Data Analyst - Développeur C# - Python - Secteur Bancaire H/F CELAD

A LIRE ATTENTIVEMENT AVANT DE POSTULER ⬇

1 jour de télétravail / semaine - Dijon (21) - Expérience de 4 ans minimum

Vous aimez comprendre ce que racontent vraiment les données... et surtout les transformer en décisions concrètes ?

Si vous cherchez juste à faire des dashboards... ce poste ne va pas vous intéresser.

En revanche, si vous aimez travailler sur de gros volumes de données, avec des enjeux bancaires concrets (clients, fraude, pilotage), vous allez rapidement voir l'impact de votre travail.

Vous intervenez dans un environnement où la data est au coeur des décisions.

Pourquoi on a besoin de vous ?

L'équipe se renforce pour mieux exploiter les données issues du système d'information bancaire commun.

Objectif : transformer des données complexes en analyses utiles pour les équipes métier (finance, risques, marketing...).

Ce que vous allez faire concrètement :

1/ Vous explorerez les données pour répondre à des questions concrètes

Vous travaillerez sur des données clients, des opérations bancaires, des indicateurs de performance ou encore des sujets liés à la fraude et à la conformité.

Par exemple, vous pourrez être amené à :

- identifier des comportements inhabituels dans les flux bancaires ;

- comprendre pourquoi un indicateur métier évolue ;

- aider une équipe à mieux connaître ses clients ;

- produire des analyses utilisées pour piloter l'activité.

2/ Vous utiliserez SQL pour analyser de gros volumes de données

Vous interrogerez les bases de données afin d'extraire, croiser et fiabiliser les informations.

L'objectif n'est pas seulement d'écrire des requêtes, mais de faire parler la donnée pour aider les métiers à décider plus vite et plus justement.

3/ Vous développerez en C# et Python pour automatiser et fiabiliser les traitements

Vous utiliserez C# et Python pour :

- automatiser certaines analyses ;

- construire ou améliorer des traitements de données ;

- rendre les analyses plus robustes et plus rapides ;

- industrialiser ce qui fonctionne pour éviter les retraitements manuels.

4. Vous construirez des modèles de données exploitables

Vous structurerez les données pour qu'elles soient plus simples à utiliser.

Concrètement, vous créerez des modèles permettant aux équipes métier de retrouver rapidement la bonne information, sans dépendre à chaque fois d'un traitement spécifique.