L'essentiel

Icon de la nomenclature

Nomenclature
du niveau de qualification

Niveau 7

Icon NSF

Code(s) NSF

114g : Mathématiques de l'informatique, mathématiques financières, statistique de la santé

313 : Finances, banque, assurances, immobilier

Icon formacode

Formacode(s)

41023 : Marché financier

41077 : Gestion risque banque assurance

31026 : Data science

Icon date

Date d’échance
de l’enregistrement

21-12-2026

Niveau 7

114g : Mathématiques de l'informatique, mathématiques financières, statistique de la santé

313 : Finances, banque, assurances, immobilier

41023 : Marché financier

41077 : Gestion risque banque assurance

31026 : Data science

21-12-2026

Nom légal Siret Nom commercial Site internet
NEOMA BUSINESS SCHOOL 83429535400015 - https://neoma-bs.fr/

Objectifs et contexte de la certification :

Le secteur de la finance, comme beaucoup de secteurs, subit une transformation numérique qui change la composition de sa main-d'œuvre et les compétences requises. En effet, l’industrie financière est très demandeuse de compétences en Data Science, mais il est crucial pour les institutions financières que leurs Data Scientists aient aussi des connaissances pointues de la Finance au sens large.

Ainsi, l’industrie financière est à la recherche de compétences à la fois sur la finance de marché, la finance d’entreprise en passant par l’assurance et les aspects techniques de la data.

La certification Expert en données financières massives permet de répondre aux besoins de l’industrie financière sur l’ensemble de ces compétences.

Après obtention de la certification Expert en données financières massives, les certifiés seront aptes à mettre en pratique de façon opérationnelle leurs compétences techniques dans le traitement du Big Data, appliqué aux prédictions de marché, à l’allocation de portefeuille, la gestion du risque de crédit/marché et du risque opérationnel. Ils auront notamment accès à des postes de Data Scientists dans les équipes Front office et Middle Office des divisions trading, risk-management, IT et compliance des banques d’investissement, gestion de fonds et compagnies d’assurance ainsi que les entreprises de conseil spécialisées en finance.

Activités visées :

Pour traduire les problématiques des métiers financiers en solutions BI :

  • Analyse du contexte de la structure financière
  • Traitement des données financières avant structuration
  • Identification des outils de data sciences applicables

Pour déployer des outils de gestion de données financières massives :

  • Définition de solution de stockage de données
  • Construction d’algorithmes
  • Intégration d’un modèle data science adapté

Pour analyser les modèles de données financières massives :

  • Analyse des données
  • Analyse des différents modèles de prédiction/optimisation
  • Communication des résultats

Pour piloter une activité Data dans une démarche d'amélioration continue :

  • Management d’équipe projet d’intégration/ de restructuration d’un modèle Data Science
  • Accompagnement des équipes au changement

 

 

Compétences attestées :

Déployer un système de veille, en définissant le périmètre de recherche, les outils appropriés, ainsi que les canaux de collecte, en déterminant les outils de traitement et de diffusion de l’information afin d’appréhender le contexte et les innovations incombant à la structure financière.

Cartographier les risques en identifiant et hiérarchisant les risques auxquels l’organisation est exposée afin de maîtriser ceux-ci dans le cadre de l’activité de l’entreprise ou du projet en question.

Etablir les règles et processus d’analyse adaptés aux données, en identifiant les données à corriger ou à exclure, afin d’améliorer la cohérence et la fiabilité du processus de décision basé sur ces données.

Définir des espaces de stockage adaptés, en y agrégeant les données structurées et non-structurées afin de déployer des outils de Business intelligence.

Définir les problématiques rencontrées dans les métiers financiers, en menant des entretiens avec les parties prenantes, en procédant à une analyse quantitative et qualitative des problématiques financières relevées, afin de définir les besoins en termes de solutions Data.

