• Print
  • Decrease text size
  • Reset text size
  • Larger text size
10/10/2017

La place du Data Scientist au sein de la fonction finance

Digitalisation, Intelligence Artificielle ou encore Big Data sont aux cœurs des préoccupations des entreprises et des directions financières en particulier. Au-delà de ces concepts parfois aux contours parfois vagues qui s’entremêlent, il est un rôle qui ressort dans cette modernisation de la DAF, celui du data scientist. Si l’on se réfère à l’OPIIEC1 le Data Scientist est un expert de la gestion et de l'analyse pointue de données massives ("big data"). Il détermine à partir de sources de données multiples et dispersées, des indicateurs permettant la mise en place d'une stratégie répondant à une problématique. Il est donc spécialisé en statistique, informatique et connait parfaitement le secteur ou la fonction d'application des données analysées.

Que faut-il alors attendre d’une équipe de Data Scientist au sein de la DAF, quelles missions leurs confier, de quels outils ont-ils besoin pour être performants ? Le métier n’étant en lui-même pas encore complétement figé, c’est aujourd’hui à chaque DAF d’analyser ses besoins avant de mettre en place un tel équipage, aussi bien en terme d’homme que de matière première.

 

Les prérequis au data scientist

Afin de cadrer l’apport que pourrait apporter un data scientist, il est nécessaire en priorité d’identifier :

  • Les données disponibles au sein de l’entreprise.
  • Les processus déficients sur lesquels sera concentrés leur expertise

En effet, tous ce que l’usage appelle « données » n’est pas forcément exploitable, celles-ci doivent, en particulier, être neutres et sans risque légale ou éthique. Elles ne doivent pas avoir été altérées par des intervenants humains, ne faire l’objet d’aucun tri et être disponibles directement en extraction des puits. Ces précautions permettent de traiter de la donnée brute, sans biais orientant les analyses.

De plus, certains processus de par leur nature sont imperméables aujourd’hui à ces outils. Les data scientists auront certainement une plus-value réelle en offrant des axes d’amélioration innovants sur la plupart des fonctions d’analyse tels que le contrôle de gestion (principalement aujourd’hui grâce à la mise en évidence de corrélation entre des natures considérées jusqu’à présentent comme indépendantes) mais leurs impacts sur les processus de production stricte comme la saisie de factures ne sera que faibles.

Une démarche de Big Data est donc la condition sine qua non à une mission de data scientist. Ainsi, le data scientist de la DAF doit avoir accès à l’ensemble des données mais aussi des métiers de celle-ci afin de comprendre leurs modes de fonctionnement et proposer des associations pertinentes. Attention, cette mise à disposition de données potentiellement sensibles doit être accompagnée d’une politique de sécurité SI robuste. En effet, Il faut s’assurer que les outils utilisés sont sécurisés et adaptés aux nouvelles menaces. Les tests de failles et contrôles réguliers sont un bon moyen de s’assurer que des personnes non autorisées n’ont pas accès à des informations sensibles. Une fois ce prérequis déployé, les data scientists seront à même d’œuvrer sur leur premier processus.

Que confier à ses data scientists, quels processus ?

Que confier à ses data scientists, quels processus ?

Une entrée par les risques

Le métier de data scientist est arrivé dans la fonction finance au travers de l’analyse prédictive des risques et en particulier des cas de fraudes et des vulnérabilités inhérentes. Des modèles d’analyse prédictives ont été développés afin de mettre en évidence des flux financiers atypiques et de pratiquer sur ceux-ci une analyse poussée repérant ainsi à postériori les fraudes. Mais au-delà de l’identification de ces fraudes, les outils programmés par le data scientist permettent d’affiner les seuils d’alerte, de validation et d’optimiser les workflows permettant ainsi de mieux prévenir celles-ci.

Cependant si la fraude fut le principal centre d’intérêt des DAF pour les data scientists, de nouvelles applications sont apparues. Les Data Scientists, de par leur premier prérequis qui consiste à organiser les données disponibles, c’est-à-dire, à la fois internes (référentiel, fichier client, balance agée, etc.) et externes (réseaux sociaux, données bancaire fournisseurs, notation banque de France, forums, statistiques en libre accès sur Internet, etc.) pour les exploiter se doivent d’être force de proposition pour la production de nouveau modèle. C’est pour cela qu’il est particulièrement important d’intégrer à leurs équipes un expert du métier qui sera à même d’identifier les opportunités.

Des développements dans tous les métiers de la direction financière

Parmi les applications mises en évidence, l’une des plus répandues au sein des DAF est le reporting dynamique. En lieu et place des tableaux de bords figés avec les mêmes indicateurs à chaque nouvelle version, les data scientists ont mis au point des reporting sur mesure adaptés aux enjeux du présent de l’entreprise. Ces reporting intelligents, connectés aux différentes sources de données, que cela soit l’ERP, l’outil de réconciliation des comptes, ou encore l’outil de cash management sont à même d’alerter le DAF en temps réel si, par exemple, les prévisions budgétaires ne sont pas en adéquation avec le réalisé ou si le délai de paiement des clients s’accroit. Le DAF sera donc dans la possibilité d’agir immédiatement sur les déficiences identifiées.

Ainsi sur le processus de recouvrement, les data scientists permettent aussi des progrès que cela soit dans la levée d’alerte ou bien dans le processus de collecte. Par exemple, à travers une analyse des délais de paiement, des modes de paiement, des types de contrats, des biens ou services vendus, des profils clients sont mis en évidence permettant une notation plus précise de ceux-ci, limitant le risque de non-paiement et par conséquent ayant un impact direct et quantifiable sur le BFR de l’entreprise.

Ces analyses sont aussi transposables pour les fournisseurs en prenant en compte les délais de livraisons, la qualité de celle-ci, le taux de rebut,… ainsi, si, les data scientist ne révolutionnent pas encore les business model historiques, ils permettent une meilleure réactivité aux différents aléas de la vie de l’entreprise et les directions financières de par le volume de donnée qu’elles concentrent en font avec les DSI l’un des principaux consommateurs. 

 

Observatoire paritaire des métiers de l’informatique, de l’ingénierie, des études et du conseil

0 commentaire
Poster un commentaire

Plain text

  • Aucune balise HTML autorisée.
  • Les adresses de pages web et de courriels sont transformées en liens automatiquement.
  • Les lignes et les paragraphes vont à la ligne automatiquement.
Image CAPTCHA
Saisissez les caractères affichés dans l'image.
Back to Top