ref: DH014345
CDI – Mission au sein d’un grand groupe bancaire.
Le candidat doit avoir totalisé un minimum de 4 ans d’expérience professionnelles sur des sujets similaires,
pour que la candidature soit recevable. A défaut nous ne pourrons pas donner de suite positive.
Description du besoin :
Participer aux différents projets et cas d’usages de DataScience, dans l’ensemble des phases projets
(Idéation, Expérimentation, Pilote, Industrialisation, mise en marcher)
Contexte de la mission :
Nous réalisons des projets de DataScience depuis 2016.
Les projets et cas d’usages sont réalisés pour le groupe.
Le périmètre d’équipe a intégrer couvre la BI (SAP BI4, PowerBI), la DataScience (réalisation de projets),
l’outillage (Knime, Python/CondaForge, Hadoop/Spark/Hive, Alterix, etc.), les travaux d’évolution (passage
à Cloudera, passage à Exadata, mise en oeuvre de la DataVirtualisation).
L’équipe est répartie sur plusieurs sites
Objectifs de la mission :
Le Datascientiste doit
s’investir fonctionnellement
s’investir techniquement dans notre ecosystème
s’intégrer à notre équipe multi-site
avoir une capacité de travail à distance.
Description :
• Etablir des scénarios permettant de comprendre et d’anticiper de futurs levier Métiers ou opérationnels
pour l’entreprise.
• Réaliser tout le cycle de valorisation de la donnée : choix, collecte, analyse de qualité de donnée,
redressement, préparation, puis valorisation spécifique à la Data Science (analyse prédictive voir
prescriptive, mise en place d’algorithmes d’apprentissage automatique ou profond, conception de Data
Visualization dynamique, Data Storytelling, etc.)
• Appliquer des techniques (statistiques, text mining, comportementale, géolocalisation, …), d’extraction
et d’analyse d’informations, obtenues à partir de gisements de données (Big Data)
• Obtenir des données adéquates, trouver les sources de données pertinentes, faire des recommandations
sur les bases de données à consolider, modifier, rapatrier, externaliser, internaliser, conçoit des datamarts,
voire des entrepôts de données (data warehouses).
• Évaluer la qualité et la richesse des données (les rassembler, les modéliser et en vérifier la véracité).
• Analyse des résultats pour ensuite les intégrer dans le système d’information cible du Métier
• Analyse des données pour traduire une problématique Métier en problème mathématiques/statistiques
et réciproquement
• Comparer et évaluer différents modèles ou méthodes de calcul, et anticiper les avantages et
inconvénients dans un environnement Métier
Suivez nous