Fiche métier data scientist : nouveaux profils inscrits et nouvelles missions déposées

Déposez une mission gratuitement ou Déposez votre CV

Le métier de data scientist

Quelles sont les missions principales du data scientist ?

Extraction, uniformisation et structuration des données clients

Le data scientist collecte et choisit les informations clients importantes pour l’analyse. Celui-ci indique aussi les méthodes de stockage et l'organisation des données.

D'autre part, le data scientist convertit et cartographie des informations d’usage produit à travers des dashboards accessibles à tous les collaborateurs. Il optimise donc la qualité et améliore les bases de données clients de la structure.

Aussi, le data scientist détermine les techniques de collecte de données à partir de bases de données de sources différentes. Ce dernier construit l’architecture d'un entrepôt de données décisionnelles. Par conséquent, le data scientist est chargé de maîtriser la qualité des données durant tout leur traitement.

Etudes prédictives et augmentation de la connaissance client

Le data scientist implémente et garantit la modélisation statistique de la data. Il conçoit des scénarios prédictifs des habitudes clients.

Aussi, le data scientist optimise le ciblage des clients en se servant des algorithmes qu'il conçoit. Il examine et met en œuvre les solutions techniques les plus adaptées afin d’administrer de grands volumes d'informations.

En outre, le data scientist met en place des algorithmes de mise en évidence des opportunités de marché. Ce dernier contrôle la cohérence des bases de données.

Le data scientist accompagne également l’entreprise dans le développement d'actions créatrices de valeur.

Optimisation des actions marketing de la structure

Le data scientist met en place et optimise les approches CRM de la relation clients. Celui-ci optimise la performance des plateformes de contact clients.

Par ailleurs, le data scientist a pour mission d'adapter le ciblage des campagnes de publicité web. Il étudie également les taux de rétention client et les composants y contribuant.

D'autre part, le data scientist évalue le ROI de l’ensemble des campagnes digitales de la structure. Ce dernier élabore et ajuste les scores d’appétence, dans le but de transmettre au service marketing les statistiques importantes pour l'établissement d’études de marché.

Création d’outils de support aux clients internes

Le data scientist participe à la mise en place de l'approche stratégique de la société. Celui-ci étudie la totalité des données des ventes pour imaginer des algorithmes pertinents d’aide à la décision.

En outre, le data scientist contribue à la définition des indicateurs de performance commerciale de l’entreprise. Il donne par conséquent au directeur commercial des outils décisionnels pour la conduite des campagnes de prospection.

D'autre part, le data scientist réalise des sondages statistiques pour les clients internes. Il peut aussi conduire les ateliers d’expression des besoins internes et écrire les cahiers des charges.

Par ailleurs, le data scientist rédige la spécification des besoins à destination de la maîtrise d’ouvrage. Celui-ci détermine les outils de reporting multidimensionnel. Aussi, le data scientist expose les résultats des enquêtes effectuées aux clients et forme les équipes aux outils informatiques.

Veille technologique sur les outils de datamining

Le data scientist effectue une veille sur les avancées technologiques d’analyse des données. Ce dernier expérimente de nouvelles solutions d’analyse des informations. Par conséquent, le data scientist met en place les nouvelles techniques de gestion de données.

Management d’équipe

Le data scientist anime les réunions, anime les interventions des collaborateurs. Ce dernier certifie le recrutement des collaborateurs.

D'autre part, le data scientist contrôle le budget et évalue les dépenses liées aux prestations. Il définit les choix méthodologiques des interventions.

Quelles sont les compétences du data scientist ?

Le data scientist doit avoir une parfaite connaissance des algorithmes d’apprentissage automatique ainsi que des outils de data management.

De plus, le data scientist doit avoir une bonne connaissance des outils HADOOP. Il doit aussi appréhender les bases de données SQL et no-SQL.

Finalement, le data scientist doit avoir une bonne connaissance de l'intelligence artificielle. Il doit donc avoir des connaissances approfondies en marketing.

Quelles sont les qualités du data scientist ?

Le data scientist doit disposer d’un sens de l'analyse aiguisé dans le but d’appréhender les questions financières de la société. Il doit également disposer d’un sens de la rigueur appuyé afin d’assurer la précision des analyses réalisés.

Aussi, le data scientist doit posséder une bonne sens de l'organisation dans l'objectif de structurer ses techniques d’intervention. Il doit aussi acquérir un goût particulier pour le service pour augmenter la satisfaction du client.

En outre, le data scientist doit avoir d’excellentes compétences en communication dans l'objectif de convaincre ses interlocuteurs. Il doit être pédagogue afin de faire comprendre sa méthode de travail aux collaborateurs.