Formaliser un cahier des charges en traduisant les besoins des métiers financiers en solutions techniques d’aide à la décision financière, afin de répondre aux problématiques des parties prenantes.

Identifier des outils de data science adaptés, en intégrant l’innovation, en respectant la réglementation en vigueur, en vérifiant l’adéquation entre les outils d’extraction de données, les moteurs de calculs et les interfaces utilisateurs, afin d’élaborer la solution technique.

Construire les solutions de stockage de données adaptées suivant la nature des données, structurées, non-structurées en vérifiant l’adéquation avec les moteurs de calculs et les interfaces clients, en utilisant le matériel adapté pour minimiser l’impact environnemental, afin d’assurer la bonne performance des outils déployés.

Déployer l’environnement adapté à la taille des bases de données à la fois pour les données d’entrées des algorithmes (input) et des données de sortie (output) afin d’assurer une bonne maintenabilité des systèmes et des bases de données associées.

Concevoir les algorithmes de data-science appropriés en procédant à des analyses préliminaires et en classant les algorithmes suivant leur précision afin de développer les outils de gestion de risque adaptés. 

Tester la fiabilité des algorithmes retenus en vérifiant leurs performances sur des données de validation afin de minimiser le risque d’erreur de modèle.

Traduire la solution data en outil opérationnel, en intégrant les algorithmes data dans le processus opérationnel de l’entreprise en le testant dans un environnement data préexistant, afin d’implémenter les solutions définies dans un cahier des charges préexistent. 

Organiser le basculement au nouveau système, en assurant la transition des nouveaux algorithmes, en définissant les critères de passation, en faisant tourner en parallèle les systèmes à remplacer afin de garantir une transition sans incidents pour les utilisateurs.

Etablir des algorithmes de génération de flux financiers en utilisant des méthodes de simulation adaptées, afin de faciliter le processus décisionnel.

Identifier le scénario optimal, en utilisant les simulations préalablement établies, en appliquant les outils d’optimisation du ratio rendements/risque, afin de maximiser les ressources de l’entreprise.

Evaluer les risques inhérents au projet, en utilisant les concepts et techniques probabilistes, afin d’ajuster l’allocation de ressources initiales.

Cartographier les modèles préalablement définis dans les scénarios, en utilisant les critères de plausibilité classiques afin de sélectionner le modèle prédictif le plus adapté au projet financier.

Adapter les modèles sélectionnés pour l’utilisateur non technicien, en développant des interfaces ergonomiques, et en donnant la possibilité à l’utilisateur de faire tourner de nouvelles données afin de prendre les décisions d’investissement appropriées.

Créer des outils numériques de consolidation des résultats obtenus par l’analyse des données massives en adaptant les outils de visualisation aux algorithmes de traitement des données afin de transformer les données techniques en informations exploitables par les parties prenantes et les décisionnaires. 

Présenter les résultats agrégés, en créant des présentations visuelles adaptées, en mettant en valeur les supports graphiques et en utilisant les techniques de présentation orale adaptées, afin d’aider les parties prenantes et les décideurs dans leurs processus d’analyse stratégique. 

Organiser les conditions et modalités de travail de son équipe projet d’intégration/ de restructuration d’un modèle Data Science, en définissant les rôles et missions de chacun, en prenant en compte les éventuelles situations de handicap, en allouant les moyens humains, financiers et matériels nécessaires à chaque étape du projet,  afin d’atteindre les objectifs du service.

Définir les modalités de suivi et d’évaluation des objectifs, en fixant les indicateurs de performance individuels et collectifs pour chaque projet piloté et en planifiant les modalités de communication, afin d’optimiser les performances du service.

Communiquer régulièrement sur la vision, les projets, les missions et les valeurs de l’organisation, en traduisant la portée opérationnelle, afin de fédérer et impliquer les collaborateurs autour d’objectifs partagés.

Evaluer les différents impacts des transformations en cours sur les collaborateurs et les projets, en définissant les modalités adaptées aux différents profils et personnalités de l’équipe, afin de déterminer les degrés et sources de résistance.

