Les donnes en orbite

Amliorer la gestion des donnes dans le

secteur bancaire et financier
Table des matires

Abstract3
Au coeur du sujet Data 4
Nos observations 6
Etat de lart 6
Composantes clefs pour un meilleur management des donnes 7
Axes de travail 7
Axes de travail 8
Composantes clefs pour un meilleur management des donnes 8
Responsabilit de la donne 8
Architecture de la donne 9
Management des Mtadonnes 9
Livraison et rendu de la donne 9
Nos recommandations 10
Les prconisations Captain Data 10
Responsabilit de la donne 11
Architecture donnes 11
Management des Mtadonnes 14
Livraison et rendu de la donne 14
Conclusion15
Quel impact sur votre business ? 15
Qui sommes-nous  16

Livre blanc - Amliorer la gestion des donnes dans le secteur bancaire et financier
Abstract
Les clients, les instances de rgulations et partenaires sont en demande de
transparence croissante de la part des banques et autres institutions financires.

Or, la verticalisation de ces dernires en silos et les architectures organisationnelles

et informatiques rendent le reporting compliqu, long, fastidieux et pas toujours
cohrent

Ceci a des impacts sur la capacit de la banque crotre mais aussi sur limage
quelle renvoie aux organismes de rgulation, ses partenaires et par extension
ses clients.

Ce livre blanc est destin aux banques et aux institutions financires qui veulent
dvelopper une meilleure gestion des donnes et instaurer une politique de
gouvernance des donnes transverse.

Ce document explicite les bonnes pratiques suivre pour garantir un reporting de

qualit, rapide et efficace aux instances de rgulation et partenaires, mais aussi
pour optimiser les processus en interne et avoir un contrle fin du risque,
align avec les rsultats financiers.

Notre analyse nous permet de dgager quatre axes de travail : la responsabilit des
donnes, larchitecture des donnes, la gestion des mtadonnes et pour finir la
livraison et le rendu des donnes. Un focus particulier est mis sur les relations entre
les dpartements Risque et Finance.

Selon notre analyse, ces dpartements devraient se rapprocher, entre autres par le
biais du Chief Data Officer, pour optimiser le temps et les cots du reporting tout en
augmentant sa qualit et sa consistance.

En ce qui concerne les quatre axes de travail, nous recommandons linstauration

dun conseil de gouvernance des donnes dont le Chief Data Officer est la tte.

Nous revisitons les architectures de donnes pour tendre vers une architecture cible
qui optimise le temps daccs la donne et rduit la quantit dajustements
manuels pour corrler les donnes en provenance de plusieurs sources (i.e: Risque
et Finance).

Enfin, nous prconisons une gestion des mtadonnes standardise et un

rapprochement dexperts en gestion des donnes et en visualisation pour ce qui
concerne la livraison et le rendu de la donne.

Livre blanc - Amliorer la gestion des donnes dans le secteur bancaire et financier
Au coeur du sujet Data
Banques et donnes

Beaucoup de banques bataillent encore pour rpondre la demande croissante

dinformation de la part des organismes de rgulation, des partenaires de
lentreprise ainsi que des dirigeants et associs.

La clef pour dlivrer une information transparente consiste mettre en place des
infrastructures technologiques et organisationnelles afin damliorer sa capacit
grer des donnes.

Captain Data prconise quatre axes de travail et un transit fluide des donnes
entre les fonctions Risque et Finance au sein de la banque.

Les organismes de rgulation et partenaires demandent de plus en plus de

transparence. Ils attendent de toute institution financire de pouvoir prsenter un
reporting prcis bas sur lagrgation des donnes de risque1, un monitoring
scrupuleux des mesures de liquidit2 et une CCAR3 robuste.

De notre point de vue, les banques bataillent pour grer les donnes
rigoureusement, entre autres en raison de lvolution rapide et constante des
rgulations. Ceci se traduit par une difficult rpondre au besoin croissant
dinformation des partenaires de lorganisation, mais aussi en interne.

La clef pour rpondre ce besoin dinformation est la mise en place dun

management structur de la donne et en accord avec la stratgie dentreprise en
termes de gouvernance des donnes.

Une tude de SAS4 montre que moins de la moiti des managers interviews
pensent que lexpertise de leur organisation sur le management des donnes est
suffisant.

En ce qui concerne les organisations qui ne se sentent pas prtes, nous avons
lintime conviction de pouvoir les aider optimiser leurs processus dcisionnels et de
reporting.

