Rentrée d'octobre : vos projets n’attendent pas ! Nous sommes à votre écoute pour vous accompagner.
Mastère Big Data et Data Science en finance


Introduction
La finance, comme tous les autres domaines de l’entreprise, a beaucoup à gagner avec le Big Data : amélioration de l’efficacité de certaines activités comme la gestion du cash, les budgets et les prévisions ; identification d’améliorations possibles, d’investissements à faire ou de risques potentiels ; support aux équipes commerciales…
Le volume considérable de données que stockent les entreprises, notamment la banque et l’assurance, leur permet d’optimiser et de prévoir. Mais le métier de Data Scientist en finance est encore récent. Les établissements financiers peinent à en recruter. C’est un métier en tension : la demande des entreprises est supérieure à l’offre disponible de profils adéquats.
C’est pourquoi nous avons créé ce mastère Big Data et Data Science en Finance. Grâce à lui, vous allez être convoité des recruteurs ! Car vous aurez un double profil : expert en Finance et en Big Data.
Parcours d'études

Objectifs
Ce mastère vous propose deux options :
- une option certifiante si vous voulez obtenir le titre d’Expert en ingénierie financière de niveau 7*.
- une option renforcée en Big Data pour compléter les modules du tronc commun.
L’option certifiante vous permet d’acquérir toutes les compétences liées à la certification :
- piloter le système de reporting et d’analyse des risques financiers de l’entreprise ;
- construire des mécanismes de financement à court et moyen terme de l’ensemble des activités de l’organisation ;
- réaliser l’évaluation financière d’un projet d’investissement à long terme pour l’organisation ;
- assurer la gestion de portefeuilles d’actifs financiers ;
- élaborer une stratégie de financement à long terme d’une organisation.
Dans tous les cas, vous développez les compétences en Big Data dans la finance qu’attendent les établissements financiers et les directions financières des entreprises.
*Titre d’ "Expert(e) en Ingénierie Financière" d'ESGCV-ESGF, NSF 313p - niveau 7 enregistré au RNCP par décision de France Compétences en date du 02/03/2020. La demande de renouvellement est actuellement en cours auprès de France Compétences.
Prérequis
En formation initiale :
Pour une entrée en 1e année de mastère :
Être titulaire d’un titre ou diplôme de niveau 5 ou avoir validé une 3ème année d’enseignement (180 ECTS) en finance, par exemple une licence pro assurance, banque, finance ; ou une licence économie et gestion.
Si à l’étude de votre parcours, il s’avère que vous n’avez pas les connaissances nécessaires pour intégrer directement le mastère, nous pourrons vous proposer soit une mise à niveau prélable, soit l’année passerelle de réorientation.
Sans études préalables suffisantes en finance, la formation est accessible après notre année passerelle de réorientation.
Pour une entrée en 2e année de mastère :
Avoir effectué et validé une 4ème année d’enseignement supérieure (240 ECTS) dans le domaine de la finance, par exemple une 1e année de master finance en IAE, en faculté d’économie et de gestion, en école de commerce ou en école de management, en institut de gestion, ou encore en UFR de droit, économie et gestion.
En formation professionnelle :
Etre titulaire d’un titre ou diplôme de niveau 6 et justifier de 3 ans d’expérience professionnelle en finance ou être titulaire d’un titre ou diplôme de niveau 5 et justifier de 7 ans d’expérience professionnelle dans le domaine ;
Programme
4ème année
Environnement financier
- Institutions financières et marchés boursiers
- Finance d’entreprise
- Produits dérivés
- Gestion d’actifs
Mathématiques et statistiques
- Statistiques et probabilités
- Econométrie
- Mathématiques pour la Data Science
- Séries temporelles
Base de données
- Base de données MySQL
- Bloomberg
Programmation
- Applications financières sous Excel VBA
- Introduction à Python
- Introduction à SAS
- Introduction au C++
Les acquis de chaque module sont évalués à travers des études de cas et des cas pratiques.
La formation se déroule en 532 heures. Ce volume comprend les heures de face à face pédagogique, de travaux de groupe, d’e-learning et d’événements liés à la formation tels que les conférences.
