Ce document du Well-Architected FrameworkGoogle Cloud : perspective des services financiers présente les principes et les recommandations permettant d'optimiser les performances de vos charges de travail de services financiers dans Google Cloud. Les recommandations de ce document sont conformes au pilier d'optimisation des performances du Well-Architected Framework.
L'optimisation des performances est une pratique de longue date dans les services financiers. Elle a aidé les entreprises de services financiers à surmonter les défis techniques et a presque toujours permis ou accéléré la création de nouveaux modèles économiques. Par exemple, les distributeurs automatiques (introduits en 1967) ont automatisé le processus de distribution d'argent et ont aidé les banques à réduire le coût de leur activité principale. Des techniques telles que le contournement du noyau de l'OS et l'épinglage des threads d'application aux cœurs de calcul ont permis d'obtenir une latence déterministe et faible pour les applications de trading. La réduction de la latence a permis d'augmenter et de stabiliser la liquidité, avec des spreads plus serrés sur les marchés financiers.
Le cloud crée de nouvelles opportunités d'optimisation des performances. Il remet également en question certains des modèles d'optimisation historiquement acceptés. Plus précisément, les compromis suivants sont plus transparents et contrôlables dans le cloud :
- Délai de mise sur le marché par rapport au coût.
- Performances de bout en bout au niveau du système par rapport aux performances au niveau du nœud.
- Disponibilité des talents par rapport à l'agilité de la prise de décisions liées à la technologie.
Par exemple, l'adaptation du matériel et des ressources informatiques à des exigences de compétences spécifiques est une tâche simple dans le cloud. Pour prendre en charge la programmation GPU, vous pouvez créer des VM basées sur des GPU. Vous pouvez adapter la capacité dans le cloud pour répondre aux pics de demande sans surprovisionner les ressources. Cette fonctionnalité permet de s'assurer que vos charges de travail peuvent gérer les pics de charge, par exemple les jours de paie non agricole et lorsque les volumes de transactions sont nettement supérieurs aux niveaux historiques. Au lieu de dépenser de l'argent pour écrire du code hautement optimisé au niveau des serveurs individuels (comme du code hautement optimisé en langage C) ou pour écrire du code pour des environnements de calcul hautes performances (HPC) conventionnels, vous pouvez effectuer un scaling horizontal de manière optimale en utilisant un système distribué basé sur Kubernetes bien conçu.
Les recommandations d'optimisation des performances de ce document sont mappées aux principes fondamentaux suivants :
- Aligner les métriques de performances technologiques sur les indicateurs clés de l'entreprise
- Donnez la priorité à la sécurité sans sacrifier les performances pour des risques non avérés
- Repensez votre architecture pour l'adapter aux nouvelles opportunités et exigences
- Pérennisez votre technologie pour répondre aux besoins actuels et futurs de votre entreprise
Aligner les métriques de performances technologiques sur les indicateurs clés de l'entreprise
Vous pouvez mapper l'optimisation des performances aux résultats de valeur commerciale de plusieurs manières. Par exemple, dans un bureau de recherche côté acheteur, un objectif d'entreprise peut être d'optimiser le résultat par heure de recherche ou de prioriser les tests d'équipes ayant fait leurs preuves, par exemple avec des ratios de Sharpe plus élevés. Côté vente, vous pouvez utiliser l'analyse pour suivre l'intérêt des clients et, en conséquence, prioriser le débit vers les modèles d'IA qui soutiennent les recherches les plus intéressantes.
Il est également important d'associer les objectifs de performances aux indicateurs clés de performance (KPI) de l'entreprise pour financer les améliorations des performances. Les initiatives d'innovation et de transformation de l'entreprise (parfois appelées initiatives de changement de banque) ont des budgets différents et ont potentiellement des degrés d'accès différents aux ressources par rapport aux opérations de routine (BAU) ou de gestion de la banque. Par exemple, Google Cloud a aidé les équipes de gestion des risques et de technologie d'une institution financière d'importance systémique mondiale à collaborer avec les analystes quantitatifs du front-office sur une solution permettant d'effectuer des calculs d'analyse des risques (comme XVA) en quelques minutes au lieu de plusieurs heures ou jours. Cette solution a aidé l'organisation à respecter les exigences de conformité applicables. Elle a également permis aux traders d'avoir des conversations de meilleure qualité avec leurs clients, en leur offrant potentiellement des spreads plus serrés, une liquidité plus ferme et une couverture plus rentable.
