Déjà envie de vous réorienter ? Rejoignez-nous maintenant !
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.
Le mastère Big Data et Data Science délivre un titre de niveau 7 certifié*. Il est réalisable en alternance.
Titre d’Expert en finance de marché d'ESGCV NSF 313 - niveau 7 enregistré au RNCP sous le numéro 37437 par décision du Directeur Général de France Compétences du 27/03/2023
Parcours d'études
Objectifs
Ce Mastère vous permet d’acquérir toutes les compétences liées à la certification :
- Elaborer des solutions de développement économique
- Gérer les portefeuilles financiers (d’actifs/boursiers)
- Piloter et gérer les opérations et risques de marchés
- Manager les opérateurs financiers
Prérequis
En formation initiale et en alternance :
Pour une entrée en 1e année de mastère :
Vous devez avoir suivi et validé 3 années d’études supérieures (180 ECTS) dans le domaine de la finance. Par exemple : bachelor d’école de commerce, licence en économie et gestion / finance / banque / assurance…
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.
Pour une entrée en 2e année de mastère :
Vous devez avoir suivi et validé une 4ème année d’enseignement supérieur (240 crédits ECTS) dans le domaine de la finance. Par exemple : 1ère année de master finance en IAE, en faculté d’économie et de gestion, en école de commerce ou en école de management.
En formation professionnelle :
Vous devez avoir suivi et validé 3 années d’études supérieures (180 ECTS) et justifier d’au moins 2 ans d’expérience professionnelle dans le domaine, ou avoir suivi et validé 2 années d’études supérieures (120 ECTS) et justifier d’au moins 3 ans d’expérience professionnelle dans le domaine, ou avoir obtenu le baccalauréat et justifier d’au moins 4 ans d’expérience professionnelle dans le domaine.
Si vous ne disposez pas du niveau ou de l’expérience professionnelle nécessaire, vous pouvez présenter un dossier VAP.
Programme
4ème année
Elaborer des solutions de développement économique
- Bloomberg et analyse technique
- Excel VBA
- Statistiques et probabilité
- Econométrie 1
Gérer des portefeuilles financiers
- Gestion de portefeuille
- Jeu Boursier
- Mathématiques 1
Piloter et gérer des opérations et risques de marchés
- Produits dérivés
- Cartographie et Management des risques
Développer la performance et manager des opérateurs financiers
- Management d’équipe
- Management de projet
- Business English
Acquérir une expertise en Big Data et Data Science
- Introduction à SAS
- Base de données MySQL
- Econométrie des séries temporelles
SAVOIR DEVENIR :
- Life skills : Altérité
- Action projet associatif
- Interculturalité et altérité
Expérimenter et découvrir
- Projets
- Visites terrains
- Rencontres avec les professionnels du secteur
Alternance ou stage de 4 mois
5ème année
Elaborer des solutions de développement économique
- Bloomberg et analyse technique
- Introduction au Big Data
- Pricing de produits financiers en VBA
- Produits structurés
- Econométrie II
Gérer des portefeuilles financiers
- Gestion de portefeuille
- Jeu Boursier
- Gestion obligataire
Piloter et gérer des opérations et risques de marchés
- Gestion des risques financiers
- Mathématiques II
Développer la performance et manager des opérateurs financiers
- Management de la performance
- Management d’équipes
- Business English
Acquérir une expertise en Big Data et Data Science
- Machine Learning
- Deep Learning
- Analyse de données sous R
- Econométrie III
SAVOIR DEVENIR
- Life Skills : Engagement
- Citoyenneté et Diversité
- Handimanagement
Expérimenter et découvrir
- Projets
- Visites terrains
- Rencontres avec les professionnels du secteur
Alternance ou stage de 6 mois
Cette formation délivre le titre d’Expert en finance de marché. Des passerelles sont possibles vers les autres formations de l’ESG délivrant le même titre et/ou la même formation.
Modalités d'évaluation
Modalités d’évaluation en première année de Mastère (M1) :
Vous serez évalué selon les modalités les plus adaptées aux différents modules de formation. Ces évaluations peuvent être réalisées en individuel ou en groupe.
Modalités d’évaluation en seconde année de Mastère (M2) :
Vous serez évalué chaque année selon les modalités les plus adaptées aux différents modules de formation. Ces évaluations peuvent être réalisées en individuel ou en groupe.
Le certificat d’école est délivré en fin de cursus lorsque toutes les conditions d’obtention définies par l’établissement sont validées.
Le titre RNCP est délivré en fin de cycle à la suite d’une "Semaine des compétences". Elle comprend différentes épreuves dont l'objectif est de démontrer l’acquisition des compétences liées à la certification professionnelle visée par la formation.
Modalités d'évaluation pour ce titre : Cas pratiques, mises en situation professionnelle, avec rendu de livrables, mémoire
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.
Candidat en situation de handicap :
Dans le cadre du respect du règlement d'examen, tout candidat peut saisir le référent handicap du certificateur pour aménager les modalités d'évaluation et obtenir l’assistance d’un tiers lors de l’évaluation. Les supports et le matériel nécessaires à la réalisation des évaluations pourront être adaptés. Sur conseil du référent handicap et dans le respect des spécifications du référentiel, le format de la modalité pourra être adaptée.
Sur avis motivé du référent handicap le jury de certification peut décider d’exempter le candidat de certains critères d’évaluation :
• Dans la mesure où cela ne remet pas en question la capacité professionnelle globale du candidat,
• Si le critère au regard de la nature du handicap n'a pas vocation à s'appliquer dans la pratique professionnelle future du candidat
Ces deux critères étant cumulatifs.
Durée de la formation
La formation se déroule en 483 heures par an, comprenant les cours en face-à-face avec les intervenants, les travaux de groupe et challenges professionnels, l’e-learning et les événements liés à la formation tels que les conférences et rencontres avec des professionnels.
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 Analyst ;
- Chief data officer ;
- Business Intelligence Manager ;
- Data Miner ;
- Master Data Manager ;
- Data Protection Officer.
Taux d'insertion global à 6 mois pour la promotion 2020 pour la certification liée à l’ancien titre « Expert en Ingénierie financière » : 100%
Taux de réussite à Paris en 2021 pour la certification liée à l'ancien titre « Expert en Ingénierie Financière » : 53 %
L’ESG finance a pour vocation de former ses étudiants à un niveau d’exigence requis par les banques et les entreprises. Ce taux de réussite correspond à la réalité du marché.
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 |
Aucun événement
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.
