avec les exigences réglementaires strictes. Avec Sigma, les banques peuvent permettre à leurs analystes, enquêteurs, chefs de produit et équipes commerciales d'accéder à des insights essentiels dans un environnement plus sécurisé et conforme.

En déployant des applications sur Databricks, les institutions financières peuvent étendre rapidement et de manière transparente un accès sécurisé aux données aux utilisateurs d'intégrations, en personnalisant les expériences tout en maintenant un contrôle absolu sur la sécurité des données. Dans un secteur où la marge d'erreur est infime, la capacité à fournir des insights basés sur les données via des applications intégrées et sécurisées devient un avantage concurrentiel.

Le message adressé aux institutions financières est clair : l'époque des stratégies de données passives est révolue. Celles qui adoptent une intelligence des données sécurisée et en libre-service atténueront les risques et libéreront l'agilité nécessaire pour prospérer sur le marché numérique d'aujourd'hui. Les banques doivent évoluer dès maintenant, et l'exploitation d'outils comme Sigma Computing et Databricks peut activer une culture axée sur les données qui transforme les informations brutes en insights exploitables.

Inscrivez-vous à Databricks et Sigma dès aujourd'hui pour activer une intelligence des données sécurisée et en libre-service.

(Cet article de blog a été traduit à l'aide d'outils basés sur l'intelligence artificielle) Article original