Management d’une équipe de 10 à 12 data scientists, 2 data engineers et 1 architecte.
Mise en oeuvre de projets big data pour le marketing prédictif (retraite, prévoyance et santé).
Coordinateur des travaux du Pôle Data avec le reste de la direction informatique.
Projets opérationnels
– Pilotage de l’activité avec Azure Devops (gestion de projet, suivi des éléments de travail, des livraisons)
– Planification des itérations Scrum et organisation des rituels (daily meeting, sprint planning, sprint review/retro)
– Définition d’un process agile et adapté à la data science
Algorithmes
– Moteurs de recommandation : pour produits assurance et mutuelle
– Détection d’attrition (churn)
– Détection de fragilités et de fraudes
– Profilage et Segmentation clients
Environnement technique
Cloud Microsoft Azure, Spark, langage R
Python 3.5, MLFlow, Azure Databricks, IntelliJ (IDE), Hive (base de données Spark)
Power BI (dataviz), SQL Server (données prévoyance et marketing), AS/400 (données retraite)
Livraisons en continu CI/CD (mode devops)
Défi relevé :
délivrer des algorithmes en production pour le marketing prédictif, avec les aléas du calendrier des campagnes marketing
Projets architecture
Socle (référentiel de données)
Pilotage du projet Socle :
Mise en oeuvre d’un référentiel de données, comprenant des données de référence et des données transactionnelles
– Ce référentiel est destiné à l’actuariat et aux data scientists pour faciliter la création de leurs algorithmes
– Spécifications fonctionnelles et techniques du projet
AS/400, SQL Server, LucidChart (modélisation)
Défi relevé : produire rapidement un référentiel de données en simplifiant le modèle sans perte d’information
1er lot : produit, contrat et personne
Open Data
Récupération des données Open Data (Insee, CAF, Gouv) sur différentes mailles (commune, EPCI, carreau) afin d’enrichir les modèles sur des variables significatives
Défi relevé : obtenir des données pertinentes, fiables, sans recours à des tiers