Elaborer un plan d’accompagnement des collaborateurs, en adaptant les actions aux profils et résistances identifiés dans l’équipe, afin de contribuer à la mise en œuvre de la transformation.

Mener une analyse réflexive de sa pratique professionnelle en tant que manager en identifiant son type de management, ses leviers personnels de motivation, ses modes de communication et sa gestion des situations de handicap, afin d'améliorer ses qualités relationnelles / interpersonnelles.

Modalités d'évaluation :

  • Mises en situations
  • Etudes de cas
  • Mises en situation professionnelle
  • Essai individuel

 

RNCP38500BC01 - Traduire les problématiques des métiers financiers en solutions BI

Liste de compétences Modalités d'évaluation

Déployer un système de veille, en définissant le périmètre de recherche, les outils appropriés, ainsi que les canaux de collecte, en déterminant les outils de traitement et de diffusion de l’information afin d’appréhender le contexte et les innovations incombant à la structure financière.

Cartographier les risques en identifiant et hiérarchisant les risques auxquels l’organisation est exposée afin de maîtriser ceux-ci dans le cadre de l’activité de l’entreprise ou du projet en question.

Etablir les règles et processus d’analyse adaptés aux données, en identifiant les données à corriger ou à exclure, afin d’améliorer la cohérence et la fiabilité du processus de décision basé sur ces données.

Définir des espaces de stockage adaptés, en y agrégeant les données structurées et non-structurées afin de déployer des outils de Business intelligence.

Définir les problématiques rencontrées dans les métiers financiers, en menant des entretiens avec les parties prenantes, en procédant à une analyse quantitative et qualitative des problématiques financières relevées, afin de définir les besoins en termes de solutions Data.

Formaliser un cahier des charges en traduisant les besoins des métiers financiers en solutions techniques d’aide à la décision financière, afin de répondre aux problématiques des parties prenantes.

Identifier des outils de data science adaptés, en intégrant l’innovation, en respectant la réglementation en vigueur, en vérifiant l’adéquation entre les outils d’extraction de données, les moteurs de calculs et les interfaces utilisateurs, afin d’élaborer la solution technique.

1 Mise en situation, 2 études de cas et 1 mise en situation professionnelle

RNCP38500BC02 - Déployer des outils de gestion de données financières massives

Liste de compétences Modalités d'évaluation

Construire les solutions de stockage de données adaptées suivant la nature des données, structurées, non-structurées en vérifiant l’adéquation avec les moteurs de calculs et les interfaces clients, en utilisant le matériel adapté pour minimiser l’impact environnemental, afin d’assurer la bonne performance des outils déployés.

Déployer l’environnement adapté à la taille des bases de données à la fois pour les données d’entrées des algorithmes (input) et des données de sortie (output) afin d’assurer une bonne maintenabilité des systèmes et des bases de données associées.

Concevoir les algorithmes de data-science appropriés en procédant à des analyses préliminaires et en classant les algorithmes suivant leur précision afin de développer les outils de gestion de risque adaptés. 

Tester la fiabilité des algorithmes retenus en vérifiant leurs performances sur des données de validation afin de minimiser le risque d’erreur de modèle.

Traduire la solution data en outil opérationnel, en intégrant les algorithmes data dans le processus opérationnel de l’entreprise en le testant dans un environnement data préexistant, afin d’implémenter les solutions définies dans un cahier des charges préexistent. 

Organiser le basculement au nouveau système, en assurant la transition des nouveaux algorithmes, en définissant les critères de passation, en faisant tourner en parallèle les systèmes à remplacer afin de garantir une transition sans incidents pour les utilisateurs.

1 Mise en situation et 3 mises en situation professionnelle

RNCP38500BC03 - Analyser les modèles de données financières massives

Liste de compétences Modalités d'évaluation

Etablir des algorithmes de génération de flux financiers en utilisant des méthodes de simulation adaptées, afin de faciliter le processus décisionnel.

