A*****E
À propos du candidat
Au regard de mon expérience en analyse de données, modélisation statistique, reporting stratégique et automatisation des processus décisionnels, ainsi que de ma maîtrise d’outils tels que Power BI, SQL et Python, je vise une rémunération comprise entre 800 000 et 1 500 000FCFA brut mensuel, en cohérence avec les responsabilités du poste et les standards du marché.
Je reste toutefois ouvert à la discussion en fonction du package global et des perspectives d’évolution.
Localisation
Formation
Le Data Engineer conçoit, construit et optimise les pipelines de données pour permettre à l’entreprise de collecter, stocker et exploiter ses données de manière fiable et sécurisée. Il transforme les données brutes en information structurée, prête à être analysée par les Data Analysts et Data Scientists. Responsabilités clés : Collecte et intégration des données : Développer des pipelines ETL/ELT pour ingérer des données provenant de multiples sources (ERP, CRM, IoT, APIs…). Assurer la qualité, la cohérence et la disponibilité des données pour les équipes analytiques. Architecture et gestion des données : Concevoir et maintenir des bases de données relationnelles et NoSQL. Déployer et optimiser des Data Warehouses et Data Lakes. Assurer la sécurité, le backup et la gouvernance des données. Optimisation et automatisation : Automatiser les flux de traitement de données pour améliorer la productivité et la performance. Monitorer et résoudre les problèmes liés aux pipelines de données. Collaboration avec les équipes analytiques et métiers : Fournir des datasets fiables et exploitables pour les Data Analysts et Data Scientists. Participer à la définition des indicateurs clés (KPI) et à la préparation des données pour le reporting. Innovation et amélioration continue : Mettre en œuvre les bonnes pratiques en matière de Big Data et Cloud. Rechercher et tester de nouvelles technologies pour améliorer la performance des systèmes de données. Compétences techniques requises : Langages : Python, SQL, Java, R Outils ETL : Talend, Airflow, SSIS, Pentaho Bases de données : MySQL, PostgreSQL, MongoDB, Oracle Data Warehouse / Big Data : Snowflake, Redshift, Hadoop, Spark Cloud : AWS, Azure, GCP BI et reporting : Power BI, Tableau
Data Science & Intelligence Artificielle Ce programme vise à fournir aux participants les compétences essentielles pour explorer, analyser et interpréter des données massives, ainsi que pour développer des solutions basées sur l’intelligence artificielle. Les participants acquièrent la maîtrise de : Analyse de données : collecte, nettoyage, traitement et visualisation des données à l’aide d’outils statistiques et de programmation (Python, R, SQL). Machine Learning & Deep Learning : conception et déploiement de modèles prédictifs et intelligents pour résoudre des problématiques réelles. Intelligence Artificielle appliquée : utilisation des algorithmes d’IA pour l’optimisation, la classification, la recommandation et la prise de décision automatisée. Data Storytelling : interprétation et présentation des résultats pour soutenir les décisions stratégiques dans un environnement professionnel. Ce programme prépare les participants à devenir des professionnels compétents en Data Science et IA, capables de transformer les données en informations stratégiques et solutions innovantes.
Probabilités & Statistiques Cette formation vise à fournir aux étudiants une solide maîtrise des fondements mathématiques et statistiques nécessaires pour l’analyse et la modélisation de données complexes. Au cours du programme, l’étudiant développe des compétences dans : Probabilités et Statistiques : modélisation probabiliste, lois statistiques, estimation et tests d’hypothèses. Analyse mathématique et algèbre : résolution de problèmes complexes et applications quantitatives. Applications en sciences et ingénierie : utilisation des méthodes statistiques et mathématiques pour résoudre des problématiques réelles dans divers secteurs (finance, assurance, data science, industrie, etc.). Outils computationnels : programmation et utilisation de logiciels spécialisés pour l’analyse des données et la simulation statistique. Cette licence prépare les diplômés à devenir des professionnels capables de concevoir, analyser et interpréter des modèles mathématiques et statistiques dans des contextes scientifiques, industriels ou économiques.