Alternance ou stage de 4 mois
5ème année
Piloter le système de reporting et d'analyse des risques financiers de l'entreprise
- Risk Management et Cartographie des risques
Construire des mécanismes de financement à court et moyen terme des activités de l’organisation
- Gestion de trésorerie
- Politiques de financement
Gérer un portefeuille d’actifs financiers
- Gestion de portefeuille
- Initiation à Bloomberg
- Simulations boursières (jeu boursier)
- Calcul stochastique en finance
- Produits structurés
Établir la stratégie de financement à long terme d’une organisation
- Gestion obligataire
- Certification AMF
Maîtriser les fondamentaux du Big Data
- Introduction au Big Data
- Machine learning
- Technologie Big Data
Exploiter la Data Science
- Credit Scoring avec SAS
- Analyse de données avec R
Option certifiante*
- Conception de tableaux de bord et d’outils de traitement automatique des données financières (VBA)
- Consolidation des comptes et normes IFRS
- Contrôle de gestion et management de la performance
- Communication financière
- Audit comptable et due diligence
- Évaluation financière d’un projet d’investissement à long terme pour l’organisation : Fusions et acquisitions, Ingénierie financière : principes de base et techniques avancées
- Techniques de négociation et montage de dossier de financement
Option Big Data renforcé**
- Mathématiques
- Marché de l'assurance
- Blockchain et services financiers
- Pricing de produits financiers en C++
* Titre d’ "Expert(e) en Ingénierie Financière" d'ESGCV-ESGF, NSF 313p - niveau 7 enregistré au RNCP par décision de France Compétences en date du 02/03/2020.
**option ouverte sous réserve d'un effectif suffisant.
La formation se déroule en 546 heures. Ce volume comprend les heures de face à face pédagogique, de travaux de groupe, d’e-learning et d’événements liés à la formation tels que les conférences.
Alternance ou stage de 6 mois
Modalités d'évaluation
Nos formations ayant pour objectif votre professionnalisation, ce sont vos compétences que nous évaluons plutôt que vos connaissances. Nous le faisons à travers :
- Un jeu boursier en équipe, en utilisant la salle de marché Bloomberg de l’école.
- Un challenge d’entreprise, toujours en équipe.
- Des cas pratiques à la fin de chaque module d’enseignement
- Un mémoire professionnel sous la supervision d’un intervenant professionnel. Ce mémoire vous amènera à rencontrer plusieurs professionnels de la finance.
Si vous n'obtenez pas le titre RNCP, sachez toutefois que si vous avez validé l'ensemble des compétences relatives à un bloc, ce bloc de compétences vous est acquis.
Intéressé.e par le Mastère Big Data et Data Science en finance ?
Nos équipes sont mobilisées pour vous accompagner !
Intéressé.e par le Mastère Big Data et Data Science en finance ?
Nos équipes sont mobilisées pour vous accompagner !

Débouchés
Vos compétences en Big Data seront utiles dans un certain nombre de fonctions « traditionnelles » qu’occupent nos diplômés experts en ingénierie financière :
- Directeur financier / directrice financière
- Directeur / directrice administratif et financier
- Analyste financier
- Analyste de risque
- Trésorier / trésorière
- Consultant financier / consultante financière
- Ingénieur financier
- Gestionnaire d’actif
- Credit manager
- Chargé / chargée de surveillance des risques
- Asset Manager
Mais la finance, et particulièrement l’assurance et la banque, est en forte recherche de diplômés en Big Data, pour des fonctions plus exclusivement liées à l’exploitation de la donnée. Ce sont des profils très convoités, pour des métiers dits en tension, pour lesquels un titre RNCP n’est pas forcément nécessaire :
- Data Scientist
- Data Analyst
- Chief data officer
- Business Intelligence Manager
- Data Miner
- Master Data Manager
- Data Protection Officer
LE BIG DATA, L’AVENIR DE LA FINANCE ?
Un flux de données toujours plus important, associé à une augmentation de la capacité de stockage, bouleverse les activités et stratégies des entreprises. En finance ce phénomène oblige les entreprises à recruter des salariés aux profils spécialisés en analyse de données, data scientist. En moyenne, le taux de croissance du big data dans les entreprises s’élève à 36% par an confortant l’idée que la transformation numérique est une composante majeure sur le marché.
Source : CXP Group Company - Cabinet de conseil et analyse en solutions logicielles pour l’entreprise et ses métiers).
Admission
Sessions | Admission | Formation | |
---|---|---|---|
octobre 2023 | Bac+3 | Mastère Big Data et Data Science en finance | |
octobre 2023 | Bac+4/5 | Mastère Big Data et Data Science en finance |
Forum admissions
Venez, découvrez, candidatez et repartez avec une solution clé en main.
Depuis le début des années 2000, le nombre de données produites, les capacités de stockage de ces données, ainsi que la puissance de calcul nécessaire à leur traitement ont littéralement explosé. Nous sommes entrés dans l’ère du big data.
Tous les secteurs d’activité sont impactés par cette révolution de la donnée. La finance est concernée. Les sciences du big data lui apportent 3 bénéfices majeurs : optimisation, performance et prédiction.
Optimiser l’utilisation des données disponibles
Les établissements financiers, les banques, les assurances disposent d’un très grand nombre de données relatives au comportement de leurs clients, à leurs activités. Ces données, compilées par les différents métiers de ces établissements n’adoptent pas toujours les mêmes formats, récurrences de mise à jour, clés d’identification… La puissance du big data réside dans sa capacité à interroger toutes ces données disparates pour produire de la valeur : dégager des tendances dans des comportements de clients par exemple.