Lorsque vous alignez vos métriques de performances sur les indicateurs d'activité, tenez compte des recommandations suivantes :
- Associez chaque initiative technologique aux objectifs et résultats clés (OKR) pertinents, tels que l'augmentation des revenus ou des bénéfices, la réduction des coûts et l'atténuation des risques de manière plus efficace ou globale.
- Concentrez-vous sur l'optimisation des performances au niveau du système. Allez au-delà de la séparation conventionnelle entre la transformation et l'exploitation de la banque, et des silos entre le front-office et le back-office.
Donnez la priorité à la sécurité sans sacrifier les performances pour des risques non avérés
La sécurité et la conformité réglementaire dans les organisations de services financiers doivent être d'un niveau élevé sans équivoque. Il est essentiel de maintenir un niveau de qualité élevé pour éviter de perdre des clients et d'endommager irrémédiablement la marque d'une organisation. Souvent, la valeur la plus élevée est obtenue grâce à des innovations technologiques telles que l'IA générative et des services gérés uniques comme Spanner. Ne rejetez pas automatiquement ces options technologiques en raison d'une idée fausse générale sur un risque opérationnel prohibitif ou une posture de conformité réglementaire inadéquate.
Google Cloud a collaboré étroitement avec des G-SIFI pour s'assurer qu'une approche basée sur l'IA pour la lutte contre le blanchiment d'argent (AML) peut être utilisée dans les juridictions où les institutions servent des clients. Par exemple, HSBC a considérablement amélioré les performances de son unité de lutte contre la criminalité financière (Fincrime), avec les résultats suivants :
- Environ deux à quatre fois plus d'activités suspectes confirmées.
- Réduction des coûts opérationnels grâce à l'élimination de plus de 60 % des faux positifs et à la concentration du temps d'investigation uniquement sur les alertes exploitables à haut risque.
- Résultats vérifiables et explicables pour respecter la conformité réglementaire.
Tenez compte des recommandations suivantes :
- Vérifiez que les produits que vous prévoyez d'utiliser peuvent vous aider à répondre aux exigences de sécurité, de résilience et de conformité des juridictions dans lesquelles vous opérez. Pour atteindre cet objectif, collaborez avec les équipes Google Cloudchargées des comptes, des risques et les équipes produit.
- Créez des modèles plus puissants et offrez de la transparence aux clients en exploitant l'explicabilité de l'IA.
Assurez la transparence des charges de travail d'IA générative en utilisant des techniques telles que les citations de sources, l'ancrage et la RAG.
Lorsque l'explicabilité ne suffit pas, séparez les étapes de prise de décision dans vos flux de valeur et n'utilisez l'IA que pour automatiser les étapes qui n'impliquent pas de prise de décision. Dans certains cas, l'IA explicable peut ne pas suffire ou un processus peut nécessiter une intervention humaine en raison de problèmes réglementaires (par exemple, l'article 22 du RGPD). Dans ce cas, présentez toutes les informations dont l'agent humain a besoin pour prendre une décision dans un seul volet de contrôle, mais automatisez les tâches de collecte, d'ingestion, de manipulation et de synthèse des données.
Repensez votre architecture pour l'adapter aux nouvelles opportunités et exigences
L'ajout de fonctionnalités dans le cloud à vos architectures actuelles peut s'avérer très utile. Pour obtenir des résultats plus transformateurs, vous devez repenser régulièrement votre architecture en adoptant une approche cloud-first.
Tenez compte des recommandations suivantes pour repenser régulièrement l'architecture de vos charges de travail afin d'optimiser davantage les performances.
Utiliser des alternatives dans le cloud aux systèmes et ordonnanceurs HPC sur site
Pour profiter d'une plus grande élasticité, d'une stratégie de sécurité améliorée et de fonctionnalités étendues de surveillance et de gouvernance, vous pouvez exécuter des charges de travail HPC dans le cloud ou déborder des charges de travail sur site vers le cloud. Toutefois, pour certains cas d'utilisation de modélisation numérique, comme la simulation de stratégies d'investissement ou la modélisation XVA, combiner Kubernetes avec Kueue peut offrir une solution plus puissante.
