Principaux enseignements tirés de l’entretien « Expert Talks » avec Jason Mikula : « S’adapter à l’évolution du paysage des données »

Le mois dernier, j'ai eu l'occasion d'animer le premier épisode de la série « Expert Talks » de Taktile, qui s'est penchée sur la manière dont les leaders du secteur s'adaptent à l'évolution rapide du paysage des données.

J'étais accompagné d'experts en la matière : Jonathan Gurwitz, responsable du crédit chez Plaid, Manpreet Dhot, directeur des risques chez Pipe, ainsi que Kevin Moss, conseiller et consultant indépendant, qui a précédemment occupé des postes liés aux risques et au crédit chez SoFi et Wells Fargo.

Si je devais résumer cette discussion en un seul thème général, je dirais que le rythme des changements auxquels les organisations sont confrontées aujourd’hui est plus rapide que jamais. L’époque des stratégies de données du type « configurez-la et oubliez-la », quel que soit le cas d’utilisation spécifique, est révolue depuis longtemps. Et bien que notre discussion n’ait pas porté principalement sur l’intelligence artificielle, les opportunités d’exploiter l’IA pour gagner en efficacité grâce à l’automatisation et donner du sens aux données non structurées sont évidentes. D’un autre côté, l’IA comporte des risques, notamment en matière d’explicabilité et de biais, et, entre les mains d’acteurs malveillants, elle est susceptible d’accroître la menace d’escroqueries et de fraudes à laquelle sont confrontées les organisations financières.

Voici quelques-uns des points clés qui ressortent de notre discussion :

Quiconque a déjà travaillé dans le secteur du crédit à la consommation aux États-Unis connaît très bien les principales agences de crédit : Equifax, Experian et TransUnion. Ces agences, également appelées « agences d’évaluation du crédit » (CRA), constituent de précieuses sources de données structurées sur le comportement des consommateurs en matière de remboursement de leurs dettes.

Cependant, les données de la CRA présentent des limites. Par définition, ces données sont rétrospectives et ne reflètent que le comportement passé du consommateur. De plus, il s’agit d’un indicateur retardé ; les créanciers communiquent généralement leurs données chaque mois, de sorte que si un consommateur rencontre des difficultés financières — telles qu’une perte d’emploi —, cela peut ne pas apparaître immédiatement dans les dossiers de l’agence. Les données des agences de notation de crédit ne donnent pas non plus une vue d’ensemble complète du bilan d’un consommateur : elles indiquent uniquement ce qu’il doit, sans fournir d’informations sur ses revenus ou ses actifs, qui sont souvent essentiels pour l’évaluation du risque de crédit. De plus, elles peuvent ne pas prendre en compte certaines dettes, comme les prêts sur salaire ou les prêts sur titre, ainsi que les nouveaux mécanismes d’emprunt, tels que les formules « achetez maintenant, payez plus tard » ou les avances de trésorerie.

Les données relatives aux transactions bancaires, fournies avec l’accord des consommateurs, peuvent venir compléter les données traditionnelles des agences de crédit afin de relever certains de ces défis. Par exemple, les consommateurs novices en matière de crédit peuvent présenter un « dossier peu fourni » ou « aucun dossier » dans les registres traditionnels des agences de crédit, ce qui rend difficile l’établissement d’une notation précise. Les données relatives aux transactions bancaires offrent un autre aperçu de la manière dont les consommateurs gèrent leurs finances et constituent un mécanisme permettant d’évaluer leur solvabilité. En effet, les données transactionnelles peuvent fournir des indications sur la solvabilité d’un demandeur d’une manière que les données traditionnelles des agences de crédit ne permettent pas. Par exemple, les formules « achetez maintenant, payez plus tard » ou les avances de trésorerie via des applications mobiles, qui n’apparaissent généralement pas dans les données des agences de crédit, figurent bien dans les données transactionnelles des comptes bancaires des consommateurs.

Les données issues de l’open banking peuvent également aider les prêteurs à améliorer l’expérience utilisateur en réduisant les frictions à des étapes clés du parcours de conversion. Au lieu de recourir à des méthodes obsolètes telles que les microtransactions, les chèques annulés pour la vérification du compte bancaire ou la demande aux utilisateurs de télécharger des bulletins de salaire ou des déclarations fiscales pour vérifier leurs revenus, les consommateurs peuvent autoriser en toute sécurité le partage de données directement depuis leur compte bancaire ou leur prestataire de paie. Cette approche est plus fluide et plus précise pour répondre à ces exigences.

Face à une liste apparemment infinie de nouveaux fournisseurs de données brutes et packagées, de nombreuses organisations ont du mal à identifier, intégrer et évaluer ces nouvelles sources de données. La première étape devrait consister à définir le problème ou le défi que la source de données est censée aider à résoudre, puis à élaborer une analyse de rentabilité autour de ce cas d’utilisation. Formuler une hypothèse et aborder un nouveau fournisseur de données avec une approche « tester et apprendre » peut s’avérer utile pour définir ce que l’on entend par « succès » dans le cadre d’un cas d’utilisation donné.