Un autre atout du big data : sa capacité à mettre en perspective le résultat d’analyses internes grâce à l’intégration de données externes.
Améliorer la performance des processus et des actions
La performance induite par le big data se mesure essentiellement dans la vitesse des calculs, des prises de décision et des actions. Au service de l’investissement sur les marchés financiers notamment, le big data a conduit au trading à haute fréquence : des prises de position ou la passation de milliers d’ordres d’achat et/ou de vente en quelques secondes, tout en minimisant les risques.
Le big data ouvre aussi à un meilleur contrôle de toutes les actions réalisées en salles de marché.
Développer l’analyse prédictive et contenir le risque
Le big data produit également des analyses prédictives. Elles sont essentiellement sollicitées à des fins défensives :
- elles permettent de détecter d’éventuelles défaillances de clients ou fournisseurs afin de respectivement réduire les risques d’impayés et les besoins en trésorerie
- elles aident à anticiper un possible transfert de comptes clients vers d’autres établissements : des propositions commerciales peuvent être soumises à ces clients pour les retenir
- …
Ces analyses prédictives se tournent désormais vers des terrains offensifs : engager des investissements à la rentabilité sécurisée, proposer de nouveaux produits assuranciels notamment.
Les technologies et les outils liés au big data continuent de révolutionner les métiers de la finance. Au service de plus d’optimisation, de performance et de prédiction, le big data impacte tous les processus à l’œuvre dans les banques de détail, les banques d’investissement, les sociétés de gestion d’actifs, les assureurs et autres fintechs... Il apporte ainsi sa contribution au cœur des métiers financiers de ces institutions, mais également révolutionne les parcours clients, les offres marketing… Même la gestion financière en entreprise est désormais concernée.
Examinons quelques exemples de l’utilisation du big data en finance.
Des traitements rapides et des données massives
Tronc commun à tous les acteurs de la finance : le besoin de traiter rapidement une quantité massive de données. Ces traitements intéressent aussi bien les sociétés de gestion d’actifs pour sécuriser et accélérer les achats/reventes de produits sur les marchés financiers, que les banques de détail pour décider d’accorder au non un emprunt en moins de 2 heures.
Le big data au service des informatiques décisionnelle et opérationnelle
Dans une banque de détail, le big data contribue à améliorer le parcours clients, à mieux connaître les comportements d’achat des clients. Chez les assureurs, il permet de simuler les cycles de vie des produits, de rendre robuste la conception des produits grâce à une analyse pointue du risque. Dans les banques d’investissement ou les sociétés de gestion d’actifs, il offre des gains de temps et de performance au service des opérations de trading, de la lutte contre le blanchiment d’argent…
Des utilisations jusqu’en entreprises
Les coûts d’accès au big data sont devenus abordables. Les directions financières des entreprises emploient désormais des Data scientists en finance et se dotent des outils du big data pour piloter leur trésorerie, évaluer leur BFR notamment…
Le besoin d’analyser de très importantes quantités de données et de déployer les outils du big data pour les analyser est très présent dans le secteur financier. Cette tâche incombe au Data scientist en finance. Encore inconnu il y a quelques années, ce métier est désormais devenu incontournable dans le monde de la finance.
Découvrons ce que sont les missions du Data scientist en finance et comment s’y former.
Répondre à une problématique métier
L’utilisation des compétences d’un Data scientist en finance se fait autour d’un projet métier. Il s’agira par exemple :
- pour une banque de détail de fluidifier le parcours client entre les différents canaux de contacts que sont le site Internet, l’application smartphone et le service client téléphonique
- pour une banque d’affaire, d’accélérer les achats/reventes d’actions tout en minimisant les risques liés aux environnements économiques, sociaux, politiques…
Pour répondre à la problématique métier qui lui est présentée, le Data scientist doit alors :
- concevoir le projet avec le métier et les services supports
- identifier, compléter et structurer les données à utiliser
- créer les modèles mathématiques et algorithmes statistiques de traitement
- imaginer une restitution opérationnelle des résultats pour une utilisation aisée et performante par les métiers.
Une forte dimension scientifique
Le Data scientist en finance peut être rattaché à un Directeur de la donnée (CDO), à une DSI, ou être directement intégré aux équipes métier, comme une direction marketing. Titulaire d’un diplôme de niveau bac+5 (mastère en big data, data science, mathématiques appliquées, statistiques…), le Data scientist affiche un goût certain pour les chiffres, la rigueur et la méthode, aime travailler en mode projet, fait montre d’écoute, de pédagogie et de capacités de vulgarisation.