-Accompagnement consultants-Stratégie de développement-Participation Stratégie marketing-Réalisation de partenariats-Mise en place de l'offre

Gestion de plusieurs projets et expertise technique sur diverses mises en œuvre :1. Création d'un DataLake Cloudera, DataLab et gouvernance des données2. Mise en œuvre de cas d'utilisation liés à la détection de la fraude- Agissant en tant qu'interface entre les équipes métier et techniques- Animation d'ateliers d'élaboration du projet et examen de notes techniques- Évaluation des réponses techniques- Validation des matrices RACI- Audit de l'infrastructure livrée pour DataLake et DataLab- Animation d'ateliers avec les unités métier pour l'identification et la priorisation des cas d'utilisation avec un ROI élevéENVIRONNEMENT TECHNIQUE : Méthodologie Agile, Jira, Confluence, distribution de la plateforme Hadoop Cloudera DataLake, Data Dictionary - Atlas, Tests et qualité du code : Pytest et Sonar, bases de données : Oracle, PostgreSQL, Hive, Python, R, RShiny, PySpark, Dataiku, ElasticSearch, ArcGic, Docker, Kafka, Nifi, Scoop, Apache Oozie, Gitlab, Gitlab CI

CONTEXTE : Accompagnement des équipes métier et techniques des départements de la Liquidité et de la Comptabilité dans la mise en œuvre de plusieurs projets Big Data et Data Science.Cadre et gestion du projet :- Cadrage des besoins métier et rédaction des énoncés de besoins- Priorisation des produits et fonctionnalités attendus en coordination avec l'équipe de direction- Préparation de documents internes présentant des solutions techniques en coordination avec les architectes- Préparation et animation de Kickoffs et Steercos- Participation aux réunions de l'équipe projet- Coordination des travaux du comité technique mensuel- Participation au suivi des comités hebdomadaires- Gestion de 10 employés, 5 à temps plein et 5 à temps partiel- Gestion et expertise technique sur les projets suivants : 1. Détection automatique et correction manuelle des anomalies dans les opérations de trading 2. AIA : "Artificial Intelligence Assessment" 3. Traitement des demandes métier spécifiques : extraction de données, création de tableaux de bordProjet 1 : Détection automatique des anomalies dans les opérations de trading (8 To) et correction des ratios de liquidité- Extraction de données, unification des schémas de données au format JSON- Chargement des données sur le datalake et optimisation du chargement- Mise en œuvre d'une machine de data mining avec 13 algorithmes non supervisés- Augmentation des données : enrichissement des données avec des variables artificielles- Mise en œuvre de modules de post-traitement des valeurs aberrantes et de notation des anomalies- Études statistiques des données et découverte des motifs d'anomalies- Production d'algorithmes évolutifs sur le datalake- Etc.ENVIRONNEMENT TECHNIQUE : Git, Azure DevOps, AzureML, cloud Azure, Microsoft Planner, JIRA, PySpark, Cloudera, Clustering Deep learning, algorithmes, Docker, Apache Oozie, Jira

Gestion de projet et expertise technique sur les projets suivants :1. Moteur de recommandation de prix CALC : un outil de négociation des ventes basé sur l'apprentissage automatique2. Modélisation de la résiliation des clients et estimation du ROI3. Outil de déploiement automatique pour les modèles de Data Science- Proposition d'une architecture Big Data pour la migration des sorties de Data Science de SPSS vers CDSW (livret d'architecture détaillé)- Mise en œuvre de l'architecture Big Data sur 5 nœuds puis mise à niveau vers 40 nœuds (Cloudera)- Réalisation et production de plusieurs POC basés sur les technologies suivantes - Régression quantile XGboost, SparkML, Python, HbaseProjet 1 : Moteur de recommandation de prix appelé CALC- Analyse du besoin, élaboration du plan de travail (ressources, délais) et coordination de l'équipe projet- Identification des différentes sources de données et préparation des données- Mise en œuvre de l'architecture Big Data fonctionnelle/logicielle du projet (architecture Lambda)- Industrialisation du modèle d'apprentissage automatique dans le cluster Big Data (cluster Cloudera sur AWS)- Conception et développement des APIs REST pour interroger le modèle d'apprentissage automatique- Gestion des versions et organisation du déploiement avec différents acteurs (métier, IHM et DevOps)- Préparation et validation des spécifications d'acceptation et suivi des testsProjet 2 : Modélisation de la résiliation des clients et estimation du ROI- Identification des sources de données- Chargement des flux dans le datalake- Analyse statistique des données- Prétraitement des données (Hive, Python, PySpark)- Modélisation d'apprentissage automatique avec Random Forest- Mise en production du projet sur Cloudera - Réécriture des scripts sur CDSW avec PySpark - Planification des lots (CDSW, planification)- Industrialisation du projet de résiliation- Formation des utilisateurs

