POSTE : Data Scientist - Ops H/F DESCRIPTION : Résumé : Rattaché à l'équipe centrale de Data & Analytics, votre rôle est de mener de bout en bout des projets analytiques à forte valeur ajoutée. Vous participez à l'identification de la problématique, au cadrage, aux analyses et définition de la solution à mettre en place, au développement d'une solution industrialisée et à son suivi dans le temps Vous travaillerez sur les problématiques principales suivantes - Conversion Rate Optimization : diagnostic, recommandation de produits, segmentation, NBO - Optimisation du revenu : pricing, yield management, demand forecasting - Optimisation des processus internes : briques analytiques / IA permettant d'optimiser des processus En plus de vos compétences techniques, vous avez également une forte sensibilité Business et prenez toujours en compte la valeur associée au projet dans votre façon de travailler. Vous êtes capable d'identifier les solutions les plus adaptées pour répondre à une problématique en prenant en compte votre environnement de travail, les outils disponibles et le temps imparti. Vous êtes capables de vulgariser votre travail pour le communiquer à tous types d'audiences (techniques ou non) de façon claire et concise avec des recommandations actionnables Tâches de base : 1. Exploration de données - Connaissance des bases de données Karavel, de leurs rôles et leurs dépendances - Exploration des données et formulation d'hypothèses sur l'intégralité de l'entreprise (marketing, pricing, opérations, finance etc.) - Recommandation sur la modélisation à adapter, le modèle à utiliser, les features à prendre en compte etc. 2. Modélisation et formulation de recommandations - Modélisation de la donnée pour répondre au problème, choix du modèle à utiliser - Feature Engineering, améliorations itératives du modèle ou de l'analyse pour affiner la recommandation - Recommandation et définition des grandes étapes d'implémentation - Documentation des choix faits, des résultats etc. 3. Communication et storylining - Création de supports de communication (PowerBI, PowerPoint) et partage des résultats - Storylining (Présentation de recommandations argumentées sous forme de récit, vs présentation « à plat » de faits) 4. Participation à la mise en production des flux de données avec l'équipe BI - Définition des sources à utiliser, des flux à mettre en place pour l'alimentation du modèle et la consommation des résultats avec les équipes de BI et autres équipe IT éventuellement impactées - Suivi de l'industrialisation par l'équipe BI 5. Déploiement d'une solution industrielle - Développement d'un modèle (LLM, Machine Learning, Optimisation) et de son écosystème (API, Interfaces, Monitoring) en python - Déploiement sur l'infrastructure mise à disposition (VMs, Docker) - Maintien de la solution post mise en production (suivi de KPIs de performance technique et fonctionnelle) 6. Suivi des résultats du projet dans le temps - Définition des critères de succès du projet, des KPIs à mesurer - Mise en place de reportings automatisés pour suivre la performance - Suivi régulier et communication sur les résultats 7. Gestion de projets - Gestion de projets data de bout en bout (du besoin à la livraison), coordination des interlocuteurs, gestion de la vie du projet, reporting sur l'avancement - Autonomie dans la gestion du projet - Maintien à jour des différents supports de suivi de projet (roadmap, fiches projets, documentation finale) - Partage de connaissances avec le reste de l'équipe et collaboration Compétences : - Curiosité et qualité relationnelle forte, pédagogie et capacité de communication et de synthèse - Sensibilité business, capacité à rapidement identifier les sources de valeur pour l'entreprise et trouver des solutions pragmatiques à des problématiques - Maitrise des outils standard d'analyse de données : - Python : Jupyter, Pandas, Scikit-Learn, Shap, MLFlow - Developpement : FastAPI, Docker, Streamlit, Chainlit - Automatisation : n8n, Gitlab CI - Visualisation : PowerBI - SQL (Snowflake est un +) - Expérience préalable dans le développement et déploiement de projets LLM en entreprise (RAG, optimisation de processus) - Rigueur. Réalisation systématique de vérifications de cohérence et d'ordre de grandeurs. Capable de rapidement mettre des résultats en perspective pour s'assurer que les sources sont correctes, que la modélisation est bonne, que les résultats ont un sens - Autonomie pour apprendre et solliciter ses pairs en cas de besoin et pour challenger ses travaux - Capacité à comprendre des problématiques complexes, prendre du re