Passer à la programmation basée sur des graphiques pour les simulations
Les simulations de Monte-Carlo peuvent être beaucoup plus performantes dans un système d'exécution basé sur des graphes tel que Dataflow. Par exemple, HSBC utilise Dataflow pour exécuter des calculs de risque 16 fois plus rapidement qu'avec son approche précédente.
Exécuter des plates-formes d'échange et de trading dans le cloud
Les conversations avec les clients Google Cloud révèlent que le principe de Pareto 80/20 s'applique aux exigences de performances des marchés et des applications de trading.
- Plus de 80 % des applications de trading n'ont pas besoin d'une latence extrêmement faible. Cependant, elles bénéficient d'avantages significatifs grâce aux fonctionnalités de résilience, de sécurité et d'élasticité du cloud. Par exemple, BidFX, une plate-forme de change multiconcessionnaire, utilise le cloud pour lancer rapidement de nouveaux produits et augmenter considérablement leur disponibilité et leur empreinte sans augmenter les ressources.
- Les applications restantes (moins de 20 %) nécessitent une faible latence (moins d'une milliseconde), un déterminisme et une équité dans la distribution des messages. En général, ces systèmes s'exécutent dans des installations hébergées en colocation rigides et coûteuses. De plus en plus, même cette catégorie d'applications est replatformée sur le cloud, soit en périphérie, soit en tant qu'applications cloud-first.
Préparez votre technologie pour l'avenir afin de répondre aux besoins actuels et futurs de votre entreprise
Par le passé, de nombreuses entreprises de services financiers ont développé des technologies propriétaires pour obtenir un avantage concurrentiel. Par exemple, au début des années 2000, les banques d'investissement et les sociétés de trading performantes disposaient de leurs propres implémentations de technologies fondamentales telles que les systèmes de publication/abonnement et les agents de messages. Avec l'évolution des technologies Open Source et du cloud, ces technologies sont devenues des produits de base et n'offrent pas de valeur commerciale incrémentielle.
Tenez compte des recommandations suivantes pour pérenniser votre technologie.
Adoptez une approche DaaS (Data-as-a-Service) pour accélérer le délai de mise sur le marché et assurer la transparence des coûts
Les organisations de services financiers évoluent souvent grâce à une combinaison de croissance organique et de fusions et acquisitions. Par conséquent, les organisations doivent intégrer des technologies disparates. Ils doivent également gérer les ressources en double, telles que les fournisseurs de données, les licences de données et les points d'intégration. Google Cloud offre des opportunités de créer une valeur différenciée dans les intégrations post-fusion.
Par exemple, vous pouvez utiliser des services tels que le partage BigQuery pour créer une plate-forme DaaS (Data-as-a-Service) prête pour l'analyse. La plate-forme peut fournir à la fois des données de marché et des entrées provenant de sources alternatives. Cette approche élimine la nécessité de créer des pipelines de données redondants et vous permet de vous concentrer sur des initiatives plus utiles. En outre, les entreprises fusionnées ou acquises peuvent rationaliser rapidement et efficacement leurs besoins en matière de licences de données et d'infrastructure après la fusion. Au lieu de consacrer des efforts à l'adaptation et à la fusion des anciens parcs de données et opérations, l'entreprise combinée peut se concentrer sur de nouvelles opportunités commerciales.
Créer une couche d'abstraction pour isoler les systèmes existants et répondre aux nouveaux modèles économiques
De plus en plus, l'avantage concurrentiel des banques ne réside pas dans leur système bancaire de base, mais dans leur couche d'expérience client. Cependant, les anciens systèmes bancaires utilisent souvent des applications monolithiques développées dans des langages tels que Cobol et intégrées à l'ensemble de la chaîne de valeur bancaire. Cette intégration rendait difficile la séparation des couches de la chaîne de valeur, de sorte qu'il était presque impossible de mettre à niveau et de moderniser ces systèmes.
Une solution pour relever ce défi consiste à utiliser une couche d'isolation telle qu'un système de gestion d'API ou une couche de préproduction comme Spanner, qui duplique le registre et facilite la modernisation des services grâce à l'analyse avancée et à l'IA. Par exemple, la Deutsche Bank a utilisé Spanner pour isoler son ancien parc bancaire principal et commencer son parcours d'innovation.