D'autre part, le data scientist doit être curieux dans le but de suivre les nouveaux outils. Il doit également développer un goût prononcé pour les statistiques puisque les volumes de données sont importants

Finalement, le data scientist se doit d'être force de proposition dans l'objectif de faire des préconisations aux équipes marketing. Il doit avoir le sens des affaires pour localiser les occasions de marché.

Le data scientist doit ainsi être en mesure de faire preuve d’écoute afin de récolter avec rigueur les informations de la clientèle.

Source : https://www.apec.fr/

Exemple de missions de Taoufik, data scientist habitant le Val-de-Marne (94)

EXPÉRIENCES

Enseignant vacataire
Université Paris-Est Créteil (UPEC) - Depuis septembre 2019
Licence de Sciences Economiques et de Gestion, 3ième année - Économétrie
- Le modèle linéaire simple
- Estimation par intervalle de conance et tests d'hypothèses
- Le modèle linéaire multiple: estimation, propriétés et tests d'hypothèses
- La prévision

Consultant Senior Data Science chez EPSILON France
leader du Datamarketing (ex-Soft Computing)
EPSILON France - Depuis septembre 2019
Enseignant vacataire
Université Paris-Est Créteil (UPEC) - Depuis septembre 2019
Licence de Sciences Economiques et de Gestion, 3ième année - Économétrie
- Le modèle linéaire simple
- Estimation par intervalle de conance et tests d'hypothèses
- Le modèle linéaire multiple: estimation, propriétés et tests d'hypothèses
- La prévision

Consultant Data scientist
Soft computing - Depuis septembre 2016 - CDI - 75015 - France
Voir les missions ci-dessous:

Consultant Data scientist en régie
Engie - Depuis juin 2018 - Courbevoie - France
Réalisation d'un score de déménagement sous Python.
Réalisation des cartographies dynamiques grâce à la librairie Leaet de R dans le but de
visualiser le portefeuille d’Engie.
Réalisation d’études ad-hoc et de prols clients.
Audit & Évolution du Datamart; Mise à jour mensuelle du Datamart & autres tables;
Intégration des scores dans le Datamart.

Consultant Data scientist en régie
Lacoste - Avril 2018 à mai 2018 - 75009 - France
Audit d'une base de données externe dans le but de l’intégrer dans le datawarehouse.
Réalisation d’études ad-hoc et de prols clients sous SAS.

Consultant Data scientist
Biogaran - Mars 2018
Industrialisation d’un score de baisse de consommation sous SAS
Rédaction des spécications fonctionnelles et du User-Guide

Consultant Data scientist en régie
Éditions Lefebvre Sarrut - Mai 2017 à février 2018 - Montrouge - France
Réalisation d’études ad-hoc et de prols clients sous SAS dans le but de promouvoir des
produits.
Construction et industrialisation de reporting sous SAS dans le but de suivre l’activité de
l’entreprise.
Élaboration du budget des ventes pour chaque vecteur (Ventilation par
Produit/Période/Marché).

Consultant Data scientist
Chanel - Janvier 2017 à février 2017
Conception et mise en œuvre du reporting de suivi des comportements d’achat des
clients.
Création de la maquette sous Excel et développement des indicateurs & industrialisation
sous SAS.

Consultant Data scientist en régie
AXA FRANCE - Octobre 2016 à décembre 2016 - Nanterre - France
Diagnostique de la robustesse du score d’identication des clients qui vont changer de
véhicule.
Dans le cadre de l’optimisation et la conception d’ores sur la Prévoyance d’AXA:
Analyse du prol et du comportement d’épargne des diérents types de clients
prévoyance.
Etude des séquences d’équipement pour optimisation des propositions d’ores dans le
parcours client.
Valeur client : Recherche des facteurs explicatifs de la valeur future des clients –
Modélisation linéaire.

Analyste de données marketing
Crédit Agricole S.A. - Septembre 2015 à août 2016 - Contrat
d'apprentissage - Montrouge - France
Exploiter les bases de données internes (données caisses régionales) et externes (INSEE,
baromètres) sous SAS an de déterminer les équipements des particuliers en produits
bancaires (compte courant, crédit consommation, assurance, etc...).
Analyser les positions concurrentielles en comparant les prols des clients de Crédit
Agricole et les autres organismes nanciers.
Évaluer la conquête et l'attrition des clients en mesurant les taux d'ouverture et de
fermeture des comptes courants réalisés au cours des 12 derniers mois.
Réalisation d'études statistiques et marketing approfondies.
Réaliser des synthèses et des présentations, sous Excel et PowerPoint, auprès des autres
équipes de la direction et des caisses régionales an de piloter leur activité marketing.
Mise en place de nouveaux outils via VBA (Graphiques interactifs …).

Voir le profil complet de ce freelance
Nos derniers

CV de data scientist

Nos dernières

missions de data scientist