Au fils des ann\u00e9es, les syst\u00e8mes d\u2019information des banques ont du s\u2019adapter \u00e0 une augmentation des exigences r\u00e9glementaires, \u00e0 de nouveaux produits et \u00e0 de nouveaux modes op\u00e9ratoires. L\u2019ann\u00e9e 2007 a r\u00e9v\u00e9l\u00e9 que de nombreuses banques avaient des lacunes dans leurs capacit\u00e9s \u00e0 fournir des reportings risque complets et pr\u00e9cis dans des d\u00e9lais serr\u00e9s. Par cons\u00e9quent, le Comit\u00e9 de B\u00e2le sur la Supervision Bancaire a d\u00e9fini 14 principes en janvier 2013 (BCBS 239) visant \u00e0 renforcer la capacit\u00e9 d\u2019agr\u00e9gation des donn\u00e9es risques et leur reporting.<\/p>\n
Les banques ont d\u00e9ploy\u00e9 les principes BCBS 239 afin d\u2019am\u00e9liorer la qualit\u00e9 de l\u2019information utilis\u00e9e pour produire les reportings. Cependant, le data management ne se limite pas \u00e0 une exigence r\u00e9glementaire mais reste un imp\u00e9ratif pour le business.\u00a0 Dans un contexte de multiplicit\u00e9 des syst\u00e8mes et d\u2019usage diversifi\u00e9 par de nombreux d\u00e9partements, les donn\u00e9es peuvent facilement se fragmenter, se dupliquer et ne plus \u00eatre \u00e0 jour. Alors que les Data Management Offices cherchent \u00e0 \u00e9tendre leur p\u00e9rim\u00e8tre \u00e0 l\u2019ensemble des donn\u00e9es de la banque et pas seulement aux donn\u00e9es risque\/finance, les constats suivants restent toujours d\u2019actualit\u00e9 :<\/p>\n
Sous l\u2019impulsion du BCBS 239, les banques ont nomm\u00e9 des Chief Data Officers qui ont structur\u00e9 des Data Management Offices au sein des fonctions (Risque, Finance, Compliance, ALM, etc.) et au sein des m\u00e9tiers (Retail, CIB, Leasing, Asset Management, etc.). Avec des mandats qui s\u2019\u00e9tendent de plus en plus au-del\u00e0 du r\u00e9glementaire, il para\u00eet important pour les Chief Data Officers d\u2019effectuer une \u00e9valuation de leur organisation afin d\u2019en identifier les forces et les faiblesses.<\/p>\n
Cette \u00e9valuation devra couvrir les dimensions suivantes :<\/p>\n
L\u2019\u00e9valuation de la Data Governance doit s\u2019effectuer selon deux principaux axes :<\/p>\n
La mise \u00e0 niveau du dictionnaire de donn\u00e9es reste encore un chantier important au sein des \u00e9tablissements bancaires. En effet, des probl\u00e9matiques de divergence continuent \u00e0 se poser entre des dictionnaires locaux (de niveau filiales) et des dictionnaires centraux (de niveau Groupe). L\u2019enjeu principal r\u00e9side dans la capacit\u00e9 des DMO \u00e0 faire adopter un langage commun tout en gardant les sp\u00e9cificit\u00e9s, lorsqu\u2019elles existent, du m\u00e9tier auquel ils sont rattach\u00e9s. Se posent \u00e9galement toujours des probl\u00e9matiques de multiplicit\u00e9 de dictionnaires sous diff\u00e9rents formats (Excel, glossaire, etc.) au sein d\u2019une m\u00eame direction ou d\u2019un m\u00eame m\u00e9tier alors qu\u2019un unique dictionnaire structur\u00e9 correctement apporterait des b\u00e9n\u00e9fices certains \u00e0 l\u2019ensemble des utilisateurs. La maintenance du dictionnaire reste \u00e9galement un enjeu de taille car elle n\u00e9cessite que les diff\u00e9rents acteurs (data owner, contr\u00f4le permanent, etc.) aient bien en t\u00eate que cet outil doit vivre au gr\u00e9 des \u00e9volutions r\u00e9glementaires et m\u00e9tiers.<\/p>\n
