Data Scientist

Intégration de l'équipe Trading Fees de Société Générale afin de prendre en charge les sujets Data et de collaborer directement avec les Business Managers et les équipes Trading.

• Pilotage de bout en bout d'une solution de Document AI pour automatiser l’extraction de grilles tarifaires, réduisant de ~70% le traitement manuel.
• Prise en charge des sujets Data de l’équipe Trading Fees pour cadrer les besoins, structurer les approches data et traduire les enjeux métier en solutions opérationnelles.
• Développement de pipelines Python sur jusqu’à 8M+ de lignes de données de trading, combinant nettoyage, normalisation, agrégations et calcul des frais pour comparer les courtiers et identifier les écarts de coûts.
• Automatisation de la consolidation des frais multi-courtiers et de la génération d’outputs standardisés, fournissant à 50+ collaborateurs Trading/Finance des données comparables et directement exploitables pour les décisions tarifaires.

Collaboration avec Maroc Telecom pour développer des solutions de modélisation prédictive et travailler avec les Product Managers et les équipes Marketing.

• Développement d'un modèle XGBoost de prédiction du churn sur 1M+ clients à partir des données d’usage, de paiement et de réclamations, pour scorer chaque semaine les profils à risque.
• Conception des features comportementales et évaluation du modèle avec ROC-AUC, Precision, Recall et F1-score afin de prioriser les clients présentant le plus fort risque de départ.
• Déploiement sur AWS d'un pipeline ML automatisé avec CI/CD couvrant l'ingestion, le feature engineering, l'entraînement et le scoring hebdomadaire de la base clients.
• Collaboration avec les Product Managers et les équipes Marketing pour optimiser le ciblage des campagnes via A/B Testing, réduisant d’environ 25% les sollicitations non pertinentes.

Contribution chez Bricoma à l'optimisation de la stratégie marketing à travers l'analyse de données clients.

• Conception d'une segmentation client non supervisée à partir des historiques d’achat pour identifier des profils à forte valeur et à fort potentiel d’upselling.
• Optimisation et interprétation de la segmentation client en comparant plusieurs configurations de clustering et en caractérisant les segments selon leur valeur, fréquence d’achat et propension à convertir sur des offres ciblées.
• Activation des segments avec les équipes Marketing dans des campagnes ciblées, contribuant à une hausse de 20% du ROI des campagnes.