ENGIE est un leader mondial de l’énergie qui s’appuie sur un modèle de croissance responsable pour relever les défis de la transition énergétique. Nous proposons aux particuliers, aux villes et aux entreprises des solutions innovantes basées sur notre expertise dans quatre secteurs clés : la production indépendante d’électricité, le gaz naturel, les énergies renouvelables et les services d’efficacité énergétique pour les petits et moyens consommateurs.
Objectif du poste/Mission
- Ce poste sera intégré à l’équipe Données mondiales. C’est une opportunité exceptionnelle de rejoindre une équipe performante, passionnée par l’innovation et le développement de services financiers étendus pour les clients hors réseau, à la base de la pyramide.
- Les principales responsabilités comprendront la création et la maintenance de modèles de données pour soutenir les opérations de vente et de financement des clients.
- Vous serez également impliqué dans des activités d’exploration de données et collaborerez avec les parties prenantes internes de l’entreprise en temps réel sur notre application mobile d’équipe de terrain pour permettre la prise de décisions fondées sur les données sur le terrain, ainsi que pour travailler avec les membres de l’équipe de données pour garantir une qualité de code élevée et une conception de base de données.
- Votre travail aura un impact significatif en permettant à Engie d’innover en permanence dans la manière dont nous accompagnons nos clients dans leur parcours de remboursement.
Compétences clés
Responsabilités
Data Mining (20%) :
- Concevoir et mettre en œuvre des modèles d’exploration de données robustes pour prendre en charge les exigences d’analyse et de reporting.
- Effectuer le prétraitement, le nettoyage et la validation de l’intégrité des données à utiliser pour l’analyse
- Améliorer les procédures de collecte de données pour inclure toutes les informations pertinentes pour le développement de systèmes analytiques.
Modélisation statistique (70%)
- Utiliser des techniques statistiques et d’apprentissage automatique pour développer des solutions visant à soutenir les opérations commerciales, de la vente au recouvrement de créances.
Gestion des parties prenantes (10 %)
- Communiquer les résultats aux parties prenantes au sein des équipes opérationnelles.
Expérience:
- Plus de 5 ans d’expérience dans le secteur des sciences des données, en mettant l’accent sur la modélisation des données, la gestion des parties prenantes et l’exploration de données.
- Maîtrise des frameworks d’apprentissage automatique tels que Keras, Pytorch, Tensorflow, sckit-learn, outils statistiques (tests statistiques, distribution, régression, estimateurs de vraisemblance maximale), solides compétences mathématiques (calcul multivarié, algèbre linéaire), méthodes d’apprentissage automatique (k-Nearest Neighbours, Naive Bayes, SVm, forêts de décision), outils de visualisation de données (matplotlib, d3.js, Tableau).
- Expérience de travail avec des données structurées et non structurées à l’aide de Python, R, Scala, Java, SQL en plus d’un ou plusieurs des logiciels Spark/Hadoop/Hive/HDFS, Apache Airflow, RabbitMQ/Kafka, Spark, Kubernates et dbt.
- Connaissance pratique des bases de données, des systèmes de données et des solutions d’analyse, y compris la maîtrise de SQL, NoSQL, Java, Spark et Amazon Redshift pour la création de rapports et de tableaux de bord.
- Expérience dans la mise en œuvre de tests unitaires et d’intégration.
- Capacité à recueillir les exigences et à communiquer avec les parties prenantes des équipes de données, de logiciels et de plateformes.
- Compréhension approfondie des structures de données, de la modélisation et de l’architecture des données.
- Expérience de gestion d’une équipe de scientifiques de données de niveau intermédiaire.
- Sens de l’aventure et volonté de se lancer, de penser grand et d’exécuter avec une équipe
Qualifications:
- Baccalauréat ou maîtrise en informatique, en apprentissage automatique ou dans un domaine connexe
Langue(s) :
- Anglais
- Le français est un plus.
Technologie:
- Python, R, Java, SQL, NoSQL, Amazon Redshift, Kafka, Apache Beam, Apache Airflow, Apache Spark
