Contexte de la mission

Au sein de la Direction Data Science & IA d’un grand groupe bancaire, le consultant intégrera le pôle Clients & Produits, qui réalise des analyses sur le fonds de commerce de la banque de détail.

Ce pôle intervient notamment sur le cadrage des besoins métiers, la réalisation d’études clients structurantes — profiling, analyses descriptives, cohortes, segmentation — ainsi que sur la modélisation des comportements clients afin de contribuer aux enjeux de conquête, fidélisation et réduction de l’attrition.

Dans un contexte de forte concurrence et d’évolution du fonds de commerce, la mission vise plus particulièrement à améliorer et créer des KPI permettant de mieux comprendre les comportements et l’équipement bancaire des clients, en collaboration avec un collaborateur interne.

Environnement de travail

• Localisation : Sèvres

• Temps plein

• Télétravail : Oui

• Date de démarrage de mission : 12/10/2026

• Mission longue

Détails de la mission

Missions principales

Objectifs

• Produire des analyses permettant de mieux comprendre les comportements et l’équipement des clients de la banque de détail.

• Définir, améliorer et fiabiliser les indicateurs / KPI clients.

• Exploiter d’importants volumes de données bancaires afin de produire des analyses directement actionnables par les métiers.

• Contribuer à l’industrialisation et à la pérennisation des analyses réalisées.

Finalités

Les travaux porteront notamment sur les thématiques suivantes :

• Multi-bancarisation

• Identification de la banque principale / banque du quotidien / banque d’épargne

• Domiciliation des revenus

• Plus largement, analyse du fonds de commerce et de l’équipement bancaire des clients.

Attributions

Tâches & Activités principales

• Échanger avec les métiers afin de cadrer les besoins, définir la méthodologie et identifier les axes d’analyse.

• Explorer et analyser de grands volumes de données bancaires.

• Concevoir et améliorer des KPI clients.

• Réaliser des analyses descriptives, segmentations, profiling et analyses de cohortes.

• Développer les traitements et analyses dans Dataiku DSS.

• Utiliser SQL, Python et PySpark pour les traitements de données.

• Présenter et restituer les résultats aux différentes directions métiers.

• Documenter les traitements et travaux réalisés.

• Travailler en collaboration avec les équipes internes Data Science et métiers.

Livrables attendus

• Analyses et présentations PowerPoint destinées aux métiers.

• Restitution des travaux auprès de différentes directions : Marketing, Distribution & Développement Omnicanal, Finance, Stratégie…

• Projets Dataiku associés aux analyses réalisées.

• Documentation fonctionnelle et technique des travaux.

Suivi et vérifications

• Validation de la pertinence et de la qualité des analyses et KPI produits.

• Respect des délais associés aux différents travaux.

• Fiabilité et reproductibilité des traitements de données.

• Documentation des analyses et traitements réalisés.

Reporting

• Présentation régulière des analyses auprès des métiers demandeurs.

• Restitution des résultats sous forme de présentations synthétiques et actionnables.

• Participation aux différentes instances et comités de restitution selon les besoins.

Compétences techniques

Expertise attendue sur :

• Data Science

• SQL

• Python

• Dataiku DSS

Environnement Big Data reposant notamment sur Dataiku DSS, Python et PySpark.

Compétences fonctionnelles

• Analyse et compréhension du besoin client

• Capacité à traduire une problématique métier en analyse Data

• Forte rigueur

• Efficacité opérationnelle

• Travail en équipe

• Culture du changement et de l’innovation.

Expérience professionnelle

Profil Data Scientist Sénior, capable d’être rapidement autonome dans un environnement Data complexe et de travailler directement avec les métiers.

Une expérience sur des problématiques de données clients, marketing, segmentation ou secteur bancaire / financier constituera un réel avantage.

Compétences comportementales

• Très bonnes capacités d’analyse et de synthèse

• Rigueur

• Autonomie

• Capacité à travailler en équipe

• Bonne communication avec des interlocuteurs métiers

• Capacité à restituer simplement des problématiques Data complexes

• Orientation résultats et respect des délais