Des indicateurs qualit\u00e9 \u2013 KPIs \u2013 ont \u00e9t\u00e9 \u00e9labor\u00e9s dans de nombreuses directions. Ils suivent souvent une nomenclature commune (coh\u00e9rence, unicit\u00e9, exactitude, fra\u00eecheur\u2026) et sont monitor\u00e9s via des instances d\u00e9di\u00e9es qui suivent les plans de rem\u00e9diation.<\/p>\n
Les principales probl\u00e9matiques rencontr\u00e9es sur les indicateurs qualit\u00e9 restent cependant :<\/p>\n
Ce chantier est probablement le plus complexe de tous. Il a n\u00e9cessit\u00e9 des investissements importants en termes de solutions informatiques mais reste toujours d\u2019actualit\u00e9. En effet, produire le cheminement applicatif d\u2019une donn\u00e9e via une solution pr\u00e9suppose que cette derni\u00e8re soit connect\u00e9e \u00e0 l\u2019ensemble du syst\u00e8me d\u2019information et qu\u2019elle puisse s\u2019adapter \u00e0 d\u2019\u00e9ventuelles \u00e9volutions de ce syst\u00e8me.<\/p>\n
Les exigences des r\u00e9gulateurs (notamment dans le cadre d\u2019audit de mod\u00e8les) ont prouv\u00e9 qu\u2019il est parfois plus efficace, voire incontournable, de produire \u00ab\u00a0manuellement\u00a0\u00bb le data lineage lorsque les d\u00e9lais sont serr\u00e9s et qu\u2019il est n\u00e9cessaire de fournir l\u2019ensemble des contr\u00f4les et des r\u00e8gles de transformation.<\/p>\n
Se pose alors la question de la nature m\u00eame du data lineage qui n\u2019est pas toujours tr\u00e8s claire. Si les lineages techniques sont r\u00e9alisables via des outils une fois les phases, parfois tr\u00e8s chronophages, de POC et de param\u00e9trage r\u00e9alis\u00e9es ; la r\u00e9alisation de lineages dits m\u00e9tier ou fonctionnel reste beaucoup plus complexe.<\/p>\n
Bien que cela ne rentre pas toujours directement dans le scope de responsabilit\u00e9s du Chief Data Officer, les travaux du DMO peuvent apporter une impulsion pour revoir l\u2019architecture IT.<\/p>\n
En effet, les projets li\u00e9s \u00e0 la Data Quality et au Data Lineage ont notamment de fortes adh\u00e9rences avec l\u2019architecture technique et fonctionnelle. Les d\u00e9marches autour de la data donnent ainsi l\u2019occasion d\u2019optimiser et de rationaliser le SI, ce qui peut se traduire par des d\u00e9commissionnements d\u2019outils ou par la convergence de flux de donn\u00e9es (risque et finance par exemple).<\/p>\n
Ces travaux n\u00e9cessitent au pr\u00e9alable un audit tr\u00e8s orient\u00e9 data qui consiste par exemple \u00e0 :<\/p>\n
Le Data Management a trac\u00e9 un chemin qui reste encore \u00e0 parcourir. Tous les chantiers d\u00e9crits pr\u00e9c\u00e9demment sont fortement interconnect\u00e9s. Evaluer leurs maturit\u00e9s permettrait aux CDO de revoir leurs priorit\u00e9s et de d\u00e9finir leurs futures roadmaps.<\/p>\n","protected":false},"excerpt":{"rendered":"
Les pr\u00e9misses du Data Management Au fils des ann\u00e9es, les syst\u00e8mes d\u2019information des banques ont du s\u2019adapter \u00e0 une augmentation des exigences r\u00e9glementaires, \u00e0 de nouveaux produits et \u00e0 de nouveaux modes op\u00e9ratoires. L\u2019ann\u00e9e 2007 a r\u00e9v\u00e9l\u00e9 que de nombreuses banques avaient des lacunes dans leurs capacit\u00e9s \u00e0 fournir des reportings risque complets et pr\u00e9cis […]<\/p>\n","protected":false},"author":32,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"_themeisle_gutenberg_block_has_review":false,"footnotes":"","_links_to":"","_links_to_target":""},"categories":[81],"tags":[99],"class_list":["post-4198","post","type-post","status-publish","format-standard","hentry","category-news-institute-fr","tag-taux-negatifs"],"acf":[],"yoast_head":"\n