About me Image

Moustapha Moussa

Data Scientist

Je suis Data Scientist freelance et vous propose mes services pour vous accompagner, en régie ou en télétravail, sur vos problématiques liées aux données.

PARCOURS

Expériences

  • Depuis Avril 2016

    VOLKSWAGEN GROUP

    Consultant Datascientist

    • Fiabilisation
    o Données
    - Mise en place de contrôle statistique sur les Sites-Réseau
    - Remonter les sites problématiques à l’IT pour correction Data
    - Modélisation des process de remontée des données
    o Indicateurs KPI
    - Proposition sur la méthodologie de calcul des KPI
    - Homogénéisation des méthodes de calcul & Cohérence à travers les différents outils (NASA, MIS, OPERA)

    • Reporting
    o Construction ou modification des indicateurs sous Visual Analytics à l’attention des marques et des forces de terrains du Réseau Volkswagen Group
    o Mise en place d’indicateurs de suivi dans le cadre de l’opération de rappel des véhicules concernés par le « Dieselgate » :
    ==> Nombre de véhicules corrigés par marque (Audi, Volkswagen, Seat, Skoda) & Mesure CA additionnel
    ==> Mesurer la charge supplémentaire suite à ces entrées atelier afin de réguler l’activité capacitaire du réseau
    o Mise en place Reporting K1000 sur les quantités vendues dans le réseau par catégorie de produits (Pneu, Frein,Amortisseurs..)

    • Datamining
    o Campagne
    - Mise en place de modèles prédictif pour l’amélioration du ciblage lors des campagnes OP’COMM du groupe
    - Mesure du ROI des campagnes menées dans le réseau

    o Segmentation
    - RFM : en fonction du montant de la récence et de la fréquence, déterminer les groupes de clients actifs, inactifs, aléatoires en vue d’action de communication
    - Construction de segments homogènes des partenaires du réseau pour comparaison à périmètre équivalent lors du classement TOP20

    Environnement technique : SAS, SAS Visual Analytics ,Oracle SQL Developper

  • Juillet 2014 à Février 2016

    GROUPAMA

    Consultant Datascientist

    • Chef de Projet (Datamart – Contexte BIG DATA) :
    Objectif : Répondre aux besoins KPI des métiers & des Directions

    o MOA :
    - Recueil du besoin
    - Estimation de la charge du projet et chiffrage
    - Création Maquette KPI et validation métier
    - Spécifications fonctionnelles

    o MOE :
    - Encadrement de 2 chargés d’études
    - Spécifications techniques.
    - Elaboration des scripts SAS& optimisation.
    - Recette, Passage en production & Historisation (SAS)
    - Construction de Cube OLAP constitué de KPI, Cube de maintenance (Suivi Prod.) (Excel & Acess)
    - Elaboration documentation technique détaillée.

    • Chef de projet (Moteur de recommandation) :
    Objectif : Livraison des « Listings Clients » dans le cadre Plan d’action commerciale
    - Recueil Besoin & Retroplanning de livraison
    - Encadrement équipe et accompagnement méthodologique
    - Mise en place de modèles statistique de score détectant les clients « Appétents », « Fragiles (Churn) »& Transfert de Techno Kxen vers SAS
    - Calcul automatisé des notes de score des modèles et injection dans le SI & Néolane (Batch SAS)
    - Machine Learning suite aux opérations commerciales

    • Audit Scores
    Objectif : Contrôle des modèles
    - Contrôle des modèles de score existants (Recalibrage, Bactesting& et Amélioration) et rapport de synthèse

    • Projet Multi-Canal (Contexte BIG DATA)
    Objectif : Génération de « Lead » depuis le site internet (display, relance..)
    - Livraison des données et recette indispensable à la mise en place de la DMP
    - Construction d’un reporting de Dataviz des KPI issus de la DMP

    • Segmentation
    - Constitution des segments clients selon : La valeur et potentiel
    - Livraison du listing des clients segmentés au réseau commercial d’agences (En vue d’Effort commercial)

    Environnement technique : SAS, KXEN, Excel (VBA), SPAD

  • Mars 2014 à Juin 2014

    FNAC

    Consultant Datascientist

    • Intégration Données « Billetterie » dans le SI
    Objectif : Enrichissement du système d’information
    - Recette et contrôle de cohérence des données issues de la billetterie Fnac en environnement de recette (SAS Guide)
    - Schéma de modélisation de la donnée
    - Contrôle du Passage en Production avec la DSI

    • Fidélisation
    Objectif : Détecter les clients à forte valeur
    - Etude sur les comportements d’achats des clients- adhérents Fnac (Magasin & Site internet)
    - Optimisation des critères de fidélisation et de montée en gamme des adhérents (passage en Upgrade ou downgrade)
    - Constitution des fichiers « Clients » à privilégier

    • Reporting Décisionnel
    Objectif : Indicateurs décisionnels sur les magasins & site internet
    - Constructions d’Indicateurs statistiques (CA par région, Magasin..)
    - Évolution et proposition méthodologique de quantification du CA issu du Web sur les différentes Régions

