Saxo Bank réduit l'intégration des clients à une heure grâce au machine learning

Grâce à de récents investissements dans les data sciences et dans des technologies d'apprentissage machine (ML) avancées, la banque d'investissement danoise Saxo Bank a réussi à réduire considérablement la procédure d’intégration (onboarding) de nouveaux clients et à les inciter à faire du trading sur sa plate-forme. Désormais, elle envisage un changement culturel plus large pour devenir une banque cloud-first. Via sa plateforme technologique, Saxo Bank propose du courtage en ligne pour des clients dans 170 pays, et son fondateur et CEO Kim Fournais n’hésite pas à dire que la banque était une « fintech avant même l'invention de ce terme ». Actuellement, la plate-forme est basée sur un cloud privé multi-tenant, mais celui-ci est en cours de migration vers un cloud public en partenariat avec Microsoft Azure.

S'exprimant lors du TBM Executive Strategy Forum organisé le 5 juin dernier à Francfort, Richard Douglas, Chief Operating Officier de Saxo Bank, a expliqué ce que la banque espérait gagner avec ce changement et les dividendes qu'elle tirait déjà de certains investissements technologiques récents. Selon M. Douglas, ces investissements visent trois grands objectifs stratégiques : la numérisation de l'ensemble de la chaîne de valeur, la création d'une entreprise de ventes et de services de niveau mondial et l'industrialisation de l'offre de gros en marque blanche. « Plus nous numériserons et automatiserons notre chaîne de valeur, plus nous pourrons supprimer le traitement manuel ou le traitement ad hoc et fournir à notre système de ventes et de services des informations plus adéquates et plus pertinentes, de sorte que, quand nous interagissons avec nos clients sur la base de ces informations, l’expérience devient une expérience de classe mondiale », a-t-il déclaré.

Intégration numérique

Pour soutenir ces objectifs généraux, la banque a augmenté ses investissements IT annuels de 40 %. M. Douglas a donné l’exemple de trois usages technologiques pour atteindre ces trois objectifs stratégiques, en commençant par la numérisation du processus d'intégration. En effet, l'intégration dans le secteur des services financiers nécessite des contrôles stricts, notamment un processus de vérification d’identité connu sous le nom de Know Your Client (KYC) et un processus de lutte contre le blanchiment d'argent dénommé Anti-Money Laundering (AML), qui peuvent demander un certain temps. « Nous avons besoin d'un framework amélioré de gestion du risque client qui nous permette de bien connaître nos clients, depuis les clients de détail directs jusqu’aux clients institutionnels plus complexes », a expliqué M. Douglas. Pour une moyenne de 1 500 nouveaux clients par mois, le processus demande environ cinq jours. « Cette durée ne répond pas aux objectifs de l’entreprise ».

L’idée de Saxo était de tirer parti de la technologie d'automatisation robotisée des processus (RPA) pour réduire ce délai. « Nous avons essayé d’intégrer notre système à plusieurs solutions de tierces parties pour identifier les clients en temps réel », a expliqué M. Douglas. « Nous voulions aussi améliorer les données provenant de sources externes », a-t-il ajouté. Au final, la durée d’intégration d'un « client simple » est passée de cinq jours à moins d'une heure en moyenne, si bien que, pendant le seul mois d’avril, la banque a pu intégrer 18 000 nouveaux clients, au lieu des 1 500 mensuels. « Nous avons multiplié par 12 notre capacité à intégrer des clients sans avoir à recruter des personnels supplémentaires », a-t-il ajouté.

Un scoring de qualité

Une fois résolue la question de l'intégration des clients, la banque voulait ensuite les amener à déposer de l’argent sur leurs comptes et à faire du trading sur sa plateforme. Cette étape repose toujours sur l’appel des clients par des commerciaux pour les amener plus loin dans leur démarche. Mais ici aussi, la technologie peut apporter quelque chose, enrichir le processus d'intégration avec des données et quelques algorithmes d'apprentissage machine. « Si nous avons multiplié par 12 le nombre de clients qui entrent dans l'écosystème, le pourcentage de ceux qui vont déposer de l’argent sur leurs comptes et se lancer dans des opérations de trading reste faible », a encore expliqué le COO. « Alors, comment optimiser le travail de notre équipe de vente et lui indiquer les clients qui se situent dans leur cible de prospect ? » Au lieu de laisser les commerciaux se fier à leur instinct et à leur expérience pour identifier les clients, M. Douglas a préféré renforcer le scoring des leads par des analyses et augmenter les chances de succès. En rassemblant ses données CRM historiques, les informations saisies lors de l'intégration et certaines sources de données externes, la banque arrive rapidement à comprendre « que si un client mentionne son adresse et que celle-ci est localisée dans un des quartiers les plus aisés de la ville, alors, il y a de bonnes chances de faire affaire avec lui ».

Tous les algorithmes ont été conçus en interne par une équipe de 13 spécialistes en data sciences et une équipe de 18 ingénieurs des données, toutes deux fortement renforcées au cours de ces deux dernières années. « Nous avons recruté de nouveaux cadres avec de nouvelles perspectives et le sérieux nécessaire pour permettre à l’entreprise de se concentrer sur les opportunités que pouvaient lui apporter les data sciences et l'ingénierie des données », a ajouté le COO. Cependant, les commerciaux ont eu du mal à accepter qu’on leur dise comment faire leur travail. « Les vendeurs n'étaient pas très contents de ce changement », a déclaré M. Douglas. Le COO a précisé qu’il avait du faire un gros travail pour apaiser leurs inquiétudes, aussi bien pour ce qui est de « l'identification des parties prenantes que des data sciences et des algorithmes d'apprentissage machine, afin qu’ils comprennent le réel intérêt de ce matériel et la différence que cela pouvait faire au quotidien », a-t-il précisé. Les résultats parlent d'eux-mêmes (voir ci-dessous).

Le taux de conversion des clients, qui oscillait autour de 10%, a bondi à plus de 60 % avec un scoring élevé sur les leads des clients identifiés et contactés par la banque.

Transformation cloud

De manière générale, Saxo Bank dispose actuellement d'une plate-forme technologique unique. « La plateforme est mondiale, multi-tenant et multi-asset, et nous voulons désormais migrer toute cette pile dans le cloud », a déclaré M. Douglas. Aujourd'hui, cette pile est hébergée dans une instance de cloud privé au Danemark, mais les clients asiatiques rencontrent des problèmes de latence. La banque souhaite donc améliorer la mise à l’échelle, la flexibilité et les capacités avancées d'apprentissage machine offertes par l'hébergement dans le cloud public, notamment avec le fournisseur Microsoft Azure. « Nous voulons aller vers une intégration continue, une livraison continue, nous voulons augmenter les niveaux d'automatisation et nous affranchir de toute configuration manuelle », a-t-il encore expliqué. « En terme commercial, si nous pouvons automatiser davantage et accélérer les cycles de livraison des logiciels, nous pourrons réduire le temps de mise sur le marché des fonctionnalités et des nouveaux éléments à valeur ajoutée pour les clients. Mais ces dispositions améliorent aussi notre gouvernance et notre contrôle sur la plate-forme ».