1 BCBS, Progress in adopting the principles for effective risk data aggregation and risk reporting,
Janvier 2015

2 Federal Register, Liquidity Coverage Ratio: Liquidity Risk Management Standards, Final Rules, Oc-
tobre 2014

3 Federal Reserve Board, Federal Reserve releases results of Comprehensive Capital Risk Analysis
and Review (CCAR), Juin 2017

4 GARP, Stress Testing: A view from the Tranches, 2015 4

Livre blanc - Amliorer la gestion des donnes dans le secteur bancaire et financier
Par ailleurs, force est de remarquer que 76% des banques europennes nont pas
nomm de Chief Data Officer1 (CDO) charg de mettre en place une politique de
gouvernance des donnes, ce qui reprsente une vritable lacune.

Les quipes de Finance et de Risque ont un rle clef jouer car les donnes
reprsentent la colonne vertbrale de leur mtier. Et pourtant, ces deux
dpartements ont, historiquement, une manire diffrente de consommer et de
restituer ces donnes.

Ce livre blanc se concentre sur les initiatives mettre en place pour une meilleure
gestion des donnes. Un focus particulier est mis sur limpact positif dun
rapprochement des quipes de Finance et de Risque pour cette gestion.

Nous prsentons dabord nos observations sur le secteur et les pratiques courantes.
De ces observations nous dgageons quatre composantes principales de la gestion
des donnes en institution financire.

Par la suite, nous mettons nos recommandations sur chacune de ces quatre
composantes pour mettre en avant comment les banques peuvent amliorer leur
gestion des donnes tout en alignant les mtiers de la Finance et du Risque.

Nous sommes convaincus que les banques qui se donnent les moyen dexceller dans
le management des donnes seront les plus mme de prendre des dcisions
stratgiques avec srnit, car valides par des donnes de confiance.

Elles seront par ailleurs en capacit de rpondre au besoin informationnel croissant

de leurs partenaires et des instances de rgulation.

1 Etude PWC 2016, Data Governance Levels

5

Livre blanc - Amliorer la gestion des donnes dans le secteur bancaire et financier
Nos observations
Etat de lart

La diffrence culturelle et oprationnelle entre les diffrents dpartements et

Business units dune banque se fait sentir, principalement en raison dune
organisation en silos. En particulier, les dpartements de Finance et de Risque sont
htrognes en termes dapproche et peu aligns en termes de management des
donnes.

Et pourtant, les donnes utilises par lun comme par lautre sont fortement
corrles. Le rsultat se traduit par des doublons sur la donne gnre, ce qui la
rend trs peu intelligible, voire inutilisable, et empche un accs consistant
linformation.

Cette fragmentation, ajoute aux rgulations issues des crises financires (e.g.
Subprimes en 2007-2008) oblige les banques mener une politique de maintenance
corrective pense sur le court terme par souci de conformit avec des normes en
constante volution.

Ces corrections faites la vole, un peu comme un colmatage pour viter une
fuite, et penses sur le court terme, gnrent des cots levs pour une qualit de
donnes dcroissante on retrouve de linconsistance dans le reporting.

Les collaborateurs contournent les impasses manuellement et passent un temps

excessif la correction derreurs et au remaniement de linformation.

Or, sans CDO (soit 76% de banques europennes), personne nest rellement en
charge de rconcilier ce systme verticalis.

70% des banques ont implment un Data Ware House1 (DWH) pour centraliser et
garantir la qualit de leurs donnes. Certaines en possdent dailleurs plusieurs, ce
qui est source de cots et rducteur de qualit.

En effet, le seul moyen de corrler les donnes en provenance de plusieurs DWHs,

est de raliser des ajustements manuels tout en sassurant de la qualit et de la
pertinence de la donne. De fait, les moyens technologiques ne sont pas aligns ni
en adquation avec lobjectif de transparence cit plus haut.

