Focus métier : Data scientist en finance

Le Data scientist en finance intervient pour apporter des solutions aux problématiques précises soumises par les métiers. Il endosse un rôle de chef de projet. Il assure le recueil du besoin exprimé en interne, rédige le cahier des charges et coordonne les différentes phases du projet.

Il est responsable de la collecte des données et de leur hébergement dans un data lake (lac de données). Le Data scientist en finance :

• assure l’inventaire et la qualification des données existantes internes
• récupère des données externes pour mettre en relief les données internes : open-source ou achat de bases de données
• met en place le stockage et la sécurisation des données
• vérifie le respect des normes juridiques pour les données exploitées : la compliance.

Le Data scientist en finance traduit une problématique métier en autant de problématiques algorithmiques ou mathématiques :

• il développe les modèles statistiques et algorithmes mathématiques nécessaires au projet
• il recourt aux différents outils offerts par le big data tels que le machine-learning, l’iA (intelligence artificielle), le text ou vidéo mining…

Enfin, le Data scientist en finance procède à une restitution opérationnelle des résultats de son travail. Il s’appuie notamment sur de l’infographie et de la dataviz pour parvenir à des présentations claires. Il accompagne le changement auprès des métiers et les assiste dans l’appropriation des outils qu’il met en place.

Se maintenir à niveau dans un métier très technologique

Le Data scientist en finance exerce un métier technologique aux évolutions toujours plus rapides. Il maintient une vielle informationnelle sur les nouvelles techniques et les nouveaux outils du big data. Au-delà de cette veille, il entretient son agilité par de la formation continue aux nouvelles techniques, nouveaux langages et outils.

Cette mise à niveau continue doit le conduire à s’interroger sur sa pratique et à suggérer des améliorations en interne. Elle doit également l’inciter à être pédagogue pour accompagner l’appropriation de ces data sciences par les équipes métiers non spécialistes.

Data scientist en finance : un recrutement sous tension

Les nouvelles technologies du big data deviennent économiquement accessibles à de nombreux secteurs d’activité. Dans le domaine financier, toujours plus d’établissements, fonds d’investissement, sociétés de gestion ou fintechs recherchent des Data scientists en finance : la demande progresse en conséquence.

De plus, le recrutement de Data scientists en finance reste délicat en raison du peu d’expérience en finance des candidats.

Technicien en science de la donnée, maîtrisant les techniques analytiques (algorithmes, statistiques, machine learning, modèles prédictifs...), les outils, logiciels de data science et langages de programmation, le Data scientist en finance possède idéalement des connaissances dans les métiers de la finance, de la banque, de l’assurance. Il connaît les réglementations en vigueur dans ces métiers, et celles relatives à l’utilisation des données.
Le Data scientist en finance aime les chiffres, est rigoureux et créatif, pédagogue, à l’écoute de ses clients internes, a la capacité de travailler en mode projet, maîtrise l’Anglais technique.

Le Data scientist en finance est titulaire de l’une des formations suivantes :

• formation de niveau bac+5 spécialisée en big data, data science, mathématiques appliquées, statistiques…
• formation d’ingénieur statisticien complétée par une spécialisation big data ou finance
• école de commerce complétée par un mastère finance spécialisé dans les data sciences et le big data.

L'ESG FINANCE offre des mastères en Finance, spécialisation big data et data science

Située à Paris La Défense, l’ESG FINANCE est une grande école de gestion et de finance. Elle forme d’une part aux métiers de la finance, et d’autre part aux métiers de la gestion et de la comptabilité. Les recrutements se font sur tests et entretien après étude du dossier de candidature.

Le socle finance de l’école offre des formations construites autour des besoins actuels et futurs des entreprises.

Les enseignements profitent des interventions de professionnels et sont enrichis par des stages obligatoires ou une alternance (3 jours en entreprise et 2 jours à l’école).