Gestion de projet et expertise technique sur divers projets, dont les projets non confidentiels suivants :1. "Analyse des incidents" : plateforme d'analyse et de prédiction des accidents graves2. "Inspection de pipelines par robot" : prédiction des anomalies avec des robots de nettoyage de pipelines3. Projets liés à la "Plateforme Générale de Prédiction" a. Prédiction de la marge sur les dérivés b. Prédiction des prix du pétrole c. Prédiction des pannes dans les unités de raffinerieProjet 1 : "Analyse des incidents" : plateforme d'analyse et de prédiction des accidents graves- Mise en œuvre de l'architecture Big Data pour les projets de données (branches RC, EP et MS)- Développement de modèles d'apprentissage automatique pour prédire le niveau de risque d'accident basé sur les anomalies, les incidents proches et les rapports de maintenance (texte intégral)- Modélisation et mise en œuvre de deux cas d'utilisation pour l'analyse des accidents- Liaison des retours d'expérience, des accidents et des anomalies signalées par site- Recommandation des mesures à prendre suite à un accident à haut risqueProjet 2 : "Inspection de pipelines par robot" : prédiction des anomalies avec des robots de nettoyage de pipelines- Croisement des données des capteurs provenant des inspections de robots effectuées sur 300 km de pipelines entre Le Havre et Paris- Prétraitement des données et enrichissement avec des données ouvertes- Mise en œuvre d'un modèle de prédiction des défaillances (corrosion, fissuration, rupture, bombement...)- Mise en œuvre d'une application avec ArcGic pour visualiser les résultatsENVIRONNEMENT TECHNIQUE : Jira, Confluence, Azure Data Factory, AzureML, Blob storage, Python, Hive, Sqoop, MongoDB, REST Web Service, TextMining, extraction sémantique, pipeline NLP, classificateur, PySpark, HdInsight, REST Web Service, Hive, Hbase

INTERLOCUTEURS : Responsables de la ligne métier du département Customer Intelligence, chefs de projet, développeurs informatiquesRÔLE : EXPERT EN DATA SCIENCE / BIG DATA- Projet de Lutte contre le Blanchiment d'Argent et le Financement du Terrorisme au sein du département Customer Intelligence : migration vers une approche Big Data et Data Science au lieu de règles manuelles sur Oracle- Création d'un prototype Big Data pour remplacer le système existant (gain : réduction du temps de traitement de 8 heures à 40 minutes) et mise en œuvre de l'architecture- Modélisation des données, préparation de l'espace de stockage, importation des données et automatisation des flux- Mise en œuvre de règles métier pour la détection d'alertes sur des transactions suspectes (une dizaine de modèles d'alertes)- Ajout d'un ensemble de règles via des algorithmes d'apprentissage automatique (règles d'association + classificateur SVM)- Ajout de fonctionnalités de paramétrage, de rattrapage et d'extension du modèle- Proposition d'une architecture cible avec une estimation budgétaire pour la migrationENVIRONNEMENT TECHNIQUE : Hortonworks, Python, modèle de science des données, Hive, Sqoop, Oracle

INTERLOCUTEURS : Responsables métier de l'intelligence client, Chefs de projet, Développeurs informatiques.- Au sein du département de connaissance client, division CRM - Agile- Conception et mise en œuvre d'un Datalab pour le département CRM- Le Datalab est conçu pour préparer les données pour le calcul des scores, le marketing ciblé et les extractions commerciales : - Rédaction des spécifications techniques détaillées - Modélisation du Datalab et cartographie des flux - Alimentation du Datalab avec Sqoop + Tests (rapport de test de performance) - Industrialisation de l'alimentation + Optimisation des scripts de calcul et de l'architecture- Mise en œuvre de 14 KPI réseau (Hive, Impala, CADS, Teradata) - Qualité de service des clients mobiles (taux d'appels perdus, couverture réseau voix-données, etc.) - Compatibilité entre les antennes et les téléphones portables - Travaux temporaires sur les grandes antennes - Qualité de service des TV-Box, couverture (4G / 3G / U900)- Ciblage push mobile via l'analyse du comportement client pour augmenter l'audience sur les applications (Hive, Impala, Cloudera, Teradata)- Campagnes de marketing ciblé dans un environnement Big Data (R, Hive, Teradata)- Réalisation du projet "Qualification des données marketing et administratives" (Impala)- Responsable de la partie Big Data du projet FUNEL (transformation des ventes)ENVIRONNEMENT TECHNIQUE : Teradata, Cloudera, Hive, Impala, Sqoop, Python, Oozie, SPSS