« Malgré l'adoption croissante du big data et de l'IA, la plupart des entreprises de services financiers est toujours confrontée à d'importants défis, que cela concerne la variété des types de données, leur évolutivité ou encore la protection de la vie privée. Pour surmonter ces obstacles, le Crédit Suisse harmonise ses systèmes sur des plateformes cloud ouvertes, dont Azure Databricks, afin d'accroître la vitesse et l'échelle des opérations et du ML dans l'ensemble de l'organisation. Grâce à Databricks, le Crédit Suisse met la puissance des données et de l'analytique au service de sa transformation numérique pour accélérer la commercialisation de nouveaux produits, développer ses opérations et gagner en efficacité.
Dépasser les limites de l'expertise humaine et des processus manuels
Les institutions de services financiers (ISF) partagent toutes un même objectif ultime : répondre aux attentes élevées de leurs clients. Mais ces ISF sont souvent aux prises avec des systèmes archaïques et un modèle commercial basé sur la relation. Dans ces conditions, offrir aux clients d'aujourd'hui la qualité d'expérience qu'ils attendent relève de la gageure. Le Crédit Suisse s'est lancé dans une aventure ambitieuse : exploiter des volumes considérables de données sur ses clients et transactions. Son objectif est d'abandonner les systèmes traditionnels pour adopter une approche à la fois digitale et data-driven.
« L'industrie bancaire a été bâtie sur des fondements essentiellement humains ; des relations solides sous-tendent les transactions et les décisions reposent sur un jugement expert, » rappelle Anurag Sehgal, Managing Director, Head of Global Markets au Crédit Suisse. « Pour continuer d'offrir à nos clients les niveaux de service qu'ils attendent, nous devons faire évoluer notre modèle commercial en mettant les données en avant. »
Mais les difficultés rencontrées par les équipes du Crédit Suisse n'étaient pas seulement liées aux limites des processus manuels et des performances de leur système on-premise : elles tenaient également aux données qu'elles pouvaient exploiter pour prendre des décisions plus « intelligentes ». « Nous n'avions accès qu'aux données tarifaires et à celles des marchés financiers. Cela ne nous permettait pas de fournir à nos clients des recommandations spécifiques et éclairées, » explique A. Sehgal.
Il leur fallait une plateforme Unified Data Analytics, seule capable de favoriser l'émergence de nouveaux moyens d'enrichir et de développer les activités grâce à l'analytique, de faciliter l'expérimentation et les prototypages rapides, tout en intégrant aux produits et aux initiatives des idées viables sur le plan commercial.
Concrétiser les idées avec efficacité et rapidité
Première étape de la démarche : veiller à ce que la nouvelle architecture puisse évoluer sur demande afin de prendre en charge un éventail varié de charges de travail. Dans un souci de flexibilité, elle devait également être compatible avec différents cloud et s'adapter aux technologies de nouvelle génération liées au machine learning et à l'IA. Ces impératifs expliquent l'adoption d'une fondation de cloud public doublée d'un écosystème de données, d'IA/ML et de capacités numériques qui s'articule autour de la plateforme d'analytique Azure Databricks.
« Le machine learning est un moteur essentiel dans tout ce que nous entreprenons désormais. Et Databricks nous a apporté un soutien stratégique dans ce parcours pour devenir une organisation data-driven, » affirme A. Sehgal. « Databricks nous a permis d'enrichir et de développer notre activité grâce à l'analytique. La plateforme facilite l'expérimentation et le prototypage rapide des modèles grâce auxquels nous intégrons des idées viables et matures sur le plan commercial à nos produits et nos initiatives. »
Pour rendre les données exploitables, la première étape consiste à s'assurer que l'infrastructure peut gérer le volume. Grâce aux capacités de gestion des clusters de Databricks, l'équipe d'A. Sehgal est parvenue à simplifier leur provisionnement. Cet atout décisif lui a permis d'importer rapidement de grandes quantités de données internes et externes. Libérée des limites de l'infrastructure, l'équipe d'A. Sehgal peut désormais exploiter un large éventail de données : données propriétaires et tierces, structurées ou non, en streaming et en temps réel.
Les données circulent maintenant en toute fluidité, et l'équipe s'est tournée vers MLflow pour rationaliser le cycle de vie des modèles et accélérer le test, l'expérimentation et le déploiement en production. « Une grande part de notre activité est axée sur le machine learning et l'IA. MLflow joue un rôle décisif en améliorant la gestion du cycle de vie des modèles et en nous donnant de la visibilité sur leurs résultats, » explique A. Sehgal.
Faire passer les services financiers à la vitesse supérieure grâce aux données et à l'IA
Aujourd'hui, les données et l'analytique sont au cœur de toute l'activité du Crédit Suisse. La société s'appuie sur les insights révélés par les données pour atteindre de nouveaux marchés et développer des produits et des services innovants à la hauteur des attentes de ses clients.
Elle peut désormais informer en continu de multiples parties prenantes. Tout d'abord ses propres équipes commerciales, qui ont besoin de recommandations en temps réel sur les produits pour servir leurs clients. Ensuite, les utilisateurs métier (hedge funds, gestionnaires d'investissements) qui exploitent l'analytique à des fins de business intelligence avec Tableau. Enfin les traders, qui s'appuient sur des recommandations et la détection d'anomalies pour prendre de meilleures décisions d'investissement pour leurs clients.
Databricks a mis de nouveaux types de données – données alternatives et ESG, notamment – à la portée des équipes du Crédit Suisse. La société est maintenant équipée de capacités numériques de pointe et d'une intelligence fondée sur les données, ouvrant la voie à de nouveaux produits et services qui soutiendront l'efficacité et le développement des opérations.
« C'est en intégrant le ML et l'IA à tous les aspects de notre activité que nous avons réussi à créer davantage de valeur pour nos clients, » conclut A. Sehgal. « Azure Databricks et MLflow apportent un soutien décisif à la concrétisation de cette valeur. »