Identifier le scénario optimal, en utilisant les simulations préalablement établies, en appliquant les outils d’optimisation du ratio rendements/risque, afin de maximiser les ressources de l’entreprise.

Evaluer les risques inhérents au projet, en utilisant les concepts et techniques probabilistes, afin d’ajuster l’allocation de ressources initiales.

Cartographier les modèles préalablement définis dans les scénarios, en utilisant les critères de plausibilité classiques afin de sélectionner le modèle prédictif le plus adapté au projet financier.

Adapter les modèles sélectionnés pour l’utilisateur non technicien, en développant des interfaces ergonomiques, et en donnant la possibilité à l’utilisateur de faire tourner de nouvelles données afin de prendre les décisions d’investissement appropriées.

Créer des outils numériques de consolidation des résultats obtenus par l’analyse des données massives en adaptant les outils de visualisation aux algorithmes de traitement des données afin de transformer les données techniques en informations exploitables par les parties prenantes et les décisionnaires. 

Présenter les résultats agrégés, en créant des présentations visuelles adaptées, en mettant en valeur les supports graphiques et en utilisant les techniques de présentation orale adaptées, afin d’aider les parties prenantes et les décideurs dans leurs processus d’analyse stratégique. 

 

1 Mise en situation professionnelle et 2 études de cas

RNCP38500BC04 - Piloter une activité Data dans une démarche d'amélioration continue

Liste de compétences Modalités d'évaluation

Organiser les conditions et modalités de travail de son équipe projet d’intégration/ de restructuration d’un modèle Data Science, en définissant les rôles et missions de chacun, en prenant en compte les éventuelles situations de handicap, en allouant les moyens humains, financiers et matériels nécessaires à chaque étape du projet,  afin d’atteindre les objectifs du service.

Définir les modalités de suivi et d’évaluation des objectifs, en fixant les indicateurs de performance individuels et collectifs pour chaque projet piloté et en planifiant les modalités de communication, afin d’optimiser les performances du service.

Communiquer régulièrement sur la vision, les projets, les missions et les valeurs de l’organisation, en traduisant la portée opérationnelle, afin de fédérer et impliquer les collaborateurs autour d’objectifs partagés

Evaluer les différents impacts des transformations en cours sur les collaborateurs et les projets, en définissant les modalités adaptées aux différents profils et personnalités de l’équipe, afin de déterminer les degrés et sources de résistance.

Elaborer un plan d’accompagnement des collaborateurs, en adaptant les actions aux profils et résistances identifiés dans l’équipe, afin de contribuer à la mise en œuvre de la transformation.

Mener une analyse réflexive de sa pratique professionnelle en tant que manager en identifiant son type de management, ses leviers personnels de motivation, ses modes de communication et sa gestion des situations de handicap, afin d'améliorer ses qualités relationnelles / interpersonnelles.

Mise en situation professionnelle simulée - Mise en situation professionnelles reconstituée - Essai individuel portant sur le leadership

Description des modalités d'acquisition de la certification par capitalisation des blocs de compétences et/ou par correspondance :

L’obtention de la certification professionnelle complète est accordée aux candidats ayant satisfait l’ensemble des conditions ci-dessous :

  • Avoir validé les 4 blocs de compétences,
  • Avoir validé une composante professionnelle/recherche sous la forme d’un « travail de fin d’étude »

Secteurs d’activités :

Les certifiés auront ainsi accès à des postes dans des entreprises de différentes tailles, variant de la TPE, PME / PMI, EPI avec une majorité de grandes entreprises. Plus précisément, ils auront accès à des postes de Data Scientists dans les équipes Front office et Middle Office des divisions trading, risk-management, IT et compliance des banques d’investissement, gestion de fonds et compagnies d’assurance ainsi que les entreprises de conseil spécialisées en finance.

