Banque et Big Data : Citigroup tire bénéfice des données

L'équipe de Data Scientists de Citigroup n'hésite pas à déployer des outils analytiques dans toutes les parties de l'activité au sein desquelles ces outils pourraient s'avérer bénéfiques. Pour identifier où les ressources Big Data peuvent être utilisées efficacement, il est nécessaire d'aligner les cas d'usage avec les capacités technologiques.

Depuis la mise en place du programme Data Innovation, Citigroup a exécuté des centaines de cas d'usage et de proof-of-concepts, validés comme étant capables de répondre à des besoins spécifiques des activités de l'entreprise. La firme se concentre principalement sur l'obtention de résultats actionnables basés sur des métriques précises.

Une fois qu'un usage potentiel pour les outils analytiques est identifié, il est classé en termes de bénéfices et de coût d'opportunité. De nombreux facteurs sont à prendre en considération. C'est la raison pour laquelle tous les cas d'usage ne parviennent pas jusqu'au bout du processus. Parfois, après un passage en revue approfondi, il arrive que l'entreprise se rende compte qu'il existe d'autres façons d'atteindre un objectif. Utiliser le Big Data juste pour utiliser le Big Data n'est alors pas pertinent.

L'un des secteurs dans lequel Citigroup est parvenu à implémenter les outils analytiques avec succès est celui de l'acquisition et de la rétention de client. Ce domaine implique l'analyse de données, et la mise en place de promotions ciblées, reposant sur les algorithmes de Machine Learning. L'usage mixé du Big Data a permis à Citigroup d'opérationnaliser de nombreuses fonctionnalités nouvelles et critiques, dans divers secteurs tels que la cybersécurité, le service client, la lutte contre la fraude, le marketing et les analytiques web.

Un autre cas d'usage est le scan de transactions, permettant de détecter d'éventuelles anomalies. Cette méthode permet d'identifier ou de prédire des faiblesses. Pour les clients, elle permet de repérer des charges incorrectes ou inhabituelles. Le coût de telles anomalies est largement réduit en cas de détection rapide ou, mieux encore, d'anticipation grâce aux modèles prédictifs. Grâce aux analyses Big Data, le coût de révision de ces « points de données errants » a été réduit par deux dans certains cas.

Réduction des coûts

Les coûts de déploiement de plateformes ont également été réduits grâce à la transition vers une architecture Big Data horizontale. Citigroup s'appuie également sur la distribution commerciale de technologies open source pour soutenir sa stratégie. Pendant des années, les données ont été efficacement gérées et analysées pour déterminer comment améliorer les opérations et fournir de meilleurs services. De même, le Big Data permet de diminuer les prix quand les données peuvent être stockées et analysées à une échelle que le groupe surnomme « Citi-scale ». 

Citigroup est une entre entreprise mondiale, pourvue d'un immense montant d'ensembles de données exploitables. Ces données peuvent être stockées à un point qui les rend bénéfiques sur le plan analytique à leur niveau le plus granulaire. La communauté commerciale de l'Open Source propose des offres avantageuses, mais Citi sélectionne des technologies et des partenaires en se basant sur leur habilité à s'adapter pour répondre aux besoins de l'entreprise.

Collaborateurs Open Source et Data Lake

La plateforme centrale de la firme est fondée sur la valeur de l'Open Source avec l'intégration de solutions Big Data à grande capacité. En conséquence, Citi collabore étroitement avec toute une variété de vendeurs Open Source. Ces vendeurs sont choisis pour leur faculté à démontrer leurs capacités d'intégration en profondeur de la technologie qu'ils fournissent. Toutefois, ils doivent également être ouverts à l'influence et prêts à travailler en collaboration avec le groupe pour retravailler leurs produits afin de correspondre à ses exigences rigoureuses et évolutives.

En guise de fondation pour sa stratégie Big Data, Citi a investi dans sa propre architecture de plateforme Big Data. Il s'agit du Virtual Enterprise Data Lake. En plus de rendre toutes ces données disponibles actionnables à tout moment avec une latence minimale, et d'assurer que les données peuvent être cartographiées avec précision pour les modèles de référence communs de l'entreprise, ce Lake permet de réduire les coûts de traitement des données en éliminant les données redondantes et dupliquées. Le coût de transfert de ces données de point à point est également réduit.

Citigroup a mis en place un processus de décision pour déterminer quelles données sont exploitables sur le plan analytique. Par la suite, la firme détermine où stocker les flux de données. Actuellement, ce programme est en pleine accélération afin de réduire les coûts, permettant de dégager des bénéfices au niveau financier, technologique et business. 

Citigroup et le défi du temps réel

Comme de nombreuses industries, la banque et la finance seront bientôt révolutionnées par des immenses avancées en termes de capacités d'analyses de streaming en temps réel. Dans la plupart des cas d'usage exécutés jusqu'à présent par Citigroup, seul un petit pourcentage a été exécuté en temps réel. En tant qu'industrie, un nombre croissant de cas d'usage créatifs est perçu par le groupe et le streaming analytique en temps réel devient une préoccupation centrale.