Stratégie
L’exploitation pertinente de la donnée est la clé pour la compréhension de son marché. Onbrane offre à l’utilisateur des outils simples mais puissants, basés sur le machine learning pour l’accompagner dans sa gestion quotidienne
Le marché primaire de la dette est un marché opaque qui n’offre pas ou peu de traitement et d’analyse des données. Or, l’analyse et la bonne utilisation des données sont la clé pour l’optimisation et l’efficience dans toutes les industries.
La plateforme Onbrane, en rassemblant l’ensemble des acteurs du marché au même endroit, a le potentiel de regrouper bon nombre d’informations utiles concernant les titres créés sur la plateforme (montants, taux, maturités…) . Ces données de marché, couplées aux données publiques (taille de l’entreprise, notes de risque, CA, secteur d’activité…) sont une ressource qui nous permettront de fournir aux utilisateurs des outils extrêmement utiles pour le pilotage de leur activité.
Pour commencer à exploiter les données, il nous faut un volume critique de données sur la plateforme. Le machine learning est un procédé mathématique qui se base sur l’apprentissage et l’ajout de nouvelles données et variables à la base existante. Nous devons déterminer les données les plus pertinentes à exploiter, puis à affiner notre modèle par la suite, en accompagnant l’apprentissage. Nous prenons en compte la confidentialité des données dans l’élaboration de nos outils data.
Notre projet data est découpé en quatre phases dont la mise en place monte en complexité avec le temps.
La première étape de notre stratégie data consiste à fournir un outil de “data visualisation” à l’utilisateur pour lui permettre d’explorer et de mieux comprendre ses données. L’outil apporte de nouveaux KPI susceptibles d’intéresser l’utilisateur et de lui donner une nouvelle appréciation de son activité. La data visualisation est également un puissant outil de communication que l’on met à destination de l’utilisateur pour qu’il puisse relayer ses résultats à sa hiérarchie sans perdre de temps.
“La data visualisation, c’est l’art de raconter des chiffres de manière créative et ludique, là où les tableaux Excel échouent. C’est en quelque sorte mettre en musique l’information chiffrée” (Charles Miglietti, co-fondateur de Toucan Toco)
Dans un second temps, l’utilisateur pourra comparer ses résultats à ceux des entreprises possédant les mêmes caractéristiques. Notre outil permettra d’échantillonner et catégoriser les entreprises présentes sur la plateforme, et de filtrer les données en fonction des caractéristiques souhaitées par l’utilisateur. Il s’agit d’un outil inédit sur ce marché puisque jusqu’à présent les données n’étaient agrégées nulle part. L’utilisateur pourra enfin comprendre ses données mais aussi comparer son activité à celle des entreprises de son choix.
La troisième étape de notre stratégie data consiste en la mise à disposition d’un outil permettant à l’utilisateur de scénariser des situations pouvant impacter sa négociation. Par exemple, Il s’agit pour un trésorier d’estimer quelle serait la variation du taux si son entreprise publie de mauvais résultats financiers. Pour en arriver à ce modèle de prédiction, nous comptons sur le déploiement du machine learning qui permet d’obtenir des résultats de plus en plus pertinents avec le temps.
L’objectif de ce module est de conseiller et d’accompagner l’utilisateur en lui facilitant le travail d’analyse par l’exploitation d’un très grand nombre de données, tout en s’améliorant par l’apprentissage.
Le machine learning, via les données accumulées sur la plateforme, permet l’émergence d’une nouvelle méthode d’évaluation des risques, basée sur la connaissance. Les utilisateurs disposent de bien plus de données et d’outils pour traiter ces données, ce qui leur permet d’anticiper les risques et d’en déterminer à l’avance les origines.
Nous pouvons aller jusqu’à envisager la création de nouveaux produits de dette, qui seraient adaptés aux nouveaux entrants du marché de la dette primaire.
