Notre base de 171436 CV vous permet de trouver rapidement un Data analyst Nancy freelance. Recevez gratuitement et sous 24h maximum les CV des meileurs intervenants disponibles.
Analyse et consolidation des données sources de la plateforme décisionnelle (données Mutuelle Bleue
et des délégataires) ;
Amélioration de la qualité des données (mapping et modélisation des données via WPS/SAS) ;
Automatisation des processus d’intégration (WPS/SAS > SQL > SUADEO) ;
Documentation technique des programmes d’intégration (SAS ; SQL) ;
Assistance technique au projet réglementaire du Fichier des contrats d’assurance vie (FICOVIE)
Extraction et qualification des données Ficovie lot 1 et lot 2 de Mutuelle Bleue et des délégataires Ucr,
Adep et April pour l’envoie à la DGFIP (SAS/WPS);
Mise à jour du cahier de charges relatif à FICOVIE ;
Réponse aux demandes d’études et d’extraction métier (Analyse commercial, Données Contrôle de
Gestion…).
Appui à la conception de la nouvelle application R dédiée au MVP, dépouillement des réponses aux
enquêtes conjoncturelles pour la publication d’études de conjoncture ;
Développement de fonctions structurées en packages R, répondant aux spécifications des User Stories
décrites sous gitlab en écho aux spécifications préalablement définis ;
Livraison de codes structurés en packages avec un Rcheck à « 0 error, 0 warning et 0 notes accompagné de
tests unitaires en vue de la mise en production par le métier ;
Exécution de la prestation en mode agile en suivant la méthode agile scrum et en s’inscrivant dans le rituel
des cérémonies en place (poker planning, daily meeting, etc.) et des délais des sprints.
Conduire des études stratégiques et développer des traitements de données clients identitaires et
comportementales : études statistiques ad-hoc, analyses de comportement client(résiliations avec ou sans
alertes opérationnelles, élaborations de modèles/segmentations/scores) ;
Définir et faire évoluer les règles de segmentation du portefeuille clients ;
Analyser les différents taux de mouvements du portefeuille clients (résiliation/déséquipement/
Souscription) ;
Mettre à jour le modèle de résiliation du portefeuille clients (modélisation logistique) ;
Cadrage de la note scientifique sur le calcul de la note de fidélité /volatilé.
Analyser les différents data points des clients et s’assurer du bon parcours produit Cubyn ;
Comprendre les différents besoins clients et apporter des axes de solution et d’accompagnement sur l’utilisation du produit ;
Interagir avec les équipes Customer success sur les différents incidents rencontrés et manager les résolutions opérationnelles.
Développement SAS.
Analyser et modifier les programmes SAS existants en vue d’un passage en production mensuelle par
l’actuariat des tables de calibration nécessaires aux exigences en Solvabilité 2 ;
Modifier les différents cahiers de charges résultants des procédures pour la documentation des programmes
construits ;
Vérifier les chaines de production et mise en recette des programmes.
Projet PROMIS- Appui au pilotage GINKO M.
Prendre connaissance des différents scripts rédigés correspondants aux différentes anomalies de
migration des points de livraison vers le nouveau système ;
Identifier les différentes sources de blocage en investiguant dans les bases de données référentes
à travers la conception de requêtes d’analyse ou de mise à jour SQL et R ;
Echanger avec les différents métiers SI et le projet PROMIS sur les axes de déblocage pour le traitement
de ces cas particuliers de migration ;
Restituer et analyser les données à fin de reporting au management sur l’avancement global des travaux
de migration.
Mission Support Outils et Formation.
Assurer la formation des agents banque de France rattachés au service central des risques (SCR) sur le
logiciel SAS ;
Accompagner le SCR sur l’ensemble des produits statistiques destinés aux différentes entités bancaires ;
Analyser et enrichir les différents programmes SAS de production pour les collectes AnaCredit en vue de
fournir des reportings ponctuels et réguliers pour le service ;
Envisager de nouvelles solutions en data visualisation pour faciliter les différents processus AnaCredit
en vue d’optimiser la production pour les différents métiers : applications R Shiny.
Customer Relationship Management et ciblage client.
Garantir la propreté et la qualité d’administration des données clients dans les différents systèmes
dans lesquels elles sont exploitées ;
Contribuer à la mise en œuvre opérationnelle des programmes CRM pour les ciblages et l’analyse
des performances ;
Fournir des KPI et analyses des comportements et insights permettant de développer la valeur client ;
Produire les analyses permettant de développer la connaissance du comportement des clients.
Etudes statistiques sur les dépenses en santé des assurés.
Exploration, analyse, construction et traitement de données sous SAS avec le langage SQL ;
Gestion de bases de données relationnelles à travers les différents data lakes ;
Créations de Datamarts spécifiques au développement du projet : Datamart « Dépenses Santé » ;
Extraction d’indicateurs pertinents liés aux dépenses santé des salariés afin de mettre en place
des plans d’actions de prévention ;
Analyse descriptive et prédictive des RAC (Restes à Charge) en dépenses de santé dans le cadre
de la réforme 100% SANTE ; modèle prédictif (Probit multinomial) et règles d’association (Algorithme
Apriori) ;
Etude descriptive et prédictive de la corrélation entre l’absentéisme et les dépenses de santé ; approche
statistique non paramétrique (régression loess, test de rang de Kruskal et Wallis, algorithme mars et
polymars) ;
Création d’un tableau de bord sous un outil DataViz pour permettre aux différentes équipes « services
et de prévention » de mieux accompagner les clients.
Customer Relationship Management : modélisation de la valeur de vie client.
Exploration, analyse, construction et traitement de données sous SAS avec le langage SQL ;
Création de Datamarts spécifiques au développement du projet ;
Segmentation RFM ;
Modélisation de la valeur de vie client (CLV) sous Python avec la libraire LIFETIMES ;
Réalisation d’un clustering de clients par la méthode ascendante hiérarchique;
Prévision des encours contrats par un modèle autorégressif (séries temporelles).
Environnement technique: SAS EG, SAS SQL, SAS MACRO, PYTHON, ANACONDA.