Gael Richard

– Predictive Credit Management: Modélisation du risque de non-paiement d'une facture à échéance afin d'améliorer le recouvrement des créances. – Recommandation de prix : Détection des couples clients/produits ayant un prix de vente trop faible, et recommandation d'un nouveau prix de vente. – Text classification: NLP afin de d'attribuer aux documents une GBU automatiquement, et accélérer le process manuel. – Time series : – Prédiction des besoins en matière première. – Forecast des ventes – Prévision des AR (Account Receivable). – Support aux utilisateurs Dataiku, et sur les bonnes pratiques de Data Science

– Participations aux appels d'offres et RDV client – Projet interne de détection de schémas dans des documents PDF, et extraction des composants du schéma (Formes, Textes, Liens) – Suivi hebdomadaire des projets de recherches internes – Airbus: Deep Learning (LSTM sous Keras) pour modéliser les données des vols de tests dans différentes conditions – TOTAL: Analyse comparative des consommations de carburants selon différentes formulations – SOLVAY: Participation à la migration de projets de SAS vers Dataiku

– Prévision du besoin de travailleurs temporaires par direction de zone et par activité – Modèle de séries temporelles – Machine leaning – Réalisation d'un modèle prédictif afin d'identifier en amont les clients ayant un fort risque de churn

– Cadrage des opérations avec le Marketing Relationnel. – Réalisation du ciblage sous SPSS Modeler. – Analyse de la performance des campagnes, synthèse des résultats et recommandations.

– Prise en charge des analyses Ad'hoc relatives à des problématiques de comportement et de valeur client, sur le périmètre des clients Abonnés mobile. – Analyse du profil clients suite au lancement des nouvelles gammes mobile.

– Étude de la cannibalisation entre les produits d'épargne lors des opérations de valorisation. – Automatisation sous SAS du reporting mensuel des indicateurs clés pour le contrôle et l'analyse de la performance des campagnes marketing (taux de retour vs. témoin, levier, ventes incrémentales, significativité, ...). – Analyse des retours des campagnes marketing. – Travail sous SAS et BI-Query

– Relecture et mise à jour de plans d'analyses statistiques. – Réalisation des traitements statistiques sous SAS ayant pour objectif une mesure comparatif du traitement versus placebo et production des tableaux Word en vue de la soumission aux autorités. – Modélisation du risque de survenu d'une anomalie cardiaque par régression logistique. – Modélisation de l'effet traitement et de l'interaction traitement * protéine sur les hospitalisations et la mortalité cardiovasculaire par Modèle de Cox – Analyse de sensibilité par ré-échantillonnage.

– Réalisation des traitements statistiques sous SAS ayant pour objectif une mesure comparatif du traitement versus placebo et production des tableaux Word en vue de la soumission aux autorités. – Responsable programmation d'une des études du dossier de soumission. – Participation aux réunions de revue de la qualité des données. – Forte interaction avec le data-management et la statisticienne de l'étude. – Gestion des délais pour la remise des livrables. – Création et validation de datasets SAS : mise en conformité avec les standards internationaux des tables reçues du Data Management et création de toutes les variables dérivées nécessaires à la réalisation des traitements statistiques