Inva Begaj

- Designing and implementing Data Governance frameworks and Data Management practices. - Supporting HR transformation programs through data quality and analytics initiatives. - Defining AI roadmap and contributing to the identification of AI-driven opportunities across HR processes. - Leading AI Proofs of Concept (POCs), platform evaluations and testing for Generative AI solutions. - Assessing AI risks, governance and compliance requirements to ensure trusted and responsible AI adoption. - Acting as a bridge between business, HR and technology stakeholders to accelerate digital transformation initiatives.

Mission 3: Réalisation des stress test climatiques (ESG) pour des besoins réglementaires. • Identification des données climatiques pour alimenter le moteur de calcul de stress test • Analyse & traitement des données en lien avec la transition énergétique et les risques physiques • Homologation des développements • Enrichissement des reportings climatiques • Contrôles IT des reportings développés • Consolidation des travaux réalisés par les différentes équipes • Accompagnement des équipes quantitatives internes Outils utilisés : Teradata, Power Query, Microsoft Office Mission 2: Finalisation des travaux de mise en qualité des données BCBS 239 et fiabilisation d’outil de restitution de Qualité des Données. • Rédaction spécifications fonctionnelles avec les métiers • Coordination des sujets entre IT et métiers • Identification des données prioritaires • Enrichissement du dictionnaire des données • Conception d’exigences de qualité • Data lineage technique et fonctionnelle • Conception et documentation des contrôles de qualité • Recette des développements • Analyse des écarts Mission 1: Accompagnement des métiers dans l’expression des besoins et déclinaison en étude data dans le cadre du projet réglementaire Bâle III. • Rédaction d’expression des besoins avec les métiers • Coordination des sujets entre IT et métiers • Identification des données nécessaires à la réalisation de ce besoin • Gap analysis des données existantes et des données manquantes • Modélisation conceptuelle des nouvelles données (MME) • Alimentation du SIO à partir de ces nouvelles données • Rédaction des documents de spécifications fonctionnelles générales • Mise en place d’un glossaire des données • Fiabilisation des données • Accompagnement des filiales pays sur la gouvernance des données • Coordination avec l'équipe informatique la déclinaison technique des données sur la plateforme BI • Chiffrage des travaux à mener Outils utilisés : Snowflake (SQL), Power BI, Jira, UML, SAP

- Testing & recalculate scenarios in anti-money laundering project - Data auditing for Expected Credit Losses (ECL) estimation - Web scrapping, text mining and sentiment analysis of tweets for brand improvement - Dashboards creation for data quality management - Automation and fiabilisation of data quality controls - KQIs calculation - Integrate new datasets in KQI analysis that can be leveraged for DQ management. I also work closely with the engineering team to strategise and manage the development of data products - Analyse complex ideas or proposals and build a range of meaningful recommendations with a business value Software used: SQL, Pandas, Scikit, NLTK, gensim, Tableau,

- Methodological conception & development of credit risk parameters respecting regulatory standards of EBA - Implement analytical models into production by collaborating with software developers and machine learning engineers - Communicate analytic solutions to stakeholders and implement improvements as needed to operational systems. Software used; SQL, SAS, R

- Implement models risk parameters (PD, LGD, EAD) in the context of Basel II reform into production - Impact simulations of the new Standard Approach on the Risk Weighted Asset - Perform data and error analysis to improve models, and clean and validate data for uniformity and accuracy. - Communicate analytic solutions to users and contributors Software used: SAS, R

- Literature review - Review of statistical models - Development of programs - Application of methods on a dataset Software used: SAS, R and WinBUGS

- Exploration of open source datasets to develop a « Smart city » plateform and create of predictive models - Applying machine learning techniques to efficiently research and solve complex development problems - Data visualisation for results presentation Software used: R, R-shiny

Data Management and Statistical Analysis: - Descriptives Statistics - Missing Values Imputation - Multivariate Analysis - Decision Trees - General Linear Models Software used: SAS, R and AMADEA