Dan Power, directeur général de la gouvernance des données chez State Street, rejoint BigIDeas en mouvement parler de L'IA et le ML dans les programmes de gouvernance des données, le paysage de la gestion des données dans services financiers, et pourquoi l’automatisation est nécessaire.
Au cours de son mandat dans le monde de la gouvernance des données, Dan Power a servi plusieurs entreprises du Fortune 500, d'abord du côté des entreprises, puis en tant que consultant dans sa propre entreprise, et maintenant en tant que directeur de la State Street Bank à Boston.
En réfléchissant à son poste actuel, « j'ai beaucoup aimé l'idée que les services financiers soient très complexes, qu'ils soient soumis à de nombreuses réglementations et à de nombreux systèmes ; je ne pensais pas que cela deviendrait ennuyeux de sitôt, et ce n'est pas le cas. J'ai été très enthousiaste à l'idée de participer à leur transformation numérique [celle de State Street]. »
Utilisation de l'IA dans la gestion des données de référence (MDM)
Qu'est-ce qu'un transformation numérique Pour un acteur financier de grande envergure comme State Street, cela implique-t-il d'examiner attentivement ses pratiques actuelles de gestion des données de référence, pour commencer ? « Nous devrions disposer d'une source unique de données fiables pour des éléments tels que les données clients, les entités juridiques, les fournisseurs et les produits. »
Une grande partie de nos processus sont encore manuels, mais le problème est que les personnes chargées de ces processus finissent par partir et que nous devons mettre en place un programme ou un robot. Nous sommes en train de moderniser une grande partie de nos processus. pile technologique autour de la gestion des données et BigID fait partie de cela.
L'élimination des processus obsolètes et leur remplacement par des processus apportant une valeur ajoutée concrète ont été un principe directeur de la transformation de State Street. « Aujourd'hui », explique Power, « nous essayons d'automatiser tout cela pour que l'exploration soit automatisée et que tout soit accessible aux gestionnaires de données, qui doivent ensuite les organiser et les compiler. »
« Ce que nous constatons, c'est que nous commençons à nous éloigner de ce processus manuel où il y a beaucoup de rétro-ingénierie et même de lecture de code ».
Concilier la qualité des données avec l'automatisation
Power se décrit lui-même comme un « accro à la qualité des données ». Avec son équipe, il s'emploie à modifier son approche de la qualité des données et son impact sur les probabilités au sein de son organisation.
« Même avec les systèmes existants, on ne sait pas vraiment où se trouvaient les données – si elles étaient erronées ou non dans l'application – mais, effectivement, lorsqu'on les récupère, elles sont vraiment mauvaises, il manque des éléments ou elles sont mal codées. » La capacité d'harmonisation entre les systèmes a été un élément crucial pour rationaliser leur fonctionnement.
Dan estime que la qualité des données est une fonction inhérente. Ainsi, au lieu de laisser les propriétaires d'applications et les équipes informatiques développer et maintenir ces applications à partir de zéro, Power a mis en place des systèmes pour l'aider.
« Il s'agit essentiellement d'un changement radical par rapport à la méthode très distribuée que nous utilisons aujourd'hui pour gérer la qualité des données, qui fonctionne, mais qui demande beaucoup d'efforts pour passer à une approche plus centralisée axée sur les outils de qualité des données, où nous aurons la capacité de gérer ce catalogue de contrôles et de vérifications de la qualité des données. »
Écouter le podcast complet pour en savoir plus sur les idées de Dan sur le paysage des données financières et les innovations qui changent le secteur.
Auteur
