Data Engineer

Intégration dans l'équipe data pour construire une couche de données centralisée et industrialisée alimentant les usages analytiques et décisionnels, avec mise en place d'une solution de monitoring et de gouvernance des usages d'IA générative.

• Conception d'un modèle de données consolidant plusieurs domaines fonctionnels (offres, candidatures, alertes, déclarations).
• Développement de pipelines ELT pour intégrer, transformer et consolider les données provenant d'une infrastructure data.
• Mise en œuvre de règles de qualité de données et contrôles de cohérence pour fiabiliser les indicateurs.
• Optimisation des traitements via partitionnement, filtrage et optimisation des jointures réduisant les temps d'exécution sur des volumes importants.
• Industrialisation des flux de chargement et automatisation des traitements batch.
• Gestion des évolutions du modèle de données et accompagnement des équipes consommatrices.
• Conception d'un modèle de données dédié au suivi des usages LLM et à la consolidation des métriques de consommation.
• Construction d'une couche d'agrégation permettant le calcul des indicateurs de volumétrie, consommation de tokens et coûts d'inférence.
• Mise en œuvre de traitements batch automatisés pour l'alimentation quotidienne des données de monitoring.
• Mise en place de contrôles de cohérence et de validation des métriques garantissant la fiabilité des données.
• Industrialisation des processus de mise à disposition des données de supervision.
• Définition de quotas de consommation et de seuils permettant de prévenir les surconsommations.

Intégration dans l'équipe data pour concevoir et déployer des systèmes de prédiction automatisés pour le traitement des opérations bancaires et l'identification des clients à risque, avec industrialisation des pipelines et modèles en environnement Hadoop.

• Conception et construction de tables d'apprentissage à partir de multiples sources du système d'information pour la prédiction des opérations.
• Développement de traitements SQL permettant la consolidation, l'historisation et la fiabilisation des données utilisées par les modèles de décision.
• Réalisation du feature engineering et construction d'indicateurs métier à partir des historiques d'opérations et des caractéristiques clients.
• Développement d'un modèle de classification pour la recommandation validation/rejet des opérations.
• Participation à l'industrialisation et au déploiement du dispositif en environnement de production.
• Conception et construction de tables d'apprentissage à partir de multiples sources de données clients, contrats et historiques d'interactions pour la prédiction du risque de résiliation.
• Développement de traitements SQL et PySpark permettant la consolidation dans l'écosystème Hadoop.
• Développement de pipelines de feature engineering pour générer de nouveaux indicateurs.
• Développement et industrialisation d'un modèle de prédiction du risque de résiliation à horizon 3 mois.
• Mise en place d'un dispositif de supervision permettant de suivre la qualité des données et les performances du modèle dans le temps.

Intégration dans l'équipe R&D Data Science pour développer des modèles prédictifs basés sur l'imagerie médicale et les données IoT afin d'améliorer la sélection des patients aux essais cliniques et explorer le potentiel de la santé connectée.

• Récupération et prétraitement d'un jeu de 10 000 images médicales avec pathologies associées ainsi que des données démographiques et cliniques.
• Modélisation par des méthodes de Deep Learning d'une pathologie dégénérative à 1 an en fonction des images à baseline pour prédire la progression.
• Modélisation par des méthodes de Machine Learning d'une pathologie dégénérative à 1 an en fonction des données démographiques et cliniques.
• Équipement de 1 500 collaborateurs avec des capteurs connectés capables d'identifier différentes phases physiologiques.
• Récupération des données et clustering des événements en utilisant des méthodes d'analyse de séquences.
• Caractérisation des groupes obtenus avec des variables comportementales issues d'un questionnaire soumis aux collaborateurs du projet.
• Déploiement avec succès des capteurs connectés auprès de 1 500 collaborateurs volontaires démontrant la capacité à orchestrer un projet IoT à grande échelle.
• Identification d'insights actionnables validant l'intérêt de l'approche IoT pour la santé connectée.

Intégration pour développer un moteur de matching exploitant les dossiers de compétences afin d'accélérer le processus de staffing et identifier des collaborateurs aux compétences similaires lors des remplacements de mission.

• Récupération des dossiers de compétences des collaborateurs et pré-traitement du texte.
• Utilisation de méthodes NLP d'Embedding pour transformer les textes en représentations vectorielles.
• Sélection du meilleur profil pour une offre selon une métrique de similarité.
• Clustering des profils des collaborateurs et création d'une visualisation dans un espace réduit pour observer les profils proches.
• Déploiement et mise à jour automatique du graphique et des dossiers vectorisés en fonction des arrivées et des départs.
• Fourniture d'un gain de temps majeur pour les équipes commerciales capables d'identifier les experts pertinents en quelques secondes au lieu de plusieurs heures de recherche manuelle.

Intégration pour développer une solution d'extraction automatique des données salariales depuis les bulletins de salaire afin d'automatiser le processus de saisie lors du traitement des arrêts de travail.

• Échanges avec les équipes RH pour bien comprendre la structure des bulletins de salaire.
• Accès à 10 000 bulletins de salaire ainsi qu'aux valeurs saisies manuellement par les gestionnaires.
• Création d'expressions régulières pour récupérer les informations souhaitées dans les documents.
• Déploiement des modèles basés sur ces patterns dans des API et conteneurisation des API.
• Réduction drastique du temps de traitement grâce à la pré-saisie automatique des valeurs extraites.
• Élimination des erreurs de frappe dans la saisie des montants garantissant la fiabilité des déclarations et réduisant les risques de litiges.

Intégration pour développer un outil d'optimisation de l'allocation budgétaire permettant aux équipes métier de simuler la répartition des investissements publicitaires entre médias afin de maximiser l'exposition médiatique.

• Développement d'un outil d'optimisation de l'allocation budgétaire entre les médias dans l'objectif de maximiser l'exposition médiatique.
• Création d'une interface graphique permettant de sélectionner la cible publicitaire, définir les options pour chaque média, modéliser les performances en fonction du budget, simuler différents scénarios et sélectionner le meilleur en terme d'exposition globale.
• Restitution des résultats dans différentes feuilles de synthèse.
• Fourniture d'une interface de simulation utilisée par les équipes métier pour tester différents scénarios d'allocation budgétaire et sélectionner la stratégie optimale en fonction des objectifs d'exposition.

Intégration dans l'équipe data pour développer un modèle permettant de quantifier l'impact des campagnes publicitaires sur les ventes et fournir aux équipes marketing un outil de simulation pour optimiser l'allocation budgétaire entre médias.

• Construction d'un Datamart à partir du SGBD avec agrégation des ventes par rayon et famille de produits.
• Construction d'indicateurs pour prendre en compte l'effet des promotions.
• Feature engineering sur les investissements médias pour créer des indicateurs dérivés.
• Modélisation linéaire des indicateurs pour expliquer les ventes.
• Construction d'un dashboard avec restitution des résultats de modélisation et optimisation de la répartition du budget publicitaire entre les médias.
• Quantification de l'impact publicitaire à hauteur de 5% des ventes totales, soit plusieurs millions d'euros de ventes directement attribuables aux campagnes médias.

Assurance de formations techniques sur un logiciel de statistiques et contribution à la vulgarisation des méthodes d'analyse pour les clients.