Cet article résume la présentation de Guillaume Rouduillere (ITEC/MKT/ARC) par rapport à Smart Analytics.

L’objectif est d’améliorer la façon dont OPER monitors les process POST-TRADE. En effet, OPER intervient dans le Booking + Reglement + réconciliation (cash break) + gestion client + gestion collat dans POST-TRADE process.

Problèmes

• pas de définition claire de ce qu’on veut faire / du process (début, fin)
• pas les mêmes acteurs / produits
• divergence dans les outils pour produire des dashboards pourtant le meme process
• TTM très mauvais
• Temps perdu au détriment de la gestion des données
• Pas de capacité de Steering

Alignement des équipes

• point de contact unique pour gérer les KPI
• Créer un dictionnaire commun
  • On explicite le prosess
  • On explicite les critère de monitoring —> difficile à aligner les concepts
• DATALAKE :
  • Single Warehouse pour le storage
  • Data processing capabilities
• Smart analytics :
  • 1 seule appli pour industrialiser les dashboard
  • data analytics

Le coût de Production des dashboard : 50 FTE / an (Périmètre OPER pour MARK)

Pourquoi améliorer ?

• proposer des choses pour améliorer les process : Ne pas faire le monitoring juste pour le monitoring
• Réduire les couts (Optimisation des process plan)
• Satisfaction du client :TTM, qualité des transactions
• Business intelligence : Identifié les topologies de client (client toxiques : bq de post trade pour peu de valeur), développer des offres clients, ..

Approche

STEP 1

• Business Object: Quel objet métier sur le quel le process s’applique —> Mettre d’accord tous les stakeholder. Eg : Les volumes des trades : qu’est ce qu’on comptabilise Comptabiliser les Action Event
• Workflow : Définir le cycle de vie d’un objet métier
• Actors : Les gens / process automatisé qui vont faire avance l’objet métier dans son workflow. Idélament, tout est automatisé.
• SLA : Service : Contrat qui maintient une garantie de service. EG : Il faut que le trade soit inséré dans le booking le jour ou il est négocié avec le client.

STEP 2 : Définir ce qu’on veut mesurer

• Efficacité : Mesure si mes roches sont fait comme attendu par le client
• Efficience : rapport Effort / resource

Indicateurs

• Volumes : nb items métier
• Qualité : statuts des process (cas de reword)
• Automatisation : Nb item sans intervention manuelle
• Timeliness : Nb d’item traité pendant une durée

STEP 3 : Build DATAMART

DataMart : vue orientée métier

Architecture

• NORMALIZATION JOB : Un job de normalisation : data lake distributed jobs allowing flexible and scalable normalisation of Raw data (HIVE, SPARK, OOZIE)
• SMA WAREHOUSE : contient touts les données des Process fonctionnels qq le process
• SMA DATAMART (OLAP CUBE) : cuble contient dimensions et mesure

Visualisation des données

• Les users ont besoin de consommer un dashboard fini
• Application « Tableau » / SG Dashboard
• Les users experts permettent de comprendre et analyser les données et proposer des pistes
• Les data scientist ont accès au données au SMA Wharehouse (sans agrégation)

Les Process Owner définissent les process / value chain.

Problème de gouvernance lors de MEP / alignement et convergence

STP : Straight to Processing : indicateur pour voir s’il y a des interventions manuelles.

Usages

• OPER : Performance par chaine de valeur / comment l’améliorer ?
• OPER TEAM MANAER : Performance de l’équipe
• CLIC CRM : Quelle l’efficience pp clients ? reste des SLA ?
• OPER TOP MNAGEMENT : Efficience relative
• OPER FTO : Performance des fonctions

Bénéfices tangibles (quick-win)

• Décommisionner 40 old reports
• Feed back user : gain de temps lors des analyses
• Limiter l’use des macros / croisement des données entre les applications
• 1,5 Million € budget CTB + 40 FTE
• Gain en terme du sourcing (500K / an)

DATAMART calculé à J+1

Evolutions futures

• SMA WAHREHOUSE + DEV => PROCESS timeline application : Voir le workflow du trade post application. Solution technique : Indexer les données dans Datawhrehouse
• Accompagner les clients pour leurs montée en compétence sur Tableau
• Hackathon en octobre pour les users de Smart Analytics pour créer des nouveaux use-case