1 DWH: Systme de centralisation de donnes utilis en entreprise. Un Must Have pour du re-
porting et de lanalyse de donnes.
6

Livre blanc - Amliorer la gestion des donnes dans le secteur bancaire et financier
Composantes clefs pour un meilleur management des donnes
Nous avons identifi quatre composantes clefs pour aider les banques :
Mettre en place des politiques de gouvernance par la donne
Rendre possible laccs la bonne information, au bon moment
Homogniser les changes et les donnes gnres par les dpartements
et Business units (i.e alignement de la Finance et du Risque) pour une plus
grande fiabilit dcisionnelle
Rendre le reporting intelligible et consistant, que ce soit pour de la diffusion
en interne ou envers les partenaires de la banque et les organismes de
rgulations (reporting ad-hoc)

Axes de travail
Ces quatre axes de travail sont les suivants :
Responsabilit des donnes
Larchitecture de donnes
Le management des Mtadonnes1
La livraison et le rendu des donnes

1 Mtadonnes : Il sagit des donnes qui donnent des informations sur la donne elle-mme.
(O quand et comment a-t-elle t gnre ou acquise, comment est-elle formate? Ou est-elle stoc-
ke? etc.)

Livre blanc - Amliorer la gestion des donnes dans le secteur bancaire et financier
Axes de travail
Composantes clefs pour un meilleur management des donnes
En se concentrant sur les quatre composantes cls cites prcdemment, les banques
peuvent amliorer leur capacit grer les donnes de manire transversale, mais
aussi optimiser les changes entre les quipes des dpartements Finance et Risque.

Responsabilit de la donne
La responsabilit de la donne inclut trois grandes parties : lintendance, le
rfrentiel et la responsabilit de la donne.

Lintendance des donnes dsigne lensemble des rgles et processus mtiers qui se
rfrent la qualit de la donne, au rfrentiel de donnes et la responsabilit des
donnes.

Le rfrentiel donnes reprsente lapplication des rgles mtiers lies un domaine

(un dpartement ou une business unit) et la mise en place dobjectifs.

La responsabilit des donnes touche aux systmes sources sur lesquels se basent
les rgles mtiers (CRM, ERP, etc.)

Ainsi, il est possible de distinguer trois rles principaux pour un domaine mtier
donn :
Lintendant dactifs informationnels Responsable dun ensemble de
rgles mtiers pour lentreprise et charg dactionner les processus de
qualit des donnes.
Le rfrent des donnes Rfrent pour lapplication des rgles mtiers et
des objectifs lis son domaine mtier.
Le responsable des donnes Responsable des systmes sources sur
lesquels se basent les rgles mtiers.

Certaines institutions ont compris limportance dinstaurer la prsence dun CDO, dont
le rle est justement de superviser la rpartition de ces rles et de dfinir le cadre
dintendance, le rfrentiel des donnes et la responsabilit des donnes selon le
domaine mtier concern.

Une tude de Forrester Research1 montre que les organisations avec un CDO ont 70%
de chance de plus de rduire les risques et dassurer la conformit avec les ins-
tances de rgulation.

Se pose la question du positionnement du CDO dans la chane dcisionnelle de

lentreprise. Certaines entreprises se heurtent cette question et plus
particulirement au niveau de la dfinition de la collaboration du CDO avec les
dpartements de Risque, de Finance ainsi quavec les business units de manire plus
large.

1 Forrester Research, Top Performers appoint Chief Data Officers, Aout 2015 8

Livre blanc - Amliorer la gestion des donnes dans le secteur bancaire et financier
Architecture de la donne
Larchitecture de la donne est un ensemble de politiques, rgles et modles qui
standardisent la manire dont la donne est collecte, traite, enregistre, dlivre et
consomme dans lentreprise; le tout en alignement avec la stratgie de lentreprise.

De par nos expriences, formations et recherches, nous formulons le constat que la

plupart des banques travaillent avec des architectures systmes fragmentes,
verticalises, voire dpasses. Ceci est source dcarts et de lacunes dans les processus de
requtage, rcupration et utilisation de la donne.

Le besoin dune architecture flexible, volutive, en accord avec les normes bancaires et
transverse lentreprise est prpondrant. Aujourdhui beaucoup de banques cherchent
contourner rapidement ce problme darchitecture par des Quick fixes penss sur le
court terme mais qui ne font que reporter le problme sur le long terme.

Mme si 70% des banques ont implment des DWH, certaines en possdent
plusieurs. De plus, 65% des banques nont pas de Golden Source1, DWH ou non.
Or, sans une source de donnes unique et distincte, les risques encourus en termes de
rgulation mais aussi en termes de temps pour identifier et rconcilier la donne ne sont
pas ngliger.

Management des Mtadonnes

Les Mtadonnes sont un ensemble de donnes qui donnent des informations sur la
donne elle-mme. O, quand et comment a-t-elle t gnre ou acquise ?
Comment est-elle formate ? O est-elle stocke ? Qui en est responsable ? etc.