Type d'emplois accessibles :

Expert en données financières massives, Data Scientist, Quantitative Trader, Portfolio Manager, Chief Data Officer, Risk Manager, Consultant (big data finance, data finance, risque de marché, transformation digitale), Analyste (Credit analyst, quantitative analyst, risk data analyst, performance analyst)

Code(s) ROME :

  • M1201 - Analyse et ingénierie financière
  • C1301 - Front office marchés financiers
  • C1303 - Gestion de portefeuilles sur les marchés financiers
  • C1202 - Analyse de crédits et risques bancaires
  • C1204 - Conception et expertise produits bancaires et financiers

Références juridiques des règlementations d’activité :

L'accès au métier visé n'est pas réglementé. Cependant, dans ses activités, cet expert se doit de respecter les règlements et normes en vigueur dans le domaine (RGPD, sécurité informatique, réduction de l'empreinte environnementale, etc.). Dans les référentiels les contraintes liées au RGPD et à la réduction de l'empreinte environnementale sont développés et leur respect évalué.

Le cas échant, prérequis à l’entrée en formation :

  • Niveau 6 de qualification ou un titre validant 240 crédits ECTS.
  • Niveaux inférieurs et selon expérience professionnelle de minimum 3 ans (post diplôme hors stage et alternance)

Le cas échant, prérequis à la validation de la certification :

Pré-requis disctincts pour les blocs de compétences :

Non

Validité des composantes acquises :

Validité des composantes acquises
Voie d’accès à la certification Oui Non Composition des jurys
Après un parcours de formation sous statut d’élève ou d’étudiant X

Le jury de validation de la certification est composé du Président du jury et de 3 personnes ne prenant pas part à la formation des candidats et en respectant la parité homme/femme :

  • Dont 1 membre dépendant de l’organisme (un enseignant)
  • Dont 2 membres extérieurs à l’organisme, représentants du secteur professionnel (dont 1 représentant les employeurs et 1 représentant les salariés)
En contrat d’apprentissage X -
Après un parcours de formation continue X

Le jury de validation de la certification est composé du Président du jury et de 3 personnes ne prenant pas part à la formation des candidats et en respectant la parité homme/femme :

  • Dont 1 membre dépendant de l’organisme (un enseignant)
  • Dont 2 membres extérieurs à l’organisme, représentants du secteur professionnel (dont 1 représentant les employeurs et 1 représentant les salariés)
En contrat de professionnalisation X

Le jury de validation de la certification est composé du Président du jury et de 3 personnes ne prenant pas part à la formation des candidats et en respectant la parité homme/femme :

  • Dont 1 membre dépendant de l’organisme (un enseignant)
  • Dont 2 membres extérieurs à l’organisme, représentants du secteur professionnel (dont 1 représentant les employeurs et 1 représentant les salariés)
Par candidature individuelle X -
Par expérience X

Le jury de validation de la certification est composé du Président du jury et de 3 personnes en respectant la parité homme/femme,

  • dont 1 membre dépendant de l’organisme (un enseignant)
  • dont 2 membres extérieurs à l’organisme, représentants du secteur professionnel (dont 1 représentant les employeurs et 1 représentant les salariés)  
Validité des composantes acquises
Oui Non
Inscrite au cadre de la Nouvelle Calédonie X
Inscrite au cadre de la Polynésie française X

Statistiques :

Statistiques
Année d'obtention de la certification Nombre de certifiés Nombre de certifiés à la suite d’un parcours vae Taux d'insertion global à 6 mois (en %) Taux d'insertion dans le métier visé à 6 mois (en %) Taux d'insertion dans le métier visé à 2 ans (en %)
2022 29 0 100 88 82
2021 15 0 100 100 100

Lien internet vers le descriptif de la certification :

https://neoma-bs.fr/formations/msc-finance-et-big-data/

Le certificateur n'habilite aucun organisme préparant à la certification

Référentiel d'activité, de compétences et d'évaluation :