TÉMOIGNAGE : « Alors comme cela, vous voulez devenir data scientist dans la finance ? »

Voulez-vous décrocher un job en data science dans la finance ? Au départ, j'étais plutôt méprisant pour le terme ‘data science’. Si vous êtes un statisticien qualifié avec un diplôme de troisième cycle en statistique et un diplôme de premier cycle dans une discipline mathématique, travailler avec la data est sûrement une seconde nature.

La plupart d'entre nous connaissons très bien les statistiques appliquées. Alors, d'où vient ce poste de data scientist récemment apparu ?

La plupart des définitions de la data science que j’ai vues diffèrent peu des connaissances et de l’expérience pratique d’un statisticien chevronné. S’il y a une chose que je pourrais citer comme différence entre le data scientist et le statisticien, c’est l’objectif commercial. Ce qui est une bonne nouvelle. - J’ai passé des années à essayer de convaincre le senior management de la puissance des bons modèles statistiques pour les faire aller vers quelque chose de beaucoup plus grossier, moins précis, mais plus facile à comprendre. Les data scientists sont un nouveau type de statisticien avec un pouvoir d’influence.

Si vous souhaitez travailler comme data scientist dans la finance, vous aurez probablement besoin de la plupart (sinon de la totalité) des attributs suivants :

• Un diplôme de premier cycle en mathématiques / statistiques, informatique, physique, ingénierie ou dans une matière au contenu mathématique significatif.
• Une capacité à programmer dans plusieurs langages (à la fois compilés et interprétés) tels que C / C ++, S (par exemple tel qu'implémenté en R), Matlab, Python et / ou Java.
• De bonnes compétences en bases de données (c’est-à-dire au moins la programmation SQL) dans tout RDBMS classique (par exemple, MySQL, PostgreSQL, Oracle, SQL Server).
• Une maîtrise des données de séries chronologiques de Bloomberg, de Reuters ou de l'un des nombreux flux de données financières disponibles.

Cependant, deux caractéristiques très importantes de ceux qui occupent des jobs dans le domaine de la data science en finance font l’objet de discussions moins fréquentes. - Premièrement, vous devez être capable de bien communiquer verbalement et visuellement les idées mathématiques aux non-spécialistes. Deuxièmement, vous devrez savoir utiliser leur formation en mathématiques pour résoudre de véritables problèmes commerciaux.

Parallèlement à tout cela, vous aurez besoin d'une bonne compréhension de l'optimisation (étayée par l'algèbre linéaire solide et le calcul appris à l'école), de l'inférence statistique, de la simulation, de l'analyse multivariée et de la visualisation correcte des données (ex : Tufte).

Si vous possédez une telle formation, alors les techniques telles que les machines à vecteurs de support, les réseaux neuronaux, les forêts aléatoires et l’augmentation de gradient ne sont plus qu’un saut de puce. Je pourrais aussi ajouter la PNL.

Avec tout cela, votre carrière en data science sera lancée. Bonne chance !

Richard Saldanha est co-directeur d’Oxquant, une entreprise de conseil qui aide les entreprises à relever les défis et les opportunités complexes d’aujourd’hui en fournissant une expertise et des conseils en matière d’intelligence artificielle, d’apprentissage statistique et de technologies connexes. Il est également conseiller indépendant auprès d’Oxford Portfolio Advisers Ltd. Il possède plus de 20 ans d’expérience dans la gestion d’actifs et la banque d’investissement dans les domaines du trading quantitatif et des risques d’investissement. En plus de ses activités de conseil, il donne des conférences sur l’apprentissage statistique et ses applications en finance à la Queen Mary University de Londres et siège au conseil d’administration de la Magdalen College School à Oxford. Richard a étudié à l’Oriel College de l’Université d’Oxford et est titulaire d’un doctorat en statistique (DPhil).

Vous avez un scoop, une anecdote, un conseil ou un commentaire que vous aimeriez partager ? Contact : tiochem@efinancialcareers.com