Beaucoup de banques ont travaill dur afin de crer un systme dinformation qui
standardise, formate et rfrence la donne. Cependant, malgr cette initiative de mise en
place dun management optimis des mtadonnes, ce dernier est gr de manire
individuelle pour diffrents business units ou dpartements (i.e: Risque & Finance, voir
annexe).

Une couche de travail supplmentaire est donc ncessaire pour viter les doublons et
tre sr de lalignement entre les dpartements (en particulier Risque et Finance dont
les donnes entrantes sont intrinsquement corrles et interdpendantes).

Livraison et rendu de la donne

La livraison de la donne correspond la capacit dune organisation rendre
efficacement une information prcise disponible, la bonne personne et au bon moment.

titre dexemple, les fonctions de Risque et Finance sont contraintes et tenues de

produire des reporting plus dtaills, plus prcis et plus rapidement quauparavant. Dans
le cas o deux rapports contiennent des informations similaires, les deux dpartements
se voient requis de rconcilier leurs chiffres et informations afin de prouver que ce qui est
produit par la Finance correspond ce qui est produit par le Risque.

En somme, le problme sous-jacent est celui de laccs la bonne information, au bon

endroit, par la bonne personne et en tant sr de sa consistance globale vis--vis du reste
de lentreprise.

1 Golden Source ou Point of Truth dsigne une sous-section dun DWH ddie runir TOUTES les
donnes des systmes sources 9

Livre blanc - Amliorer la gestion des donnes dans le secteur bancaire et financier
Nos recommandations
Les prconisations Captain Data
Cette partie est ddie lmission des recommandations de Captain Data et de
bonnes pratiques concernant chacun des composants cls que nous avons
identifis. Ces prconisations sont suivre pour un management plus efficace de la
donne et assurer une stabilit de la gouvernance des donnes.

10

Livre blanc - Amliorer la gestion des donnes dans le secteur bancaire et financier
Responsabilit de la donne
Premier point sur lequel il faut concentrer son effort : la politique de gestion des
donnes. Ceci signifie dsigner un rfrent, un responsable et un intendant des
donnes, ce chaque niveau de lentreprise.

Un bon commencement est de nommer un CDO influent afin d'organiser et

dexcuter la politique de gestion des donnes. Nous conseillons aux banques et
institutions financires qui ont dj pass ce cap de renforcer la collaboration du CDO
avec les autres cadres dirigeants de lentreprise, en particulier le CFO, CRO et CIO/CTO1.

Nous prconisons par ailleurs la cration dun conseil de gouvernance des donnes.
Ce dernier a pour rle dencadrer et dexcuter la politique du CDO. Les dpartements
de Finance et de Risque y jouent un rle trs important. La prennit des donnes et un
contrle fin des cots rsident dans leur alignement.

Le dernier aspect consiste en un contrle fin de lexcution de la politique.

Il est important de spcifier une politique de management de la donne au quotidien
en plusieurs itrations.

Grce une excution quotidienne, un management rgulier et des itrations de plus

en plus data-centric, le CDO est en mesure dhomogniser et daligner lentreprise sur
une vision claire de la donne en son sein.

Architecture donnes
Nous recommandons aux banques didentifier les modles de donnes, les outils ainsi
que les processus qui vont aider les oprationnels dfinir et classer toutes les variables
dans lensemble de lentreprise. Par exemple, classer finement les produits et les clients
de la banque selon un standard.

De cette initiative dcoule lidentification des sources de donnes clefs (souvent en

provenance de systmes et produits internes hrits) et la rduction des doublons en
amont.

En Figure 2 ci-aprs, on peut observer une vue haut niveau darchitecture de donnes
que lon retrouve actuellement dans la banque. On y note des sources disparates, des
outputs dcorrls et la ncessit dajustements manuels. Tout ceci reprsente des
cots supplmentaires et un temps pass consquent; surtout quand il sagit de
reporting pour le Risque et la Finance ou encore de reporting Ad-Hoc2.

Pour rsoudre ces problmes, nous recommandons aux banques de faire voluer leur
architecture vers la Figure 3 : un DWH unique pour garantir la qualit et la consistance
des donnes avec une Golden Ledge, soit un point unique de convergence de toutes
les donnes au sein du DWH.

Les ajustements sont fait programmatiquement en amont et les Data Marts sont dfinis
partir de la Golden Source pour rduire les cots et le temps pass rconcilier les
donnes.

