André Michel Bimbai

Réalisations :

• Analyser les données pour répondre aux interrogations du business

• Mise en place d'infrastructures de données

• Développement, mise en place et maintenance de bases de données

• Évaluation de la qualité des données

• Générer des informations et des idées à partir d'ensembles de données et identifier les tendances et les modèles

• Préparation de rapports pour les équipes de direction et de projet

• Développement de dashboard

Compétences techniques : Google cloud platform (Bigquery), PowerBI, SQL, Data build tool (DBT)

Réalisations :

• Développement d'un reporting automatisé pour le suivi des stratégies de recouvrement automatique :

• Identification et extraction des données pertinentes de différentes sources disponibles (snowflake, medium)

• Traitement et transformation des données en une seule table des variables utiles pour le suivi des stratégies de recouvrement

• Création de dashboard (tables et graphiques) pour le suivi des stratégies de recouvrement

• Construction de KPI pour le suivi de la récidive sur impayés

• Production de reporting mensuels

• Procédures détaillées documentées.

Environnement technique : SAS, SQL, Excel, Microstrategy,Snowflake

Réalisations :

• Data processing : Effectuer des contrôles de qualité sur les sources de données pour vérifier les données manquantes, les incohérences et effectuer des activités de traitement et transformation des données en variables utiles à l'analyse.

• Analyse des données : Garantir les méthodes d'analyses statistiques selon le projet

• Statistiques descriptives et inférentielles : recueillir des observations portant sur des sujets, traduire ces observations par des nombres qui permettent d'avoir des renseignements sur certaine propriété (effectif, pourcentage, moyenne ± écart type, test d'hypothèse, corrélation) et décrire l'information résumé sous forme de tableaux et figures.

• Analyses de survie : Dans le contexte des études longitudinales ou les essais cliniques, estimer la distribution des temps de survie (fonction de survie), comparer les fonctions de survie de plusieurs groupes et la manière dont des variables explicatives modifient les fonctions de survie grâce aux méthodes de régression de Cox et risques compétitifs.

• Analyses prédictives et/ou pronostics : Dans le contexte des études longitudinales ou les essais cliniques, développer (ou entraîner) des modèles permettant de prédire une probabilité de la variable cible en fonction du poids estimé d'un ensemble de variables d'entrée. Le cas échéant selon l'objet de l'étude, évaluer le modèle entrainé dans un échantillon de validation (Régression logistique, score de propension et régression pénalisée, etc).

• Data reporting : Suivi de l'activité du service Assurer la réalisation d'indicateurs de performance et la diffusion de rapports d'activité du service (tableau et figures) Procédures détaillées documentées.

Environnement technique : SAS, SQL, Python, Tableau, Excel