CV/Mission de Formateur spss freelance

Exemple de missions de Moustapha,
Formateur spss habitant le Val-de-Marne (94)

NOKIA GROUP - ASN, Industrie, submarine Networks systems 05/2021 – 04/2024
TECHNICAL LEAD MANAGER, DATA ENGINEER /DATA ANALYST, Outils: TABLEAU SOFTWARE, SAS, PYTHON, GITHUB

C
 Tech lead de l’équipe DataDEV ASN
 Montée en compétences de l’équipe DataDev
Organisation et coordination de l’équipe technique sur différents projets (ASN Planning system, DPR Marine)
 Refonte du système de planification (Usine de production)
 Mise en place plateforme de données (Fichiers plats, Applications  Base de données)
 Accompagnement du métier dans l’identification du besoin, Rédaction des spécifications techniques
 Identification des processus Business en lien avec la donnée, Mapping des données
 Elaboration des scripts de traitements des données
 Alimentation et organisation de l’entrepôt de données (Datamart)
 Automatisation des règles de calcul de planification pour l’usine de production
 Mise en place de Dashboard (KPIs de gestion de charge de production à l’usine, gestion des cuves…)
 Déploiement des Dashboards sur le serveur Tableau, création et gestion des accès utilisateurs
 Automatisation des updates des données depuis l’entrepôt de données & actualisation des Dashboards en temps réel
 Mise à disposition des planificateurs des scénarios de planification (Aide à la decision)
 Architecture comitee contributor
 Participation au comité d’architecture
 Force de proposition d’outils de plateforme de données
 Processus de mise en place d’organisation du cycle de la donnée

VOLKSWAGEN GROUP, Automobile 04/2016 – 01/2020
SENIOR DATA SCIENTIST, Outils: TABLEAU SOFTWARE, SAS VA, SAS GUIDE, PYTHON, SAS MINER

C
 Dashboard (KPI Après-vente) & Data visualisation sous SAS VISUAL ANALYTICS / TABLEAU SOFTWARE
 Création de rapport : KPI (CA Pièces, Traffic Atelier, Panier Moyen, Type de réparation…) à
destination du Boarding, Chefs de marché, Maison-Mère : VW, AUDI, SEAT, SKODA, VU
 Dieselgate (NOx’s Emission)
Suivi des véhicules remis aux normes / Marques & CA additionnel
Estimation de la charge additionnelle (Plan capacitaire RA), Prévisionnel conformité du parc
 Système de recommendation de prestations (Estimation kilométr.  Méthode : Deeplearning (RNP), Asso. Rules)
 Affiner l’estimation du kilométrage afin de prévoir le besoin du véhicule (Matrice de recommandation Constructeur)
 Elaboration de règles d’association (Cross selling) issues des achats pièces afin de générer des ventes additionnelles
(Clientèles Prof.)
 Conception & Monitoring Modèle prédictif (Seg II & III (Cars 4 -10 ans  Méthode : Regression (Bagging) )
 Détecter les clients susceptibles d’être concernés par les interventions de types : Entretien, Freins, Pneus, Vidange…
 Elaboration de grille de score afin d’optimiser les coûts de communication, Bilan de campagne (ROI)
 Segmentation du car parc (Méthode : K-means & RFM)
 Création de groupes homogènes de véhicules sur base de leurs transactions afin de proposer des
offres marketing personnalisées, auto-paramétrage & Industrialisation de la segmentation
 Système calcul de prime aux réparateurs – (Camp. : Promo pièces RA  MRA)
 Conception & automatisation des règles de calcul des bonus à verser au réseau de RA (Préco.)
 Mesure de l’efficacité de l’action & livraisons automatiques des résultats pour chaque RA
C

GROUPAMA – GAN, Assurance 07/2014 – 02/2016
LEAD DATASCIENTIST, Outils: SAS, KXEN, EXCEL, SPAD

C
 Project Manager Moteur de recommendation produits (Méthode : Regression Logistique, Arbre de décision)
 Formalisation du besoin auprès du business (MOA), WorkShop
 Team Technical Lead (MOE)
Encadrement méthodologique et technique (2 consultants Datascientist) (MOE)
Audit des modèles de ML existants (Recalibrage, Backtesting & Optmisation)
Conception modèles prédictifs de churn (Attrition) & d’appétence produits : Assurance Auto – Vie – 2 roues –
Habitation & Prévoyance  Pousser le meilleur produit au client
Calcul automatisé des notes de score des modèles et injection dans le SI & Adobe campaign (Batch SAS)
 Project Manager DATAMART
 Recueil besoins (Définition KPI, Forme Livrables, Fonctionnalités), Estimation projet (Coût & Chiffrage) (MOA),
Workshop avec le business, Rédactions Spécification fonctionnelles (MOA)
 Elaboration des scripts SAS & rédaction des Spécifications techniques détaillées (MOE)
 Recette, Passage en production, Corrections, Maintenance (Suivi Prod.) (MOE)
 Reporting KPI de suivi d’activité & sinistralité par produits (Auto, Habitation, Prévoyance, Vie)
 Segmentation client – Maintien & Evolution
 Constitution des segments clients selon : La valeur et potentiel & Livraison du listing des clients segmentés au réseau
commercial
FNAC - DARTY, Retail 03/2014 – 06/2014
DATASCIENTIST, Outils : SAS, SPSS, ADOBE CAMPAIGN (Notions)

