Missions de stage 2020 / 2021

Lieu : ACT-ON BI (Indi ABDOURAHAMANE CHEGOU)

Lieu : RCI Bank & Services (Anaëlle ADAM)

Lieu : HSBC Continental Europe (Sylvain AZANKPO)

Lieu : Thélem Assurances (Aminata BA)

Lieu : Crédit Agricole Consumer Finance (Zainab BELGADA)

Lieu : Avisia (Arthur BODY)

Lieu : Société Générale (Abdouroihamane BOURHANE)

Lieu : COVEA (GMF Assurances) (Simon BRUNOT)

Lieu : SAS France (Maëlys CEAGLIO)

Lieu : Decilia (N'Famadi CISSE)

Service dans lequel sera affecté l'étudiant
Pôle Data Science

Objectifs et missions du stage
- Construire et nettoyer des bases de données
- Travailler sur une machine virtuelle et un cloud commercial
- Estimer des modèles de régression ou de machine learning permettant de prévoir une variable ou de classifier des individus
- Présenter et mettre en forme des résultats

Lieu : ACT-ON BI (Thierno DIALLO)

Cabinet de conseil indépendant, centré sur la valorisation des données de l’entreprise, Act-ON BI est une filiale de ACT-ON Group. L’offre  de conseil couvre toute la chaine de valorisation de données, de l’audit et la définition de schémas directeur jusqu’à l’assistance à l’intégration et l’accompagnement au changement.

Missions Principales :
- Mise en place d’une architecture innovante pour assurer l’analytique monde de la formation d’un client ;
- Réalisation de datasets avec SPARK ;
- Conception de Dashboard sous PowerBI.

Lieu : SAS France (Marion DUFOUR)

Lieu : Thélem Assurances (Jade FOUCHER)

Lieu : Avisia (Thibaud GALEAZZI)

Lieu : BNP Paribas Personal Finance (Chloé GEMBARA)

Lieu : Société Générale (Yves-Roland GROGA-BADA)

Lieu : Société Générale (RISQ/MOD)
Environnement : Au sein de la direction des risques du groupe Société Générale, le département de modélisation des risques MOD est le Centre d’Expertise en modélisation et data science en charge de développer les méthodes de référence de mesure de risques statiques et dynamiques (capital, CNR, provisions) sous différents scénarios sur le risque de crédit, le risque opérationnel, la titrisation. Il assure le calibrage, la revue annuelle (backtest) et la maintenance des modèles développés en conformité avec les réglementations en vigueur et les normes Groupe.
Pôle : Retail Analytics, chargé des modèles réglementaires et de provisionnement du risque de crédit sur le périmètre retail France du Groupe.
Missions : Développement d'un nouveau modèle de la perte encourue en cas de défaut estimé sur les encours en sain (LGD saine).
1. Dans le cas particulier des prêts cautionnés, explorer les modèles de durée pour estimer la durée qui s'écoule entre la date du défaut et l'observation du flux de l'organisme de garantie.
2. Utiliser les modèles de type GLM , et éventuellement des modèles de Machine Learning pour estimer la perte encourue en cas de défaut.
3. Présenter les résultats aux différentes entités du groupe (BDDF, CNN et Boursorama).

Lieu : SAS France (Louis GUILBAUD)

SAS est leader dans le secteur de l’analytique. Grâce à ses logiciels innovants pour l’analytique, la business intelligence et le data management ainsi que ses services associés, SAS aide ses clients sur 83 000 sites à prendre rapidement les meilleures décisions. Depuis 1976, SAS donne à ses clients dans le monde entier The Power to Know®.
Département : Avant Vente Fraude
Mission : Lutte contre la fraude et les crimes financiers.
Sur les aspects théoriques, faire un état de l’art des différents types de fraude et crimes financiers :

  • Définition des différents types de fraude et crimes financiers (un focus sera fait sur un secteur en particulier : bancaire, assurance ou public)
  • Processus de lutte contre la fraude
  • Les mesures de prévention
  • Les organes de régulations et la réglementation dans le domaine
  • Conséquences pour les établissements financiers

Lieu : Deloitte (Naira HAMBARDZUMYAN)

Deloitte est l'un des principaux cabinets mondiaux de services en audit & assurance, consulting, financial advisory, risk advisory et tax & legal.  Deloitte France regroupe un ensemble de compétences diversifiées pour répondre aux enjeux de ses clients. Fort des expertises de ses 7 000 associés et collaborateurs et d’une offre multidisciplinaire, Deloitte France est un acteur de référence.
Département : Risk Advisory - Deloitte Technology and Analytics
Mission : à préciser

Lieu : Groupama Paris Val-de-Loire (Jade Honsai)

Lieu : Groupe Crédit Agricole (Meltem INCI)