1 CFO - Chief Financial Officer, CRO - Chief Risk Officer, CIO - Chief Information Officer, CTO - Chief
Technology Officer
2 Le reporting Ad-Hoc est un reporting qui rconcilie plusieurs sources (Finance, Risque, Vente).
Il est de plus en plus demand par les instances de rgulation.
11

Livre blanc - Amliorer la gestion des donnes dans le secteur bancaire et financier
 Figure 2 - Etat actuel des architectures de donnes dans la banque

1 Etat actuel des sources de donnes : flux de donnes issues de systmes hrits
permettant le bon fonctionnement de lactivit. Les sources nourrissent plusieurs
dpts (Data Mart) plutt quun unique dpt dit en or (Golden Ledger).

2 Etat actuel du traitement de la donne : la donne subit des traitements

spcifiques au dpt dans lequel elle est insre. Soit autant de calcul, de traitement
et de modles quil y a de dpts. Inefficient au niveau du cot et du temps.

3 Etat actuel des rapports et publications : le reporting ad-hoc (en rconciliant

plusieurs sources) est quasi impossible. Les publications de risque et de finance sont
dcorrles et perdent donc en pertinence. Les ajustements pour rconcilier ces
donnes sont colossaux.

12

Livre blanc - Amliorer la gestion des donnes dans le secteur bancaire et financier
 Figure 3 - Etat des architectures de donnes atteindre.

1 Etat des sources de donnes atteindre : les ajustements sur la donne sont
placs en amont avec un fort control pour minimiser les changes et traitements
lextrieur des sources.

2 Etat de traitement de la donne atteindre : la donne grannulaire (bas niveau

et regroupe par thmatique) des sources alimente une source de donnes unique
appele Golden Source ou Point of Truth. Une rconciliation des donnes est
frquemment ralise mais reste minimise grce aux ajustements fournis en
amont.

3 Etat pour rapports et publications atteindre : des Data Cubes (agrgation des
donnes des Data Marts) permettent un reporting simplifi et consistant.
Les donnes sont rconcilies au niveau du Warehouse. Les ajustements sont donc
minimiss et le reporting Ad-hoc (corrlant plusieurs sources) est possible et rapide
pour lutilisateur.

13

Livre blanc - Amliorer la gestion des donnes dans le secteur bancaire et financier
Management des Mtadonnes
Un bon management des mtadonnes est critique quand on en vient du reporting ou
de laudit. Nous recommandons la mise en place de standards afin de grer la source,
la qualit, la consistance, la scurit, lutilisabilit et la disponibilit de la donne. Il est
possible de partir des standards existants (ISO/IEC 11179) ou de mettre en place des
rgles propres lentreprise avec laide de prestataires spcialiss.

Nous pensons que le management du Risque devrait dvelopper une comprhension

des besoins des quipes de Finance et vice versa. Par exemple, les managers du ct
Risque doivent comprendre la hirarchie des modles de comptabilit, et inversement,
les managers du ct Finance devraient simprgner du besoin dune pondration du
risque par actif ou dun rapport Basel.

Cette comprhension mutuelle est la clef pour dfinir des modles dinformation mtiers
au niveau de lorganisation et pour rendre le reporting plus efficient et consistant. Une
fois ces modles et standards mis en place, les banques peuvent sourcer la donne de
nimporte o dans lorganisation et gouverner de manire transversale.

Livraison et rendu de la donne

La qualit dune architecture de donnes et du management de mtadonnes dans la
banque se reflte dans la capacit livrer et utiliser la donne en interne comme vers
lextrieur de lentreprise.

Dans une optique damlioration des capacits de livraison et dexploitation des donnes,
nous conseillons aux institutions financires de se poser les question suivantes :
Quelle est la qualit des donnes ?
Dlivrons-nous la bonne donne la bonne personne ?
Avec quelle frquence est-elle livre ? Est-elle livre au bon moment ?
Larchitecture et les process sont-ils suffisamment flexibles pour rpondre au
besoin croissant de consommation de la donne ?
Est-ce-quun modle de self-service de la donne est dvelopp afin que les
utilisateurs puissent accder rapidement et indpendamment linformation ?

