Data Scientist Forecasting Supply Chain

Contexte

Pour le compte d’un grand acteur international du retail, nous recherchons un Data Scientist afin de rejoindre une équipe spécialisée dans l’optimisation des stocks et de la supply chain.

Cette équipe pluridisciplinaire, composée de Data Scientists, Data Analysts, Analytics Engineers et ML Engineers, conçoit et maintient des solutions analytiques et d’intelligence artificielle à grande échelle.

Les cas d’usage portent notamment sur la prévision de la demande, l’estimation des stocks cibles, le réapprovisionnement et la gestion des ruptures.

Missions

• Développer et déployer des modèles de demand forecasting pour les canaux B2B et B2C, à différentes granularités géographiques : magasins, entrepôts et marchés.
• Transformer les besoins Supply Chain en solutions de machine learning robustes, industrialisées et maintenables.
• Analyser les performances des forecasts en production et les corrections réalisées par les utilisateurs.
• Identifier les leviers permettant d’améliorer la précision des modèles et d’accélérer leur déploiement.
• Développer des modèles statistiques et de machine learning appliqués à la prévision de la demande.
• Intégrer des variables internes et externes : prix, assortiment, météo, calendrier ou tendances de marché.
• Prendre en charge le cycle de vie complet des modèles, de la phase de R&D jusqu’au déploiement en production.
• Industrialiser les pipelines ML et contribuer aux processus CI/CD.
• Garantir la stabilité, la reproductibilité et la maintenabilité des solutions.
• Participer aux revues de code et de modèles.
• Collaborer avec les équipes Produit, Data, Engineering et les utilisateurs métiers.
• Présenter les résultats et recommandations à des interlocuteurs techniques et non techniques.

Outils & Environnement

• Python, Spark, PySpark
• Scikit-learn, TensorFlow ou PyTorch
• Databricks
• AWS et GCP
• MLflow
• Airflow
• GitHub Actions
• Docker, Protobuf, gRPC
• Git, Confluence
• Tableau

Conditions de travail

• Localisation : Lille ou Paris

1. Expérience significative en Data Science appliquée aux séries temporelles et au demand forecasting
2. Expérience réussie dans le développement et la mise en production de pipelines ML à grande échelle
3. Bonne compréhension des problématiques de supply chain, notamment la prévision de la demande et l’optimisation des stocks
4. Capacité à transformer un besoin métier en problématique technique clairement définie
5. Bon équilibre entre recherche, performance des modèles et contraintes d’industrialisation
6. Capacité à expliquer les résultats d’un modèle à des interlocuteurs non techniques
7. Habitude du travail au sein d’équipes techniques pluridisciplinaires
8. Anglais professionnel