Data science appliquée à la Fintech

5 applications possibles de la data science à l’émergence des Fintech. En ajoutant qu’il n’y a pas que les Fintech qui peuvent être intéressées…

Evaluation du Risque

Le risque n’est pas l’ennemi de la Finance. C’est celui qui décide de la manière la plus pertinente qui gagne le plus. Qualité des évaluations, amélioration des modèles de prévisions, multiplicité des types de données (purement financières mais aussi sociales, climatiques…)

Habitudes d’achat et de paiement

Anticiper au mieux son Cash (quand qui achète quoi en payant comment),

Connaitre au niveau individuel les historiques d’achat/paiement de millions de consommateurs,

Imputer dans un algorithme les comportements, Homo economicus digitalisé (i.e. le consommateur appréhendé sous forme de 0 1),

Retenir ses clients et faire fructifier cette rente et pourquoi pas piquer des clients à des concurrents ?

Valeur du cycle de vie des consommateurs

Evaluer, en réalisant des itérations individu/groupe, où en est le consommateur : il doit me rapporter X€ sur une durée de temps T, où en est-il ?

Apprécier l’adéquation de l’offre produits/services aux envies/besoins,

Elaborer des modèles, adapter l’offre, les process, les modèles…

Gestion d’actifs

En complément des modèles développés de longue date par les gestionnaire d’actifs c’est surtout l’automatisation de la prise de décision qui est jeu : un robo-advisor n’a aucun émotion. Bon courage à Oliver Stone pour réaliser le 3ème opus de Wall Street en ne filmant que des robots/algorithmes.

Détection et prévention contre la fraude

Surveiller en temps réel les paiements et repérer les anomalies. D’autant plus important que les monnaies virtuelles deviennent réalité et que les transfert d’argent sont effectués via de nouvelles techno notamment les Blockchain.

Avec tout ça….