Okan KOCABIYIK

– Conception d'algorithmes Python pour le scoring, la segmentation et la détection de risques. – Industrialisation des modèles en environnement Big Data (automatisation, packaging, mise en production). – Recette VerticaPy (0.11.x → 1.0.x) avec test unitaires & Développement de scripts et librairies Python pour automatiser les recettes VerticaPy (tests data, contrôles qualité, non-régression) et fiabiliser les déploiements. – Développement d'un modèle prédictif anticipant la fragilité financière à 6 mois. – Feature engineering avancé et gestion du déséquilibre de classes (LogReg, XGBoost, Random Forest). – Analyse de l'impact de l'inflation sur +10 milliards de transactions clients. – Segmentation comportementale et catégorisation avancée des dépenses. – Conception d'une table de catégorisation des dépenses (logement, alimentation, santé, loisirs...) via règles métiers et nouvelles nomenclatures. – Feature engineering avancé (rolling averages, variations dynamiques, événements récents) pour capter les signaux faibles. – Validation via métriques orientées métier (AUC, recall, taux de détection anticipée) et comparaison aux modèles existants. – Automatisation des calculs d'empreinte carbone dans le cadre des reportings ESG (PCAF). – Contribution aux dispositifs AML avec développement et validation de modèles de détection de transactions suspectes. – Support & accompagnement des utilisateurs DataLab (adoption, bonnes pratiques, restitution).

– Conception et développement de tableaux de bord Power BI pour le pilotage opérationnel et stratégique. – Implémentation de requêtes SQL complexes pour l'extraction, la préparation et l'analyse de données multi-sources. – Mise en place de stratégies de ciblage client : encodage des données, génération de fichiers batch et suivi des campagnes. – Détection et suivi de profils à risque (fraude, incidents, inactivité) via indicateurs analytiques. – Automatisation des reportings et des traitements via Visual Tom, réduisant les tâches manuelles et améliorant la fiabilité des données. – Collaboration avec les équipes métiers pour formalisation des besoins et validation des KPIs.

– Gestion complète d'un projet de data science dédié à l'analyse comportementale des assurés. – Développement de modèles de scoring (rétention, inactivité) en R et SQL. – Évaluation et comparaison des performances via métriques statistiques adaptées. – Modélisation actuarielle des impacts du réchauffement climatique sur les lois de longévité. – Contribution à l'optimisation des campagnes marketing via segmentation et analyses prédictives.