Cette formation prépare les étudiants aux fondements des mathématiques appliquées, en mettant l’accent sur les outils analytiques et numériques nécessaires pour résoudre des problèmes concrets. Les principaux acquis incluent : Analyse et algèbre : maîtrise des concepts fondamentaux en calcul différentiel, intégral et structures algébriques. Probabilités et statistiques : introduction aux modèles probabilistes et aux méthodes statistiques de base pour l’analyse de données. Applications pratiques : résolution de problèmes dans divers domaines tels que l’ingénierie, l’économie, la finance et les sciences sociales. Initiation aux outils informatiques : utilisation de logiciels et langages de programmation pour le traitement et l’analyse mathématique. Le DEUG 2 en Mathématiques Appliquées constitue une base solide pour poursuivre des études supérieures en mathématiques, statistiques, informatique ou data science.
Expérience professionnelle
.Collecter, vérifier et consolider les données provenant de différentes sources (ERP, bases de données, enquêtes, systèmes internes). .Élaborer et automatiser des rapports et tableaux de bord via Excel, Power BI, Tableau ou outils similaires. .Réaliser des analyses statistiques et prédictives pour identifier les tendances, corrélations et anomalies. .Assurer la qualité et l’intégrité des données, en mettant en place des contrôles et procédures de validation. .Collaborer avec les équipes opérationnelles et financières pour fournir des insights précis et pertinents. .Participer à la modélisation statistique, scoring et à la mise en place de KPI pour le suivi des projets et performances. Compétences clés : Maîtrise des outils de reporting et de visualisation de données (Excel avancé, Power BI, Tableau). Solides connaissances en statistiques, probabilités et analyse quantitative. Compétences en programmation et manipulation de données (Python, R, SQL). Capacité à synthétiser les résultats et à présenter des rapports clairs à différents niveaux hiérarchiques. Rigueur, esprit analytique et sens de la confidentialité des données. Ce poste est essentiel pour optimiser les décisions stratégiques et opérationnelles à partir de données fiables et pertinentes, contribuant ainsi directement à la performance et à la croissance de l’organisation.
.Concevoir et exécuter des analyses statistiques (descriptives, exploratoires et prédictives). .Collecter et nettoyer les données provenant de différentes sources. .Développer des modèles statistiques et probabilistes pour résoudre des problématiques réelles. .Produire des rapports et visualisations clairs pour faciliter l’interprétation des résultats. .Assurer la qualité, la cohérence et l’intégrité des données utilisées dans les analyses. Compétences clés : .Maîtrise des outils statistiques et de programmation (R, Python, SAS, SPSS). .Connaissance approfondie en probabilités, statistiques et analyse de données. .Capacité à synthétiser les résultats et à présenter des insights clairs et exploitables. .Rigueur, esprit analytique et sens critique. L’Analyste Statistique joue un rôle central dans la transformation des données en informations stratégiques, permettant à l’organisation de prendre des décisions éclairées et efficaces.
.Concevoir, maintenir et optimiser les bases de données pour assurer l’intégrité et l’accessibilité des informations. .Collecter, nettoyer et structurer les données provenant de sources variées. .Développer et automatiser des rapports et tableaux de bord via Excel, Power BI, Tableau ou autres outils de visualisation. .Réaliser des analyses quantitatives pour identifier tendances, anomalies et indicateurs clés de performance (KPI). .Collaborer avec les équipes opérationnelles et financières pour fournir des insights exploitables. .Assurer la sécurité, la qualité et la fiabilité des données utilisées dans le reporting. Compétences clés : .Maîtrise des systèmes de gestion de bases de données (SQL, MySQL, Oracle). .Compétences en reporting et visualisation de données (Excel avancé, Power BI, Tableau). .Connaissances en statistiques et analyse de données. .Capacité à automatiser les flux de données et les rapports. .Rigueur, esprit analytique et sens de la confidentialité. Ce rôle est essentiel pour transformer les données en informations stratégiques, facilitant la prise de décision et l’optimisation des performances de l’organisation.
Gallerie
