Data scientist : a star is born
Les data scientists ont toute leur place au sein de la fonction finance. Initialement apparu dans les GAFAM, ce métier nouveau s’est imposé dans la banque-assurance et la fintech, deux activités voraces en données, avant de conquérir l’ensemble des secteurs d’activité. Désormais, toutes les entreprises ont besoin de professionnels capables de modéliser et d’exploiter leurs données externes et internes.
Selon l’étude PwC Priorités 2017 du Directeur Financier, les directeurs financiers « continuent à juger que leurs équipes passent trop de temps à collecter les données, ce qui s’explique par des reportings plus complexes et plus nombreux et un processus très manuel ». La faute, souvent, à des outils et des processus obsolètes. Conséquence : les données produites sont insuffisantes, disparates, pas toujours fiables. Et que de temps perdu ! Une situation intenable à l’heure où l’on voudrait des DAF stratèges, agiles et business partners !
C’est alors que le data scientist intervient. Ce professionnel de la data est capable d’exploiter en profondeur une masse considérable de données, de créer des modèles qui permettent d’identifier des tendances et d’en tirer des algorythmes prédictifs auto-apprenants. Sa première mission consiste à désiloter l’information, souvent éparpillée dans les différentes bases de données de l’entreprise (gestion, commerce, marketing, production, R&D…), et à les rassembler dans un Data Lake.
Essentiel pour l’analyse prédictive des risques tels que la détection des fraudes et des autres flux financiers atypiques, mais aussi pour l’optimisation des processus, sa valeur ajoutée a rapidement conquis d’autres domaines, dont le reporting dynamique, connecté aux différentes sources de données (ERP, outils de cash management, de réconciliation des comptes, etc.).
