Data analyst - pôle data bdt f/h

Vos missions seront les suivantes : 1. Mettre en œuvre des outils, des techniques et des méthodes mathématiques et statistiques pour permettre d'organiser, synthétiser et traduire efficacement des données métiers en vue de la mise en place d'actions concrètes. - Collecter, nettoyer et structurer des données socio-économiques, financières et géographiques en complément des données disponible sur la plateforme data. - Analyser les dynamiques territoriales (démographie, emploi, attractivité, etc.) pour éclairer les décisions d'investissement, de financement et d'accompagnement. - Veiller à la qualité et à la cohérence des données internes et externes (territoriales) en collaboration avec les équipes des produits de la plateforme data. - Maximiser la valorisation des données disponibles en support des équipes métier. 2. Produire et automatiser des indicateurs, notamment de performance, qui permettent le pilotage et les prises de décision. - Produire des analyses géo-décisionnelles (cartographie, zonages, indicateurs spatiaux) pour identifier les territoires prioritaires et les leviers d'action. - Évaluer l'impact des dispositifs financiers sur les territoires et supporter la prise de décision et la stratégie territoriale. - Présenter les résultats sous forme de cartes, de visualisations interactives et de rapports synthétiques. 3. Transférer les cas d'usage retenus vers les équipes produits de la plateforme data - Organiser la passation des cas d'usage priorisés aux équipes produits de la plateforme data, avec une évaluation de la mise en œuvre de l'industrialisation 4. Dans une organisation Data décentralisée fédérée, animer et fédérer la communauté des Data Analystes et Data Scientists métiers en devenir - Accompagner la filière data des métiers dans l'objectif de capitaliser sur les études et les éventuels cas d'usage réaliser - Structurer la démarche « Etude d'analyse » pour homogénéiser les livrables attendus - Organiser les retours d'expérience sur les analyses produites et les cas d'usage réalisés - Organiser l'archivage des études et cas d'usage non priorisés pour une industrialisation ultérieure Ces missions se déclineront sur les activités suivantes : I. La compréhension du besoin métier : - Réalisation d'une étude en amont du cas d'usage pour identifier et décrire la problématique (benchmark, données nécessaires, analyses descriptives, ). Ressortir de l'étude le(s) cas d'usage potentiel maximisant la valeur métier - Collaboration avec les parties prenantes pour identifier les objectifs métier du cas d'usage, les problèmes à résoudre ou les opportunités à exploiter - Cadrage du cas d'usage : Définir les questions clés, les hypothèses métiers à tester et les critères de succès qui permettraient de confirmer le besoin d'industrialiser le cas d'usage sur la plateforme Data - Priorisation : Aider à challenger les cas d'usages Data les plus prometteurs en fonction de leur impact potentiel et de leur contribution à la feuille de route du métier demandeur II. L'exploration des données (déjà disponibles ou non dans la plateforme Data) : - Collecte et préparation des données : Identifier les sources de données pertinentes (plateforme Data, SI opérationnels, APIs, données externes, fichiers manuels etc.), nettoyer, structurer et enrichir les données pour les rendre exploitables (gestion des valeurs manquantes, normalisation, etc.) - Analyse exploratoire : Utiliser les outils mis à disposition par le Socle de l'Etablissement Public pour explorer les données, visualiser les tendances et corrélations, identifier des patterns ou insights préliminaires III. Le développement de prototype : - Conception de modèles simples (ex : régression, classification, clustering, scoring) pour tester des hypothèses - Validation et enrichissement des hypothèses - Itérations avec le métier pour affiner les fonctionnalités en fonction des retours métier ou des limites identifiées - Documenter les résultats et les enseignements tirés IV. L'évaluation de la faisabilité d'industrialisation : - Vérifier les possibilités d'industrialisation du POC et identifier les contraintes (qualité des données, dépendances externes, disponibilités des équipes) - Proposer aux métiers des indicateurs permettant d'estimer le ROI potentiel du cas d'usage. La faisabilité technique n'est pas du ressort du Data Analyst / Data Scientist, et sera réalisée par les équipes Produits de la plateforme V. La préparation à l'industrialisation et collaboration avec les équipes Produits de la plateforme Data : - Documentation du POC et transfert vers l'équipe Produit en charge de l'industrialisation (méthodologie, spécifications techniques, résultats, limites, recommandations) - Participation aux réunions de transition pour expliquer les choix réalisés en phase de POC, et les attentes métier. VI. L'animation de la communauté des Data Analysts et Data Scientists métiers en devenir - Centralisation de l'ensemble des cas d'usages de Data Analyses et Data Science dans le backlog dédié, et animation de ces cas d'usages (REX, démonstration de valeur générée, alignement des pratiques) - Décliner le Playbook Data Science de la Caisse des Dépôts en bonnes pratiques concrètes applicables à la Banque des Territoires, et acculturer les Data Analysts et Data Scientists métiers sur ces pratiques