La réalisation d'une validation de principe, consistant à évaluer un échantillon des données d'un fournisseur dans un environnement de test ou hors production, peut aider les organisations à mieux déterminer si une source de données donnée est adaptée à leur cas d'utilisation. La validation de principe doit être conçue de manière à reproduire autant que possible l'environnement de production réel, et ses résultats doivent être comparés aux hypothèses et aux objectifs de l'analyse de rentabilité.

En particulier lorsqu’une source de données fournit des données traitées, telles que des ensembles de caractéristiques prédéfinis, il est essentiel de bien comprendre la provenance et la fiabilité des données sous-jacentes afin de pouvoir fournir les justifications requises par la loi au cas où des demandes seraient rejetées sur la base de ces sources de données.

Les aspects techniques peuvent également constituer un frein à l'intégration et à l'évaluation de nouvelles sources de données. Il convient de déterminer à l'avance le type d'infrastructure technique déjà en place ou qui sera nécessaire, ainsi que les ressources en matière de produit et d'ingénierie requises pour intégrer et exploiter une nouvelle source de données.

L’impact de l’intégration d’une source de données sur le parcours client est un élément clé à prendre en compte pour évaluer son incidence globale sur le taux de conversion et la rentabilité. Par exemple, lors de l’intégration et de l’extraction de données issues de fichiers de crédit traditionnels, il existe différentes approches quant à la quantité et au type d’informations à collecter auprès d’un utilisateur pour faciliter l’accès à ces données. Plus le nombre de champs à remplir est élevé (et plus les données sont sensibles), plus les utilisateurs sont susceptibles d’abandonner le processus. D’autres types d’intégrations de données, comme l’open banking, peuvent avoir un impact plus significatif sur l’expérience et le parcours de l’utilisateur. En général, dans le cadre des intégrations d’open banking, les utilisateurs doivent suivre une série d’étapes pour autoriser explicitement l’accès à leur compte et à certains types de données qu’il contient. Si l’avantage réside dans la valeur explicative supplémentaire apportée par les données partagées par les utilisateurs, cela peut toutefois avoir un impact négatif sur le taux de conversion.

Les risques juridiques et réglementaires constituent également des éléments clés à prendre en compte lors de l’évaluation et de l’intégration de nouveaux fournisseurs de données. Dans le secteur du crédit à la consommation aux États-Unis, des lois telles que la Fair Credit Reporting Act (FCRA) et l’Equal Credit Opportunity Act (ECOA), ainsi que leurs règlements d’application, régissent les types de données que les prêteurs peuvent utiliser et accordent certains droits aux consommateurs. L’ECOA interdit toute discrimination illégale à l’encontre de certaines catégories protégées, y compris celles résultant d’un impact disparate. Les tiers externes, y compris les fournisseurs de données, doivent faire l’objet d’une surveillance et d’une gestion appropriées dans le cadre d’un processus appelé « gestion des risques liés aux tiers », un domaine auquel les régulateurs financiers accordent une attention croissante ces derniers temps.

La sécurité de l’information et la confidentialité des données constituent également des enjeux majeurs lors de l’intégration de nouvelles sources de données. En fonction de la source et du type de données, les organisations peuvent se heurter à des restrictions quant à leur capacité à conserver ou à utiliser ces données. Par exemple, la règle 1033 récemment finalisée aux États-Unis, qui régit l’open banking dans ce pays, impose des restrictions à ce qu’on appelle l’« utilisation secondaire » des données de transaction pour lesquelles le consommateur a donné son consentement, oblige les utilisateurs de données à obtenir chaque année le consentement des utilisateurs pour continuer à accéder à ces données et peut exiger des organisations qu’elles suppriment les données des utilisateurs si ceux-ci révoquent leur consentement.

Chaque entreprise, qu’elle soit financière ou non, est confrontée à des besoins et à des défis qui lui sont propres. Mais il existe un défi commun à toutes les entreprises : le changement. Qu’il s’agisse de sources de données nouvelles ou en constante évolution, de comportements clients inédits ou inhabituels, ou encore d’un environnement juridique et réglementaire en mutation, c’est la capacité des organisations à s’adapter rapidement et efficacement aux changements de leur environnement opérationnel qui déterminera qui seront les « gagnants » et qui seront les « perdants ».

Disposer d'une infrastructure technologique adaptée, qui offre aux organisations l'agilité nécessaire pour s'adapter plus efficacement aux changements de leur environnement, n'est pas simplement un « plus », mais bien une nécessité absolue dans le monde d'aujourd'hui, marqué par une « nouvelle normalité » et en constante évolution.