Nous recommandons que les rfrents et responsables des donnes se rapprochent des
quipes de Finance et de Risque afin daffiner le reporting informationnel de sorte les
aider :
Optimiser les transactions et les oprations
Amliorer le reporting de Risque et le reporting Rgulatoire

Par ailleurs, nous prconisons un rapprochement dacteurs techniques afin daligner les
moyens mis en place sur la politique de gouvernance des donnes. LIT joue un rle
crucial dans la bonne circulation de la donne et donc la capacit de lentreprise la
livrer et lexploiter correctement. Le CDO joue ce rle critique de chef dorchestre,
permettant dassurer le dialogue avec ces acteurs pour apporter de la scalabilit et des
mcanismes de livraison de la donne rods.

Armes de ces frameworks, en se posant les bonnes questions et en sentourant dacteurs

lexpertise IT, les banques sont en mesure damliorer leur gestion des donnes et daborder
sereinement audit et reporting.
14

Livre blanc - Amliorer la gestion des donnes dans le secteur bancaire et financier
Conclusion
Quel impact sur votre business ?

A notre sens, pour les banques qui ont du mal rpondre la demande croissante
dinformation de leurs partenaires ou instances de rgulation, btir une politique et
un management des donnes optimis nest pas optionnel mais ncessaire.

Pour ce faire, les banques doivent travailler sur les quatre composants clefs cits
dans ce livre blanc afin daligner les quipes de Risque et Finance qui jouent un rle
critique et portent une responsabilit bidirectionnelle dans le reporting
rglementaire.

Dun point de vue ressources humaines dployes, le CDO doit oprer avec une
autorit transversale et avec le support des autres cadres dirigeants de lentreprise.

Grce une architecture de donnes optimise et la prsence dune Golden

Source, les banques peuvent rduire drastiquement la quantit dajustements faits
la vole et les divergences dans les rapports dune business unit lautre ou dun
dpartement un autre.

Toutes les inconsistances, si tant est quil en reste, doivent tre traables et
ajustables avec facilit.

En suivant ces bonnes pratiques et en sentourant des bons acteurs technologiques,

les banques sont en mesure de dmontrer avec confiance, leurs partenaires et aux
organismes de rgulation, leur sant financire et leur capacit grer le risque.

15

Livre blanc - Amliorer la gestion des donnes dans le secteur bancaire et financier
Qui sommes-nous
https://captaindata.co

Pour approfondir le sujet, contacter:

Guillaume ODIER
+33 6 86 54 61 26
guillaume@captaindata.co
https://linkedin.com/in/guillaumeodier

Marc FRANCIS
+33 6 65 70 21 73
marc@captaindata.co
https://linkedin.com/in/marcfrancis961

Captain Data est une agence web et data spcialise dans la transformation digitale
ainsi que la conception dapplications web et mobile forte valeur ajoute.
Notre spcialit est la gestion et le traitement des donnes.

Lentreprise, cre fin 2017, est fonde par trois ingnieurs spcialiss en logiciel et
donnes, titulaires dun MSc en finance dentreprise. Nos valeurs sont lagilit,
lempathie et lexcellence dans linnovation.

Nous accompagnons PMEs, ETIs et grands comptes dans la mise en place dune
politique de gouvernance des donnes grce une offre structure sur trois piliers :
lautomatisation (collecte, centralisation, enrichissement, veille), la valorisation
(analyse et recommandation) et la visualisation des donnes (tableau de bord,
graphique et cartographie).

Nous conseillons nos clients sur la stratgie de gouvernance des donnes en accord
avec leur activit et dployons des solutions outilles ou sur mesure.

Lambition de Captain Data est de stablir comme un acteur de rfrence dans le

conseil digital et le dveloppement ou limplmentation de solutions outilles daide
la dcision.

Contactez-nous

16

Livre blanc - Amliorer la gestion des donnes dans le secteur bancaire et financier
Annexes
Rfrences
Blurring the lines between risk and finance to achieve clarity

BCBS, Progress in adopting the principles for effective risk data aggregation and risk
reporting, Janvier 2015

Federal Register, Liquidity Coverage Ratio: Liquidity Risk Management Standards,

Final Rules, Octobre 2014

Federal Reserve Board, Federal Reserve releases results of Comprehensive Capital

Risk Analysis and Review (CCAR), Juin 2017

GARP, Stress Testing: A view from the Tranches, 2015

Etude PWC 2016, Data Governance Levels

Forrester Research, Top Performers appoint Chief Data Officers, Aout 2015

Livre blanc - Amliorer la gestion des donnes dans le secteur bancaire et financier