Lieu : Mutuelle Générale (Clarisse IRANKURIZA)

Troisième mutuelle française et acteur référent de l’assurance santé en France. La Mutuelle Générale intervient sur le marché des particuliers et celui des entreprises pour assurer la protection quotidienne de 1,4 million de personnes. Depuis plus de soixante-dix ans, elle est au cœur des grandes révolutions du monde de la santé et travaille à réinventer son métier pour proposer à nos adhérents des services toujours plus innovants et adaptés aux évolutions de nos modes de vie.
Environnement : Département Data & Analytics /Pôle Production Data Science
Missions :

  • Réaliser les études et analyses permettant une meilleure compréhension des besoins et comportements des clients
  • Réaliser les études de prévision événements de consommation des services (scores d’appétence, d’attrition)
  • Accompagner les équipes commerciales dans le suivi et la prévision des ventes des Services
  • Contribuer à l’alimentation, la proposition ou la création de « Services Data » (suivi et prévision de l’absentéisme des collaborateurs de l’entreprise, étude de stratégie d’entreprise, veille concurrentielle, par exemple)
  • Contribuer à la réalisation d’un outil géomarketing de prospection des entreprises aux Services.

Lieu : KANTAR (Wendpegre KORGHO)

Service dans lequel sera affecté l'étudiant
M&D Panels

Objectifs et missions du stage
Comparaison des niveaux d’achats des outils de recueil qui composent le panel.
L’analyse consistera à identifier les potentiels écarts significatifs entre les outils sur les différents marchés.
Pour ce faire, Le stagiaire suivra la méthode avec les étapes suivantes :
- étape 1 : redressement qui permettra d’avoir des données redressées et comparables
- étape 2 : calculs des intervalles de confiance pour déterminer la significativité des écarts su chacune des lignes.
- étape 3 : analyse des résultats et l’harmonisation des niveaux d’achats des outils.

Lieu : BPCE Financement (Yannick KOUGBLENOU)

Lieu : Crédit Agricole CIB (Quentin LARROQUE)

Lieu : LCL (Audrey LAVAINNE)

Lieu : Crédit Agricole Consumer Finance (Simeng LI)

Lieu : Ministère des Armées (Thomas LODIEU)

Lieu : SAS France (Léo MAUGIS)

Lieu : BPI France (Zinsou MEZONLIN)

Lieu : Avisia Nantes (Gaëtan MICHENET)

Lieu : Thélem Assurances (Camille MICHON)

Lieu : BPCE Financement (E. Mohamed Abderrahmane)

Lieu : Mazars Luxembourg (Doupamby NYAMAT BANTSIVA)

Lieu : Havas CSA Data Consulting (Maxence PERNOT)

Lieu : SAS France (Andra PINTILESCU)

Lieu : CGI (Mathieu PITOIS)

Lieu : Atheïa (Marcy SOMPA)

Intitulé du poste : Chargé d’études statistiques – Science de la donnée
Mission :
Comportement de paiement : Dans le cadre de la prévention contre la fraude et du programme « Innovation », l’analyse des expériences de paiement du débiteur est un élément qui peut s’avérer déterminant. Elle constituera une des briques fondatrices de l’outil d’aide à la décision qui permettra aux différents métiers de la filière Affacturage d’appréhender la lutte contre la fraude de façon optimale.
La mission qui vous sera confiée suivra la méthodologie CRISP-DM et comportera les phases suivantes
1/ Intégration dans le groupe de travail dédié à la lutte contre la fraude (Business understanding). Sur la base d’ateliers organisés avec le métier, l’étudiant, encadré par son tuteur, devra animer des séances de travail afin de cadrer les cibles à modéliser.
2/ Définition des objectifs recherchés, sélectiondes données clés (Data understanding). L’étudiant bénéficiera d’un panel riche de données pour la constitution des échantillons nécessaires à la modélisation. Données structurées ou non sont autant d’information qu’il devra tester dans le cadre de ses travaux. Un travail important de data management est donc à prévoir.
3/ Détermination des algorithmes et règles de gestion (Modelling). L’étudiant poura tester plusieurs types approches (supervisées, non supervisées), en expliquant les forces et faiblesses de chacun.
Les tests se feront en Python ou R, qui sont donc des compétences strictement requises pour ce stage – un recours à IBM SPSS est possible.
4/ Mesure de performances des modélisations (Evaluation)
L’étudiant aura la possibilité d’expérimenter ses développements au sein du Data lab mis à disposition par notre service informatique

Lieu : COVEA (GMF Assurances) (K. TACHFIN)

 

Lieu : LCL (Hoa Quynh TRAN)

Lieu : Confédération nationale du Crédit Mutuel (C. TSOPZE KENFACK)