Explorer le besoin d’un commanditaire interne en produisant une note ou un cahier des charges précisant les questions statistiques qui seront étudiées, les sources d’informations mobilisées et l’analyse des informations produite afin de valider la bonne compréhension de la demande. Auditer le système d’information en ayant réalisé une cartographie au préalable afin d’identifier les informations utiles à la réponse aux besoins et les possibilités d’amélioration des systèmes d’information. Requêter le système d’information à partir des outils de requêtage des bases de données (SQL) et des API de l’entreprise pour collecter les données qui seront utilisés pour répondre à la demande du commanditaire. Collecter des données sur le web en mobilisant les outils de web scraping afin d’automatiser les extractions permettant de répondre à la demande d’une part et d’autre part d’enrichir le système d’information de façon pérenne. Prétraiter les données collectées en procédant à des vérifications statistiques (qualité des données, valeurs manquantes, aberrantes, complétude des données) et en réalisant le cas échéant des recoupements afin de qualifier les caractéristiques des données et aider à la documentation des données. Documenter les données extraites en produisant l’information nécessaire à son utilisation (sources, traitements réalisés, vigilance sur les biais d’observation, de sélection, les valeurs manquantes, aberrantes…,) dans un objectif de conservation et de réutilisation et dans le respect du cadre déontologique Réaliser des analyses de données en mettant en œuvre les procédures statistiques descriptives et exploratoires afin de décrire et qualifier les différentes données caractérisant les clients et leurs comportements, détecter les incohérences dans les données et comprendre les corrélations entre les variables. Modéliser un comportement donné d’un client ciblé mettant en œuvre les modèles de régression y compris dans les cas complexes (grand nombre de variables, multi colinéarité) afin d’identifier les relations entre les variables et mieux comprendre les actes de consommation du client. Prédire un comportement donné d’un client cible en utilisant les modèles supervisés non paramétriques et en s’appuyant sur les méthodes du machine learning (arbres de décision, forêts aléatoires, méthodes à noyaux, machines à vecteur de support avec noyaux non linéaires) afin d’optimiser la connaissance et la relation client Traiter les données textuelles recueillis auprès des clients avec les outils du NLP (traitement automatique du langage naturel) afin de réaliser la classification de texte, l’extraction d’informations, et permettre la mise en œuvre des méthodes dite d’analyse de sentiments permettant la compréhension du client. Modéliser les évolutions d’un comportement client, en fonction du temps et à partir de l’analyse des séries chronologiques (en mettant en œuvre des modèles ARIMA, SARIMA, Holt-Winters, Réseaux de neurones récurrents) afin de faire des prévisions de valeurs futures en fonction de certains déterminants, en particulier ceux sur lesquels une action est possible Produire les modèles adaptés aux données déséquilibrées et aux valeurs manquantes en paramétrant les procédures statistiques utilisés afin d’obtenir une meilleure fiabilité des informations produites. Produire des indicateurs répondant aux problématiques métiers en précisant leurs propriétés métrologiques et leurs limites d’interprétation afin de répondre à la demande des directions métiers et d’accompagner la prise de décision. Réaliser les représentations graphiques les plus pertinentes possibles en vérifiant les règles de la sémiologie graphique et en déterminant les formes graphiques les plus adaptées afin de rendre accessible la compréhension des données au client de façon claire et pédagogique, et ce en intégrant la prise en compte des handicaps visuels et en utilisant les outils de datavisualisation. Concevoir des dashboard (tableaux de bord) en interaction avec les équipes en ayant documenté les données en amont et en s’assurant de leur automatisation possible afin de compiler les informations essentielles sur les moyens, le suivi de l’activité et la performance et ce, en tenant compte des ressources de l’entreprise. (data notamment) Construire un discours narratif permettant de susciter l’intérêt de son auditoire afin de mettre en avant les principaux messages de son analyse tout en favorisant sa mémorisation et ce, en s’appuyant sur les formes produites. Définir le cadre de gestion de projet le plus adapté en tenant compte des contraintes de délais, de ressources et d’objectifs afin de cadrer son projet et gagner en efficience pendant son déploiement Piloter un projet dans le respect du cadre donné par une feuille de route, incluant la bonne gestion des ressources humaines du projet dans le respect des besoins individuels (notamment en cas de situation de handicap), le respect des différents jalons afin de s’assurer de la bonne qualité du livrable et du respect de la demande du client et le cas échéant, du cahier des charges. Diffuser l’usage des nouvelles méthodes d’exploitation des données notamment IA et leur cadre éthique auprès des directions commerciale et marketing en s’appuyant sur une veille active, et en apportant des conseils sur les processus et procédures à mettre en place à tous les stades de l’utilisation des données afin de développer des bonnes pratiques et garantir le respect de la vie privée, la confidentialité des données et le respect des règles de sécurité de l’information. Partager ses besoins et ses contraintes, ses objectifs, sa culture métier dans le cadre de dispositifs collectifs existant ou le cas échéant, créés à son initiative afin de mieux comprendre les problématiques rencontrées par les différents professionnels des métiers connexes dans l’entreprise autour du traitement de l’information et construire un écosystème de la data plus efficace et rendre plus fluide la collaboration entre les services et métiers Concevoir un processus structuré de veille technologique et règlementaire en réalisant une sélection d’outils performants par rapport à l’objet des recherches à effectuer afin de s’assurer du maintien de son efficacité opérationnelle et de ces compétences technologiques (notamment en matière d’IA, outils datascience) et assurer le respect du cadre déontologique et éthique. Réaliser des notes explicatives à l’attention des parties prenantes et lecteurs non data scientists permettant une prise de décision éclairée à partir d’une bonne compréhension des résultats et de leur limites (interprétabilité, intelligibilité) et tenant compte d’un contexte multiculturel et/ou international ou de la présence d’un éventuel profil en situation de handicap.