Le workflow des prix quotidiens de du client traite divers instruments financiers (actions, futures, obligations, IRS, etc.) à travers plusieurs étapes de traitement impliquant la validation des données, des contrôles de pare-feu, et des validations manuelles lorsque nécessaire. Ce workflow est devenu de plus en plus complexe en raison des extensions de produits, de la multiplicité des sources de données et de scénarios de pricing particuliers.

Défis actuels :

• Limites de l’infrastructure legacy :
  Les systèmes backend et frontend existants pour les prix quotidiens et le pare-feu de données ont atteint leurs limites d’utilisation et ne peuvent pas gérer correctement la complexité opérationnelle actuelle. Cela entraîne une dégradation des performances et une expérience utilisateur peu fiable.

• Manque de transparence :
  Les équipes support et data engineering ont des difficultés à comprendre le cycle de vie d’un enregistrement de prix à travers le pipeline de traitement. Il n’est pas clair à quelle étape un prix est bloqué, pourquoi il est bloqué, et quelles actions peuvent résoudre le problème.

• Manques d’information :
  Les systèmes actuels n’affichent pas de manière fiable le statut de traitement, les raisons des erreurs ou les données produit contextuelles nécessaires pour des interventions manuelles et une prise de décision éclairée.

• Opérations inefficaces :
  Les opérations manuelles sur les enregistrements de prix manquent d’informations claires et correctes, ce qui entraîne des mauvaises interprétations dans certains cas, de mauvaises décisions, de la frustration utilisateur et de nombreuses investigations ad hoc.

• Problèmes de scalabilité :
  Les opérations en masse (chargement d’historique de prix, validations/rejets en masse) et la gestion des sources de prix sont lourdes et sujettes aux erreurs.

Impact :

Les équipes manquent de confiance dans la visibilité du système et l’intégrité des données ; les investigations prennent du temps ; les erreurs opérationnelles s’accumulent ; et le système devient un goulot d’étranglement à mesure que la couverture produit s’étend.

2. CRITÈRES CLÉS DE SUCCÈS

La mission de conseil sera considérée comme réussie à l’atteinte des éléments suivants :

1. API prête pour la production :
   Une API Python qui expose de manière fiable les données fonctionnelles et de traitement pour tous les enregistrements de prix à travers le workflow, avec une abstraction claire de la complexité Oracle sous-jacente.

2. Visibilité complète :
   Les équipes support et data engineering peuvent comprendre instantanément le statut d’un prix, son étape de traitement, les raisons de blocage et les actions disponibles.

3. Confiance des opérateurs :
   Les opérations manuelles sont effectuées avec des informations correctes et fiables ; le taux d’erreur sur les interventions manuelles diminue de manière mesurable.

4. Opérations en masse efficaces :
   Les chargements d’historique de prix, validations et rejets en masse sont simplifiés et faciles à utiliser.

5. UX intuitive :
   Interfaces frontend orientées utilisateur adaptées aux équipes support et data engineers ; visualisation claire des événements de prix et de l’historique de traitement.

6. Réduction du temps d’investigation :
   Le temps de résolution des problèmes liés aux prix diminue d’au moins 50 % ; le troubleshooting ad hoc est réduit.