INTERVIEW : « Les banques se lancent dans la chasse au Data Scientist, nouveau graal des RH »

Pas facile pour une banque de composer une équipe de data scientists ! Afin d'en savoir plus sur les profils recherchés par les établissements bancaires, nous avons interviewé Pierre Ménard, account manager spécialisé dans le secteur Banque et Assurance chez Dataiku, une plateforme logicielle collaborative de data science destinée aux équipes data.

Comment est composée une équipe de data scientists au sein d'une banque ?

D'après notre expérience, il n'existe pas d'équipe-type, mais on retrouve des similitudes pour chaque établissement financier. Les équipes sont généralement constituées de datascientists ayant été recrutés en externe et de profils statisticiens formés en interne. Les équipes sont souvent complétées par des stagiaires issus de grandes écoles d'ingénieurs ou d'universités proposant des formations en data sciences.

Les spécialistes Big Data peuvent être rattachés dans les équipes métiers dédiées aux risques ou à la conformité, les équipes marketing & clients, le département IT et même dans certains cas... au Comité Exécutif (c'est dire la dimension stratégique que revêt le Big Data !). Quand les établissements bancaires ne décident tout simplement pas de constituer un département dédié à la data science, notamment au sein de data labs.

Si les compagnies d'assurances ont été les premières à mettre en place des DataLab, comme Axa et son Data Innovation Lab, les grandes banques comme Credit Agricole ou la Société Générale ont décidé de s'y mettre elles aussi.

Quelles sont les compétences recherchées ?

La maîtrise des mathématiques, statistiques et la maîtrise des algorithmes, ainsi qu'un bon niveau en  langages de programmation R et Python (et dans une moindre mesure Scala).

A cela vient s'ajouter une bonne connaissance fonctionnelle et une parfaite maîtrise de l'anglais. Les banques ne recherchent pas des développeurs mais plutôt des dataminers et statisticiens, idéalement avec un background bancaire significatif (10-15 ans d'expérience)

Enfin, il est importants d'effectuer un travail de veille soutenu étant donné que le secteur très jeune et en évolution permanente, tant au niveau des langages de programmation que des algorithmes. Il est donc important de se former en permanence, que ce soit à travers des conférences, des Meetups, des Moocs....

Ce genre de profil ne court pas les rues, non ?

Difficile en effet pour la banque de trouver un data scientist mais aussi des responsables data d'envergure si bien que certaines d'entre elles n'hésitent pas à recruter dans d'autres secteurs que la banque. Ainsi, le groupe BPCE a recruté en septembre dernier l'ex-CDO de SNCF, Yves Tyrode, pour piloter l’accélération et la mise en œuvre de la stratégie digitale du groupe.

Autre piste privilégiée par les banques ; la promotion interne. Dans ce cas, les statisticiens sont rapidement formés au Big Data, généralement pendant une période inférieure à six mois. Quant aux dataminers, ils ont la possibilité d'évoluer vers des postes de data-scientists. Nous mêmes chez Dataiku nous proposons des formations et des mesures d'accompagnement pour les banques.

Un mot sur les salaires en vigueur ?

Sans être expert en niveaux de rémunération des équipes data, les packages de rémunération proposés par les banques sont plutôt intéressants, notamment par rapport à ceux d’autres secteurs. Un junior à la sortie de l'école pourra prétendre à une fourchette de salaire comprise entre 40-60 k€. Par la suite, certains salaires peuvent même avoisiner les six chiffres dans le cas de postes d'encadrement.

Mais le salaire n'est pas tout et les fameux moutons à cinq pattes sont souvent tentés d'aller voir ailleurs si l'herbe n'est pas plus verte. D'où l'intérêt pour les banques de se montrer les plus imaginatives et surtout flexibles pour assurer la rétention de ces talents: proposer des projets intéressants, accélerer le time-to-market, donner les moyens de mettre en place des projets ambitieux...Et ainsi éviter qu'un départ ne soit suivi par d'autres, les équipes de datas scientists n'hésitant pas à évoluer en groupe...