L’industrie financière est envahie par les données. La multiplication des informations bancaires échangées par les clients, l’augmentation des données utilisées sur les marchés financiers, associées à la croissance des capacités de stockage et de calcul expliquent l’attrait de la finance pour le Big Data.
Les algorithmes utilisés dans les banques de détail et d’investissement s’inspirent directement des géants du digital comme Google, Facebook ou encore Salesforce. Ils sont conçus pour répondre aux besoins spécifiques des métiers de la finance.
Big Data : quelles utilisations ?
En 2017, le Big Data est un concept connu de tous et n’est plus une niche ou une futurologie : la majorité des secteurs a développé des projets dans ce domaine. Cette course aux données n’est pas nouvelle dans le secteur de la finance où des quantités phénoménales d’informations et de transactions circulent chaque jour. Cependant et alors qu’il y a quelques dizaines d’années, les données analysées étaient directement liées avec les marchés et opérations, aujourd’hui, celles-ci sont beaucoup plus variées, nombreuses et issues de sources multiples. La révolution en marche dans la finance est essentiellement portée par la forte hausse du volume d’informations numérisées : 90 % des données dans le monde ont été créées au cours de ces deux dernières années.
Le Big Data fait actuellement l’objet d’utilisations différentes selon les banques. Les banques de détail s’en servent notamment pour améliorer leur stratégie marketing. En effet, face à des clients de moins en moins fidèles, le premier enjeu des banques est d’anticiper leurs besoins via l’analyse de leurs comportements bancaires. Du côté des banques d’investissement, les outils Big Data permettent l’analyse en temps réel des données de marché dans l’objectif de maximiser la rentabilité et de minimiser l’exposition aux risques. Que ce soit dans l’optimisation des stratégies de trading ou dans la détection des fraudes, cette utilisation automatisable ouvre de nouveaux horizons aux marchés financiers.
Pour les traders et assets managers, le Big Data est surtout un outil précieux. Les technologies entourant le Big Data ont permis d’améliorer constamment les outils d’aide à la décision pour les équipes de trading en les aidant à intégrer certaines thématiques comme la liquidité ou l’analyse par les flux. Par ailleurs, ce récent concept permet également d’aider les market-makers à affiner leurs sentiments. Il n’est donc pas perçu comme une menace mais plutôt comme un allié.
Les régulateurs commencent à se frotter au Big Data
Les banques centrales s’intéressent de très près au Big Data et commencent à amasser des données plus complètes qu’auparavant sur la transmission de la politique monétaire. Depuis 2016, la BCE collecte des données confidentielles quotidiennes sur les transactions individuelles en euros du marché monétaire. Baptisé « money market statistical reporting » ou MMSR, ce programme enregistre chaque jour des informations sur 40 000 transactions pour des volumes de 600 milliards d’euros. Les données aident le régulateur à évaluer les effets de ses programmes de rachat d’actifs. Conserver plus de données, établir des stratégies tenant compte de davantage de paramètres, anticiper les faits et gestes des clients… L’usage du Big Data dans le domaine de la finance interroge autant qu’il fascine.
