SG – Structured Finance & Liquidity
Fiabiliser et faire évoluer les modèles de liquidité au cœur des financements structurés de Société Générale CIB.
Data
IA


Challenge
Garantir la fiabilité des modèles de liquidité
Au sein de la banque, une application métier stratégique permet de suivre les opérations de financements structurés, de projeter les cash flows et de gérer la liquidité. En lien avec l’équipe modèle et les équipes métiers, elle doit évoluer en continu, sans jamais remettre en cause la fiabilité des modèles de calcul ni la continuité des traitements. Le contexte bancaire est complexe et réglementé, avec des équipes réparties entre Paris et Varsovie.

Cadre du projet
Dispositif INOCO
une business analyste INOCO au cœur d’une équipe de 6 développeurs et 3 BA.
Karyna, consultante en Business Analysis / MOA Finance, intervient de l’analyse du besoin jusqu’à la mise en production. Elle assure le lien entre les équipes Quant, qui définissent les évolutions des modèles de calcul, les développeurs, chargés de leur mise en œuvre, les équipes fournisseurs de données, qui assurent l’alimentation de SFL, ainsi que les applications aval, notamment Liqor et ALM, qui exploitent les cash-flows générés par SFL pour le suivi des indicateurs de liquidité et des ratios réglementaires. Elle est accompagnée par notre ingénieur d’affaires Nicolas, qui assure le lien client et le suivi de mission.
Notre collaboration
Notre business analyste intervient sur quatre axes :
1. Évolution des modèles de liquidité
Prise en charge des backtestings, analyse des impacts fonctionnels des évolutions, définition de la stratégie de tests et validation des changements pour garantir l’exactitude des données avant leur mise en production.
2. Migration et transformation des données
Préparation de la migration de 19 datasets vers les Golden Sources : analyse des mappings et validation de la qualité des données en amont du lancement du projet en 2027.
3. Automatisation et amélioration continue
Automatisation des analyses récurrentes des BA avec Python et utilisation de l’IA générative pour accélérer la conception fonctionnelle. Ces pratiques ont été adoptées par les 3 BA de l’équipe.
→ Préparation des analyses des écoulements pour les backtestings : de 2 heures à 10 minutes.
→ Analyse des écarts dans les fichiers de monitoring de production : de 30 à 45 minutes à une dizaine de secondes.
→ Reporting trimestriel : d’une journée à 1 h 30.
4. Support et évolutions applicatives
Accompagnement des équipes métier et techniques, analyse des incidents et sécurisation des mises en production.
Environnement technique
Langages & frameworks : Python, VBA, SQL, Java (analyse)
Données : PostgreSQL, Elasticsearch, JSON
API : API REST, Swagger
IA : GitHub Copilot, IA générative
Outils & CI/CD : Jira, Jenkins


D'AUTRES RÉFÉRENCES QUI VOUS PLAIRONT
© INOCO 2025. Tous droits réservés.
© INOCO 2025. Tous droits réservés.




