Le danger des référentiels valeurs

 Cet article est le 2e volet de notre série Data Management – une mise à jour s’impose. Dans ce 2nd chapitre, nous présentons les risques opérationnels posés par des référentiels de mauvaise qualité.

Incohérents, inconsistants, incomplets, non actualisés, voici les qualités qui caractériseraient une majorité des référentiels valeurs. Ces défauts peuvent engendrer de nombreux incidents dans une organisation. Revenons sur ceux qui ont un impact notable sur le risque opérationnel et de réputation.

Souffrances opérationnelles quotidiennes

En l’absence de références externes fiables, les équipes opérationnelles rencontrent des difficultés lors des interactions avec leurs contreparties : clients, fournisseurs de données, services titres, …

La recherche manuelle des données dans les référentiels fait perdre en productivité. Des projets de RPA (Robotic Process Automation) sont initiés pour contenir la charge de travail des équipes les plus touchées. Dans d’autres cas, des jeux de données locaux sont constitués pour éviter d’avoir à réaliser cette recherche mais leur contenu n’est pas revu et est sensible aux erreurs de saisie.

Le délai pour traiter les transactions génèrent des pénalités de retard qui peuvent s’élever à plusieurs centaines de milliers d’euros par an.

Certains acteurs externes mettent une pression élevée sur le back-office pouvant nécessiter l’intervention des équipes commerciales pour médiation ce qui impacte négativement la relation client.

Projets de transformation organisationnelle et SI complexifiés

Les méthodes de gestion de projet ne sont pas adaptées pour faire face à la fragmentation du système d’information. La donnée est difficilement accessible et les clés qui permettent le rapprochement ne sont pas documentées.

Les programmes nécessitant l’ajout de nouveaux identifiants externes se contentent de couvrir un périmètre fonctionnel restreint et évitent de résoudre le problème de fond. Cela ajoute toujours un peu plus de chaos dans les systèmes en place. Le code LEI (Legal Entity Identifier) mis en place récemment dans la cadre de MIFID2 est une bonne illustration de ces difficultés.

Cette complexité, combinée aux changements constants de l’architecture fonctionnelle et des flux d’information, ralentie considérablement l’exécution des projets, augmentant leur coût, leur durée et réduisant la valeur apportée.

Pour le lancement d’une de nos missions de remédiation, plus de 4 semaines ont été nécessaires pour cartographier les équipes et les bases de données du département et 3 semaines supplémentaires pour obtenir une extraction de leurs référentiels tiers.

Revue périodique manuelle et incohérence des données

L’incertitude dans l‘identification des entités, comme les contreparties ou les instruments financiers, lors de leur revue périodique résulte d’une documentation obsolète et des références absentes. La création dans les référentiels se fait en urgence afin de ne pas bloquer les processus de vente. ISIN, CUSIP, Sedol et autres symboles ne sont pas disponibles au moment de leur création et aucune autre référence externe n’est conservée. Cela entraîne une incapacité à évaluer les risques, à définir des limites appropriées et donc génère un manque à gagner important ou inversement à trop s’exposer.

La production des rapports réglementaires et la mise en conformité des entrepôts de transactions sont difficiles à réaliser. Les processus de revue périodique sont impossibles à automatiser et reste donc la plupart du temps manuel. Les régulateurs se montrent bienveillants. Pour combien de temps encore ?

Figure 1 – Synthèse des problèmes opérationnels liés aux données de références

Suite de notre série sur le Data Management – une mise à jour s’impose: Automatiser la correction et le contrôle des référentiels de données.