Scoring et aide à la décision · Paris

Data Scientist. Je pars d’une décision à prendre et je construis ce qu’il faut pour y répondre.

J’analyse, modélise et prédis pour apporter des réponses utiles aux enjeux métier.

Master Économétrie & Statistique Appliquée, Université d’Orléans. Stage Data Scientist chez Micropole (Groupe Talan), Paris.

Télécharger mon CVsallsouleymane2207@gmail.com

Études de cas

Trois problèmes métier, suivis de la question jusqu’à la décision.

Dossier 01

Comment prioriser les actions de rétention ?

Figure 1. Modélisation du risque d’attrition client

DonnéesAncienneté · Type de contrat · Factures · Services souscrits

Problème métier
Une entreprise par abonnement perd des clients chaque mois. Personne ne sait lesquels vont partir.
Évaluation
Chaque client reçoit une probabilité de départ. La liste des clients à risque est prête à l’emploi.
Impact attendu
Concentrer les appels sur les clients qui risquent vraiment de partir, au lieu de rappeler tout le fichier.

ApprocheRepérage des signes de départUn score de risque par clientListe de clients à contacter

La démo peut mettre quelques secondes à se réveiller.

Figure 2. Segmentation client et aide au ciblage marketing

Dossier 02

Comment mieux cibler les campagnes marketing ?

DonnéesAchats · Fréquence · Montants · Produits achetés

Problématique abordée durant mon stage chez Micropole.

Problème métier
Les campagnes marketing sont envoyées à tous les clients de la même manière. Les résultats déçoivent.
Évaluation
Des groupes de clients clairs, et les produits souvent achetés ensemble, remis aux équipes marketing.
Impact attendu
Envoyer chaque campagne aux clients qu’elle concerne, pour limiter les envois inutiles.

ApprocheRegroupement par habitudes d’achatProfils de clients identifiésRecommandations pour les campagnes

La démo peut mettre quelques secondes à se réveiller.

Dossier 03

Comment fixer un prix à partir des données ?

−23 %d’erreur de prédiction en moins par rapport à la méthode de référence.

Figure 3. Pricing et estimation de la demande
Capture de la démo : Comment fixer un prix à partir des données ?
Capture de la démo · 2026

DonnéesPrix · Demande · Produit · Période

Problème métier
Les coûts augmentent et les marges se resserrent. La direction veut revoir les prix.
Évaluation
L’outil est testable en ligne.
Impact attendu
Le prix de chaque produit peut s’appuyer sur la demande estimée, plutôt que sur l’habitude.

ApprocheLien entre prix et demandeEstimation de la demandePrix recommandé

La démo peut mettre quelques secondes à se réveiller.

Expérience

Mars 2025 - Sept. 2025

Data Scientist · Stage

Micropole (Groupe Talan) · Paris

Contexte du projet : Segmentation client pour une entreprise de e‑commerce qui voulait mieux cibler ses campagnes et fidéliser ses clients.

  • Pilotage du projet de bout en bout
  • Pipeline de données : extraction Salesforce, stockage sur Google Cloud (GCS), puis nettoyage et mise en forme
  • Modèle de segmentation sur les comportements d’achat : 10 profils clients, chacun décrit avec ses leviers marketing
  • Analyse de paniers (Market Basket Analysis) pour repérer les produits achetés ensemble et nourrir des recommandations par segment
  • Conception de tableaux de bord décisionnels à destination des équipes métier, pour le pilotage des campagnes par segment
  • Python
  • SQL
  • GCP
  • BigQuery
  • Vertex AI
  • Git
  • GitHub
  • Excel

Domaines d’expertise

Là où j’interviens, du cadrage métier à la mise en production.

  • Modélisation prédictive

    Construction de modèles de prévision et de classification pour l’aide à la décision.

  • Scoring & segmentation

    Identification et hiérarchisation des populations à forte valeur ou à risque.

  • Industrialisation ML

    Déploiement et supervision de modèles en environnement de production.

  • Analyse statistique

    Interprétation des données pour orienter les décisions métier.

  • Reporting & visualisation

    Construction de tableaux de bord et d’indicateurs pour aider à la prise de décision.

Comment j’aborde un problème data

La même démarche sur chaque projet, du besoin au suivi.

  1. 01

    Compréhension du besoin métier

    Cadrer l’objectif et les contraintes avant toute modélisation.

  2. 02

    Exploration des données

    Comprendre la qualité, les biais et la structure des données.

  3. 03

    Modélisation

    Choisir et entraîner les modèles adaptés au problème.

  4. 04

    Validation

    Évaluer la performance et la robustesse sur des critères métier.

  5. 05

    Déploiement

    Rendre le modèle utilisable en conditions réelles.

  6. 06

    Suivi des performances

    Surveiller la dérive et maintenir la fiabilité dans le temps.

Technologies

Les outils que j’utilise régulièrement, par domaine.

Outils

Langages

  • Python
  • R
  • SQL
  • SAS

Machine learning

  • Scikit-learn
  • XGBoost

Visualisation & BI

  • Power BI
  • Plotly
  • Streamlit
  • Shiny

Cloud & données

  • Google Cloud Platform
  • BigQuery
  • Vertex AI

Industrialisation

  • FastAPI
  • Flask
  • Docker
  • Git
  • GitHub

Méthodes

Analyse statistique

  • Statistiques
  • Analyse exploratoire
  • Tests d’hypothèses
  • Économétrie

Machine learning

  • Régression
  • Classification
  • Clustering
  • Prévisions

Restitution

  • Tableaux de bord
  • KPI
  • Reporting

Formation

  1. Master Économétrie & Statistique Appliquée

    Université d’Orléans

    Modélisation statistique, scoring, machine learning supervisé et non supervisé, séries temporelles, économétrie, SQL et SAS.

  2. Licence Économie Quantitative

    Université de Bourgogne-Europe

    Microéconomie, macroéconomie, économétrie, statistiques descriptives et inférentielles, modélisation quantitative.

Langues

Français
Langue maternelle
Anglais
C1 · TOEIC 895
Espagnol
Notions

Certifications

  • Python for Data Science
  • SAS Certified Statistical Business Analyst
  • SAS Base Programming
  • Dataiku Core Designer
  • Dataiku ML Practitioner
  • SQL & Power BI (DataCamp)

Publications

Ce que j’écris et lis pour rester à jour.

Me contacter

Paris. Poste en CDI ou CDD.

sallsouleymane2207@gmail.com
Écrire
© 2026 Souleymane Sall