    Environnement technique : SPSS, SAS, Néolane (Notions)

  • Juillet 2013 à Février 2014

    CCR

    Consultant Business Intelligence

    • Construction d’indicateurs assurantiels :
    - Sinistralité, Exposition aux risques de catastrophes naturelles.
    - Validation des règles de calcul

    • Urbanisation SI
    Objectif : Réorganisation et optimisation du SI affilié au site « Ceres »
    o MOA
    - Recueil des besoins auprès du métier
    - Planification et estimation de la charge
    - Atelier avec la DSI afin de préciser le besoin métier
    - Compte rendu au métier et suivi de l’avancement du projet
    - Spécifications Fonctionnelles

    o MOE
    - Spécification techniques avec la DSI
    - Modélisation processus Métier en lien avec la donnée
    - Construction Cube sous Microstrategy en accompagnement de la DSI (En phase Test)

    Environnement technique : Microstrategy, SAS, Oracle SQL, Eclipse, SAS Visual analytics

  • Juillet 2012 à Juillet 2013

    HEDIOS

    Datascientist

    • Reporting décisionnels (KPI) :
    Objectif : Tableau de bord de suivi d’activité
    - Suivi du Recrutement mensuel de la clientèle
    - Suivi activité commerciale (campagnes : Souscription produits)

    • Modèles de Scores à des fins d’optimisation de Ciblage
    Objectif : Action commerciale
    - Modéliser le comportement des clients appétents à l’Assurance vie et constitution du « listing client »
    - Modélisation sur les Produits structurés (UC)

    • Modèles de survie
    Objectif : Déterminer le moment le plus propice à la conversion
    - Fournir aux chargés de clientèle suite à une demande de Documentation, le moment de rappel téléphonique le plus propice afin de transformer des prospects en clients sur les produits (SOFICA)

    • ROI
    Objectif : Mesure de l’efficacité des campagnes
    - Bilan des campagnes (in & offline) en termes de Coût et de taux de souscription

    • Segmentation RFM
    Objectif : Cibler les clients les plus actifs, fidéliser les clients indécis et réactiver les clients inactifs
    - Identification des clients selon leurs fréquences de souscription, leurs montants de prime à des produits

    • Etudes Statistiques AD’Hoc
    - « Portrait-Robot » des clients par catégorie de produits

    • Ciblage
    - Extraction de données pour les campagnes on et off-line

    Environnement technique : R, SAS

  • Novembre 2010 à Juillet 2012

    COFINOGA – CDGP

    Chargé d’Etudes Risques

    • Octroi crédit :
    Objectif : Recrutement de « Bon » profil client
    - Elaboration des stratégies risque d'octroi client sur différentes enseignes du réseau de recrutement « Carte privilège »
    - Recette sous NBSM des stratégies Risques & Passage en PROD
    - Présidence du Comité prêt

    • Upgrade crédit
    Objectif : Maitrise du Risque de Crédit & Génération d’encours
    - Proposition d'autres produits et déplafonnement aux clients selon les classes homogènes de Risk (CHR).

    • Reporting Risque
    Objectif : Suivi du risque
    - Indicateurs recouvrement (A 3, 6, 12,24 mois) du risque par génération de crédit
    - Matrice de transfert des « Flow Rates »

    • Campagne préventive "Risque":
    - Organisation de campagne à la cellule accompagnement

    • Bale II
    - Application au portefeuille de crédit.

    • Procédures risques:
    Objectif : Maîtrise du risque opérationnel
    - Elaboration de procédure de prévention du risque opérationnel

    Environnement technique : SAS, EXCEL (VBA), NBSM

  • Mars 2010 à Novembre 2010

    CIF

    Prévisionniste / Dataminer

    • Bâle II
    - Méthodologie de calcul de la LGD, EAD.
    - Bactesting du modèle « PD » par génération de crédit

    • Prévision
    - Offre & Demande de crédit du marché et estimation de la part de marché du CIF

    • Modèles de Scores
    - Modèle de score afin de prévenir le Remboursement anticipé

    • Segmentation
    - Propositions de produits complémentaires au crédit (Police d’assurance..).

    Environnement technique : SAS MINER, SAS

Formations

  • 2015

    SPSS (Certified), PYTHON (Certified Datacamp.com), Hadoop (SAS)

  • 2014

    Big Data

  • 2013

    Microstrategy, SAS Visual Analytics

  • 2012

    Bale II (PD, EAD, LGD)

  • 2010

    Université d’Orléans

    Master 2 Econométrie et Statistique Appliquée

  • 2009

    SAS 9.2 (Certified)

  • 2008

    Université du Havre

    Licence 3 Economie et Gestion

  • 2007

    Université du Havre

    DEUG Economie et Gestion

Contactez-moi

Je m'engage à répondre à tous vos messages sous 24 heures.
Je suis également disponible au 06 82 69 98 77.

Votre nom (obligatoire)

Votre email (obligatoire)

Sujet

Votre message