Statisticien – Data Scientist

Conception, développement et déploiement d'une plateforme SaaS de pilotage de projets humanitaires et institutionnels, couvrant l'intégralité du cycle MEAL (collecte de données terrain en mode offline jusqu'à restitution aux bailleurs de fonds).

• Développement d'une application Android de collecte offline avec géolocalisation GPS, fonctionnant sans connexion internet et synchronisation automatique à la reconnexion.
• Conception de formulaires électroniques standardisés (XLS/KoboToolbox) pour enquêteurs terrain avec interface simplifiée.
• Mise en place d'un module de cartographie des bénéficiaires et infrastructures intégrant coordonnées GPS, adresse physique et services offerts.
• Gestion des rôles agents enquêteurs et encadrement d'équipes terrain à distance.
• Structuration d'une base de données exportable en CSV/Excel, compatible avec les standards de collecte humanitaire.

Contribution au déploiement d'un dispositif de reporting économique et analytique au sein des Directions Marketing et Finance, permettant de piloter la performance des campagnes d'acquisition et la rentabilité des portefeuilles clients.

• Conception d'un modèle de prévision économique intégrant économétrie et machine learning, avec validation et analyses de sensibilité.
• Mesure des effets des actions marketing sur la demande, la fidélisation et les flux financiers, avec recommandations d'optimisation.
• Création d'un tableau de bord économique interactif pour suivre croissance, productivité et rentabilité par segment.
• Mise en place d'un reporting consolidé multi-niveaux et d'un cube de données/KPI sectoriels pour mesurer la performance et l'impact sur le portefeuille.
• Appui à la décision stratégique via des analyses quantitatives et la production d'indicateurs clés commerciaux, financiers et macroéconomiques.

Contribution au développement et à la sécurisation d'un modèle LGD (Loss Given Default) dans le cadre des exigences IRB repair destiné à alimenter le calcul des RWA, en parallèle d'un appui au pilotage quantitatif sur la performance des campagnes digitales.

• Conception d'un datamart/cube multi-sources pour consolider et fiabiliser les indicateurs, avec mise en place de contrôles qualité (réconciliations, détection d'anomalies, piste d'audit, documentation des règles de calcul).
• Industrialisation des dashboards Power BI pour la surveillance et le reporting décisionnel.
• Construction d'un dispositif de risk differentiation segmentant en classes de risque homogènes et quantifiant les niveaux de LGD par classe, intégrant les marges réglementaires.
• Formalisation des hypothèses, limites et justifications méthodologiques des modèles de risk differentiation.
• Backtesting des modèles LGD sur le segment grandes entreprises et analyses des performances.
• Participation au suivi des modèles IFRS et à un exercice EBA benchmarking.
• Intégration des recommandations BCE liées à la nouvelle définition du défaut, en adaptant les contrôles et la documentation.
• Analyses statistiques et machine learning (détection d'anomalies, mesure d'impact, segmentation).
• Analyses de sensibilité et scénarios « what-if » pour éclairer les arbitrages décisionnels.
• Préparation des éléments pour les équipes de validation/audit et suivi des actions correctives.

Intervention au sein de la Direction Marché Européen (DME), chargée de la gestion de l'importation et de l'exportation de l'électricité en Europe, pour développer une application d'analyse de données et de détection d'anomalies pour les interconnexions aux frontières.

• Développement d'une application d'analyse et de détection d'anomalies pour la surveillance des interconnexions.
• Définition des KPI et mise en place d'un système d'alerting adapté.
• Conception et mise en production d'un moteur de prévision statistique des volumes importés/exportés.
• Automatisation des envois des prévisions aux experts métier.
• Ingestion, nettoyage et correction de données.
• Exploitation des APIs pour alimenter l'application.

Intervention sur le périmètre ESANE (statistiques structurelles annuelles d'entreprises) avec responsabilité sur le référentiel OCSANE, en privilégiant l'exploitation de sources administratives complétées par des enquêtes ad hoc et l'évolution des outils de suivi, coordination et gestion du référentiel.

• Développement d'applications de contrôle et de surveillance des données (batchs, correction d'anomalies).
• Migration de l'outillage existant de SAS vers R.
• Élaboration de modèles statistiques sur données structurelles d'entreprises.
• Conception de l'échantillonnage d'enquêtes et réalisation de la data preparation associée.

Développement d'un outil de fiabilisation des données terrain pour SAUR, permettant d'améliorer les contrôles, la validation et la production de reportings.

• Conception d'un outil pour fiabiliser les données terrain intégrant contrôles, niveaux de validation et système de notification.
• Développement de modèles ML pour prédire les erreurs probables sur les données.
• Automatisation des mises à jour et corrections des données.
• Production de reportings permettant la visualisation des données terrain et la détection des anomalies.

Traitement et analyses ad hoc de données, ainsi que production de dashboards et cartographies pour visualiser les indicateurs de performance.

• Réalisation de traitements et analyses ad hoc en support des clients.
• Conception et production de dashboards pour la visualisation des indicateurs de performance.
• Création de cartographies pour les présentations auprès des décideurs.

Conduite de missions de mesure d'impact et de ROI de campagnes marketing, intégrant ciblage et analyses statistiques.

• Réalisation de mesures d'impact et de ROI de campagnes marketing.
• Conception du ciblage des audiences via des analyses statistiques.
• Restitution des résultats sous forme de recommandations actionnables.

Accompagnement d'étudiants du CNAM en dispensant des cours et travaux pratiques sur la statistique et en offrant des éclairages sur l'interprétabilité des modèles de machine learning.

• Enseignement de la statistique décisionnelle et inférentielle.
• Couverture de la modélisation statistique et de l'économétrie.
• Dispensation de cours et TP de programmation R.
• Explication des principes d'interprétabilité des modèles de machine learning.

Conduite d'études quantitatives couvrant la collecte, le traitement et la restitution de données pour des évaluations multisectorielles.

• Conception et réalisation d'études quantitatives auprès de populations en situation de déplacement forcé.
• Collecte, traitement et restitution de données d'évaluation multisectorielle des besoins.
• Production d'un profilage détaillé des populations vulnérables pour éclairer les décisions d'aide.