Offre d'emploi Data Scientist

Le Data-scientist sera responsable du pilotage technique et de l’enrichissement des algorithmes des scénario :

Détection de mouvements suspects à travers des algorithmes :

• Conception et développement d’algorithmes avancés :

Développer des algorithmes robuste et performants capables d’analyser des volumes importants de données en temps réel, en s’appuyant sur des techniques d’apprentissage automatique et de détection d’anomalies. Les algorithmes doivent être capables de s'adapter à divers scénarios de fraude et de comportements suspects, tout en minimisant les faux positifs.

• Intégration de nouveaux critères d’analyse :

Identifier et intégrer de nouveaux critères (réglementaire type ACPR ou métier) pour renforcer les capacités de détection des mouvements suspects. Cette étape repose sur une analyse fine des schémas de fraude et des retours d’expérience issus des métiers.

• Optimisation continue des critères existants :

Affiner les critères utilisés dans les algorithmes existants en fonction des retours d’analyse et des évolutions du contexte opérationnel. Cela inclut le calibrage des paramètres pour réduire les taux de faux positifs et améliorer la précision globale des détections.

• Ajout de nouvelles variables explicatives :

Identifier des variables supplémentaires pouvant améliorer la prédictibilité des modèles, comme facteurs environnementaux ou des données provenant de sources externes. Ce processus nécessite

des recherches approfondies pour garantir la pertinence des nouvelles variables dans le cadre de la lutte contre la fraude.

• Détection et correction proactive des anomalies :

Mettre en place des mécanismes automatisés pour identifier les anomalies ou incohérences dans les résultats des algorithmes, et proposer des solutions correctives en temps réel. Ces anomalies peuvent provenir de dysfonctionnements techniques, de biais dans les données ou d'évolutions inattendues des schémas de fraude.

Enrichissement des scénarios de détection

• Analyse approfondie de la qualité et de la cohérence des données

• Amélioration continue des algorithmes de détection

• Collaboration étroite avec les équipes métier et la chefferie de projet pour ajuster les critères et seuils

• Documentation exhaustive des méthodologies

• Proposition de solutions innovantes et intégration proactive de nouveaux outils