"Tempus aurum est"
Outre son caractère vital pour l'activité de l'entreprise (dans la dématérialisation de portefeuille ou encore le respect des contraintes réglementaires), la particularité d'un SI financier est son rôle capital dans la nécessité pour l'entreprise d'une prise de décision rapide face à des marchés complexes et fluctuants. Et cette particularité a plusieurs impacts sur la gestion des données de référence, qui doit alors faire face à des problématiques spécifiques au secteur financier.
Diversité et technicités des sources d'information
Outre la grande diversité des sources, et l'extrême technicité des méthodes et formats d'acquisition des données (journaliers et intra-journaliers, temps réel, fichier plats, messages complexes), le MDM dans la gestion des données financières (instruments financiers, opérations sur titres, cours boursier, notations, émetteurs) intervient pour consolider l'acquisition d'informations provenant de plusieurs fournisseurs d'informations financières (Bloomberg, Thomson Reuters, Telekurs, etc.), sources d'informations émanants du marché financier.
Coût de l'information
L'acquisition d'information financière a un coût. Et ces informations alimentent l'ensemble des activités financières de l'entreprise, quand bien mêmes ces sources ont elles-mêmes différents niveaux de qualités en fonction de la couverture géographique ou la type d'information voulue.
L'objectif du MDM consiste donc en la rationalisation des coûts d'acquisition de donnés externes, en centralisant les demandes de données nécessaires aux différents métiers, comme l'évaluation de portefeuille ou encore le calcul d'exposition aux risques de l'entreprise - cette dernière activité consommatrice de données de référence et de relations entre données de référence connait d'ailleurs un certain regain depuis les premiers signes de la crise.
Spécificités des solutions MDM de gestion de données financières
Dans le monde des solutions de gestion des données financières (ou solutions de Reference Data Management - j'y reviens plus tard), les principales problématiques concernent:
- l'optimisation de logique d'acquisition, pour minimiser les coûts d'acquisition des données auprès des fournisseurs externes et constituer d'une vue complète, fiable et à jour d'un instrument (puisque la couverture des informations varie en fonction de chaque fournisseur);
- la rapidité d'exécution de traitements volumineux, en minimisant les traitement manuels en faveur de l'automatisation (Straight Through Processing) pour une mise à disposition rapide des informations aux systèmes back-office consommateurs: nettoyage et sélection de prix (Price Scrubbing), ou encore calcul de valeurs dérivées pour les produits financiers dits idoines, en vue d'alimenter les calculs de risques ou autres évaluations de portefeuilles. La solution MDM devient alors point unique de vérité pour la gestion des assets, l'enjeu consistera à répartir judicieusement - en fonction du métier de l'entreprise et de ses impératifs - l'exécution de ces traitement entre les différentes technologies de règles métiers disponibles dans le SI: moteur embarqué (price scrubing et pricing, dérivation), et/ou combiné à un BRMS et/ou à une architecture CEP - Complex Event Processing (calcul de risques liés à des évènement complexes faisant intervenir plusieurs systèmes);
- l'intégration amont des sources de données, de leur complexité et leur caractère changeant (formats) nécessitant un entretien permanent des connecteurs dédiés;
- l'intégration avale vers les systèmes back-office, bien que des solutions standardisées telle Avaloq fasse leur apparition;
- la complétude et fiabilité de l'information - de la capacité et de l'étendu du modèle de données, gestion relations entre instruments et entre émetteurs - dépend la pertinence et la rapidité des calculs complexes de l'entreprise (en particulier le calcul de risques).
- la traçabilité de l'historique de l'évolution des données (historique) et des actions ayant conduit à leur modification (audit), et de la nécessaire justification des résultats en traçant également l'historique des évolutions des régles métiers - et ce, dans un soucis de respect des contraintes réglementaires.
Alors que "MDM" est un terme qui m'est familier, il semblerait que le terme de "Reference Data Management" (données de titres) soit plus en vogue dans le discours des acteurs (éditeurs, cabinets, analystes) de la gestion des données financières, bien qu'il s'agisse de traiter des données de référence partagés par plusieurs processus et applications de l'entreprise. Il semblerait d'ailleurs que l'utilisation de Reference Data Management soit antérieure à l'apparition de l'expression Master Data Management.
On parlera également de "Market Data Management" pour la gestion des données de valorisations sur les marchés, et on distinguera l'EDM (Enterprise Data Management) pour désigner le domaine dédié à la gestion des informations financières de l'entreprise - un sous ensemble de l'EIM, donc.
Master Data versu Reference Data ?
Un vocabulaire certe légèrement différent, mais l'objectif reste néanmoins le même. On pourra peut être différencier les Master Data des Reference Data par le caractère amélioré de la qualité de ces premières, - dans le sens où les processus de maintien de la données (data stewardshipping) sont passés par là - les Reference Data quant à elles sont des données telles qu'elles, issues de sources externes jugées de qualité, et servent de constituant aux données Master Data.
Dans de prochains articles, j'insisterai plus sur les dimensions architecture, organisation et solution afin de vous faire partager mon nouvel écosystème.
Aucun commentaire:
Enregistrer un commentaire