Scientifique de données

Essai fondamental en statistiques bayésienne appliquée aux enjeux publics, développant des modèles probabilistes complexes pour l'estimation de populations cachées et l'analyse de données de sécurité routière.

• Conception et implémentation d'un modèle bayésien non paramétrique de capture-recapture intégrant des classes latentes pour estimer la taille de populations fermées.
• Développement d'un algorithme de Gibbs pour la simulation MCMC, permettant l'inférence bayésienne sur les paramètres de population et leur distribution a posteriori.
• Application de la méthode de capture-recapture à trois sources pour évaluer l'exhaustivité des données de mortalité routière en Zambie.
• Estimation du nombre de victimes de la traite des êtres humains aux Pays-Bas en fusionnant et analysant cinq bases de données distinctes.
• Études de simulation Monte Carlo comparant la précision et les biais d'estimateurs bayésiens et fréquentistes (BIC) dans plusieurs scénarios de dépendance de sources.
• Utilisation de R (bibliothèques Rcapture et LCMCR) pour la modélisation statistique, l'échantillonnage MCMC et la visualisation des résultats analytiques.

Projets d'intégration de données de sources multiples, maîtrisant les méthodes avancées d'appariement probabiliste pour améliorer la qualité et la fiabilité des bases de données statistiques.

• Utilisation de l'outil G-Coup pour effectuer des appariements probabilistes de bases de données complexes issus de sources hétérogènes.
• Constitution de paires d'enregistrements en appliquant des méthodes de comparaison fondées sur le pouvoir discriminant des variables.
• Ajustement des poids de fréquence et optimisation des seuils de correspondance pour améliorer la qualité et la précision des appariements.
• Définition et application de règles de décision automatiques et manuelles pour valider ou rejeter les paires selon des critères de confiance.
• Réduction significative des erreurs de correspondance, renforçant la fiabilité des données pour analyses statistiques ultérieures.

Intégration dans une équipe analytique d'un gestionnaire de transport urbain pour explorer et valoriser un volume important de réclamations clients, transformant des données brutes en recommandations opérationnelles concrètes.

• Analyse de plus de 3 000 réclamations clients de l'année 2020, identifiant les motifs récurrents et les périodes critiques affectant la qualité du service.
• Nettoyage, structuration et exploitation des données du CRM (Customer Relationship Management) à l'aide de Python (Pandas) et R.
• Croisement des motifs de réclamation avec des variables temporelles (jours, heures, mois) et opérationnelles (lignes de transport), dégageant des tendances significatives.
• Réalisation d'analyses factorielles des correspondances (AFC) et analyses en composantes multiples (ACM) pour explorer les relations multidimensionnelles entre variables.
• Formulation de recommandations concrètes auprès des équipes marketing et exploitation sur la communication client, la billetterie et la ponctualité du réseau.