Expériences & Réalisations

logo.png

Consultant Big Data / Data Scientist

Depuis mai 2017 at BNPP, Paris, boulevard des italiens

Dans le cadre d'un programme de refonte du SI des Risques Opérationnels du groupe BNPP, le choix d'une architecture Big Data HDP a été fait pour constituer le data backbone de ce nouveau SI. Ce programme embarque des équipes MOE/AMOA/Architecture dans une démarche agile. L'enjeu du projet est de fournir à la direction du groupe et au régulateur de la banque, un reporting de qualité et la possibilité d'avoir une analyse prédictive afin de pouvoir maîtriser et réduire la provision de leurs risques opérationnels.

1263_7230380-11101231.jpg

Consultant Big Data / Data Scientist

avril 2016 - avril 2017 at Natixis - Secrétariat général de la DSI, Paris

Au sein du département de la sécurité financière, support à la mise en place et à la gestion du dispositif anti-blanchiment de Natixis. Participation majoritaire à l’implémentation d'un Big Data permettant de lutter contre le blanchiment d'argent et d'effectuer une surveillance médiatique.

toto.jpeg

Conférence Salon Big Data 2017

1 jour at Conix, Palais des congrès, Paris

CONIX LAB - Lutte contre le cancer et lutte contre le blanchiment, deux combats et une même approche BIG DATA : les dessous d’une méthode.

Au travers de deux retours d’expérience – Lutte contre le cancer et lutte contre le blanchiment - CONIX illustre les facteurs de succès de sa démarche de bout en bout, agile et collaborative ; un ensemble d’étapes qui intègre l’usage des technologies et des outils d’analyse de la data, dans un cadre méthodologique innovant. Ce cadre constitue le fil rouge de l’Atelier.

Intervenants

Joël BIZINGRE, DG CONIX Consulting
Elkhader FATNI et Thibaud BLANCHARD, consultants

Insitut-Galilee.png

Santé des entreprises à travers le Web

octobre 2016 - mars 2017 at Sup'Galilée, Institut Galilée

En partenariat avec l’école d’Ingénieurs Sup Galilée (ISG), j'ai travaillé sur un sujet touchant le monde professionnel : prédire la santé des entreprises à l’aide d’informations librement accessibles sur le web.

Le but du projet est de proposer un moteur de recherche capable de renvoyer, à partir du nom d’une entreprise, une liste d’informations pertinentes portant sur l’actualité (articles de presse, flux RSS…) et catégorisées par une analyse de sentiments (positifs/négatifs).

En mode agile (sprint de 3 semaines), j'ai encadré en qualité de data scientist une équipe de 4 étudiants en 3ème année d’ingénieur informatique, spécialité RIAC (Recherche d’Information et Analyse de Contenu) depuis octobre 2016 jusqu'à février 2017. En bout de course, j'ai été plus que ravie par l'investissement de l'équipe et la qualité du travail fourni.