C
 Fidélisation Client (Méthode : Arbre de decision)
 Etude sur les comportements d’achats des clients- adhérents Fnac (Magasin & Site internet)
 Optimisation & Préco. Des critères de fidélisation de changement de gamme des adhérents (Up. ou Down grade)
 Constitution des fichiers « Clients » à privilégier
 Indicateurs décisionnels sur les magasins & site internet
 Constructions d’Indicateurs statistiques (Chiffre d’Affaire par région, Magasin & Online,Type de client...)
 Evolution et proposition méthodologique de quantification du Chiffre d’Affaires issu du Web sur les différentes Magasins
 Intégration Données « Billetterie » dans le SI - Enrichissement SI
 Recette et contrôle de cohérence des données issues de la billetterie Fnac en environnement de recette (SAS Guide)
 Schéma de modélisation de la donnée & Contrôle du passage en Production avec la DSI

 Urbanisation des DATA & Calcul KPI assurantiels (Sinistralité, Exposition au risque CATNAT)
 MOA
Recueil besoins auprès du métier, validation règles KPI
Workshop avec la DSI afin de préciser le besoin métier, Compte rendu au métier & suivi de projet
Spécifications Fonctionnelles
 MOE
Spécification techniques avec la DSI
Cartographie de la donnée en lien avec le site « e-ceres »
 Construction KPI sinistralité (Sous Cube en accompagnement de la DSI)
Caisse Centrale de Réassurance, Assurance
DATA ANALYST, Outils : ORACLE SQL, MICROSTRATEGY

C
HEDIOS, Gestion Fortune 07/2012 – 07/2013
DATAMINER, Outils : R, SAS

C
 Modèle de Score Assurance vie & produits structurés à des fins d’optimisation de Ciblage
 Identifications les clients appétents afin d’optimiser le ciblage & les appels téléphoniques
 ROI des campagnes & monitoring du modèle de score
 Modèles de survie (Méthode : KM)
 Fournir à la RC le moment de rappel téléphonique le plus propice afin de transformer les prospects en clients
 Bilan des campagnes en termes de coût et de taux de souscription
 Segmentation clients (Méthode : RFM)
 Identifier les clients les plus actifs, fidéliser les clients indécis et réactiver les clients inactifs (Recense, Fréquences & montant
de souscription produits)
 Etudes Statistiques AD’Hoc
 Profil des clients par catégorie de produits, Etude spécifique des Actionnaire hedios
 Dashboard de suivi d’activité (KPI)
 Suivi du Recrutement mensuel de la clientèle & Suivi activité commerciale (Campagnes : Souscription produits)
07/2013 – 02/2014

COFINOGA (BNP), Crédit 11/2010 – 06/2012
CHARGE D’ETUDE RISQUES, Outils : SAS, EXCEL(VBA), VBA

C
 Octroi crédit
 Elaboration des stratégies risque d'octroi client sur différentes enseignes du réseau de recrutement « Carte privilège »
 Recette sous NBSM des stratégies Risques sur base du score de crédit & Passage en PROD
 Supervision du Comité d’octroi de prêt
 Upgrade crédit - Maitrise du Risque de crédit « recruté »
 Proposition d'autres produits et déplafonnement aux clients selon les classes homogènes de Risk (CHR).
 Reporting de suivi du risque
 Indicateurs recouvrement (A 3, 6, 12,24 mois) du risque par génération de crédit & matrice de transfert des « Flow Rates »
 Campagne préventive "Risque"
 Organisation de campagne à la cellule accompagnement
 Mesure de l’efficacité de la campagne (Quantification des débiteurs sorti de l’endettement)
 Procédures risques - Maîtrise du risque opérationnel
 Elaboration de procédure de prévention du risque opérationnel

PROJETS

 03/2020 – 06/2020
 Formateur Tableau Software, Machine Learning (Udemy, DataskillsValue)

 2019
 Projet de réorganisation des données (HEDIOS) : Création de Datamart métier (MySQL, Power BI, Talend)