D comme DAF mais aussi Digitalisation ou Data ; A comme Administratif, mais aussi Artificielle (intelligence) ou Analyse (prédictive) ; et F comme… Futur ! A l’heure du big data, impensable pour les directions financières de se passer des experts des données massives et des algorithmes, mais impossible de délaisser les fonctions traditionnelles de contrôle et de pilotage. Alors, data scientist ou contrôleur de gestion ? Un choix ni cornélien ni figé…

Data scientist : a star is born

Les data scientists ont toute leur place au sein de la fonction finance. Initialement apparu dans les GAFAM, ce métier nouveau s’est imposé dans la banque-assurance et la fintech, deux activités voraces en données, avant de conquérir l’ensemble des secteurs d’activité. Désormais, toutes les entreprises ont besoin de professionnels capables de modéliser et d’exploiter leurs données externes et internes.

Selon l’étude PwC Priorités 2017 du Directeur Financier, les directeurs financiers « continuent à juger que leurs équipes passent trop de temps à collecter les données, ce qui s’explique par des reportings plus complexes et plus nombreux et un processus très manuel ». La faute, souvent, à des outils et des processus obsolètes. Conséquence : les données produites sont insuffisantes, disparates, pas toujours fiables. Et que de temps perdu ! Une situation intenable à l’heure où l’on voudrait des DAF stratèges, agiles et business partners !

C’est alors que le data scientist intervient. Ce professionnel de la data est capable d’exploiter en profondeur une masse considérable de données, de créer des modèles qui permettent d’identifier des tendances et d’en tirer des algorythmes prédictifs auto-apprenants.
Sa première mission consiste à désiloter l’information, souvent éparpillée dans les différentes bases de données de l’entreprise (gestion, commerce, marketing, production, R&D…), et à les rassembler dans un Data Lake.

Essentiel pour l’analyse prédictive des risques tels que la détection des fraudes et des autres flux financiers atypiques, mais aussi pour l’optimisation des processus, sa valeur ajoutée a rapidement conquis d’autres domaines, dont le reporting dynamique, connecté aux différentes sources de données (ERP, outils de cash management, de réconciliation des comptes, etc.).

Le contrôleur de gestion plus utile que jamais

La data science apporte bien des axes d’amélioration pour la plupart des fonctions d’analyse. Au premier rang desquelles le contrôle de gestion ! Mais pas au point de le remplacer. Automatiser la production des données, réduire les opérations de saisie et de contrôle, sécuriser l’information financière, faire parler les données différemment en identifiant de nouvelles corrélations que les statistiques classiques ne pourraient pas trouver, c’est le sens de l’histoire. Mais au profit aussi du contrôleur de gestion, réinvesti dans sa vocation stratégique, pédagogique, et conforté dans la dimension prédictive de son rôle, grâce à ces nouveaux outils apportés par la data science !

« Les activités de prévision, de projection, de prospection sont très peu travaillées. Or ces moments sont absolument essentiels », plaide Fabien de Geuser, professeur au département Contrôle et pilotage des organisations d’ESCP-Europe. Le contrôleur de gestion, qui doit regarder aussi l’avenir et pas seulement dans le rétroviseur, n’est pas détrôné dans sa fonction prospective par le data scientist. Bien au contraire, l’un et l’autre vont travailler de concert à comprendre et décoder le réel, mais aussi à donner un cap, un sens, dans un environnement disruptif. Entre l’expert des data et le contrôleur de gestion, choisissez donc … les deux !