Data scientist - lutte contre la fraude

Au sein du pôle Data Science, et en étroite collaboration avec un Data Scientist Senior et un Data Product Manager, vous aurez en charge l'exploration d'un nouveau sujet dans le domaine de la lutte contre la fraude. Par des méthodes d'Exploratory Data Analysis et la mobilisation d'outils d'analyse issus de la Data Science (notamment par des méthodes non-supervisées), vous identifierez des patterns susceptibles de révéler des pratiques frauduleuses.



Responsabilités :

1. Recueil et compréhension des besoins émis par les clients internes / Products Owners Métiers
2. Recherche de la démarche scientifique la mieux à même de répondre à la problématique, dans une logique itérative et incrémentale
3. Expression de besoin en termes de collecte de données, dans le respect de la réglementation et en concertation avec le Data Protection Officer et/ou ses relais
4. Analyse (statistiques descriptives, audit de la donnée, ...), transformation (agrégation, consolidation, feature engineering) et visualisation de la donnée
5. Construction de modèles prédictifs, évaluation de leur performance et plus largement définition des KPI business justifiant de la valeur du cas d'usage
6. Restitution et valorisation des résultats aux clients internes / Products Owners Métiers



Livrables attendus & planning :

1. Analyse Exploratoire de données
2. Rapport d'analyse, data visualisation et pistes de recherche à diffuser au métier
3. Pipeline d'acquisition, préparation et traitement de données (structurées et non structurées)
4. Pipeline d'entraînement, test et validation
5. Composants d'inférence
6. Prototypes et démonstrateurs
7. Plan d'expériences et de tests
8. Documentation technique et fonctionnelle
9. Rapport de veille technologique et technique



Compétences fonctionnelles / Techniques attendues :

1. Expertise DA & DS, avec un angle très opérationnel et une capacité à mobiliser tous les outils de la science des données pour identifier des pistes intéressantes
2. Analyse Exploratoire de données
3. Méthodes de clustering et d'analyse non supervisées
4. Etat d'esprit particulièrement entreprenant et proactif, aimant l'investigation et l'exploration (méthode scientifique, hypothetico déductive, inférence, ...)
5. Capacité à organiser la recherche de cas suspect, d'outliers de manière organisée, efficace, inventive, non conventionnelle
6. Excellente capacité à faire le lien entre le domaine métier, ses process et les données
7. Capacité à identifier les sources pertinentes, à lancer de nouvelles pistes de recherche
8. Idéalement, très bonne expérience dans le domaine de la lutte contre la fraude ou de l'actuariat (produit d'assurance santé, process de remboursement santé)
9. Maîtrise avérée de Python et SQL
#J-18808-Ljbffr