Data Scientist modélisation statistique

Description du poste

Contexte:

Lancement d'un programme stratégique de refonte et de modernisation de son système de Pricing & Revenue Management, cœur de la stratégie tarifaire de l'entreprise.

Dans ce cadre, nous cherchons à intégrer un Data Scientist senior, expert en modélisation statistique, pour accompagner la refonte de notre modèle de prévision de la demande.

Ce poste s’inscrit dans un environnement métier complexe et stimulant, au croisement de la science des données, de l’économie comportementale, et de l’optimisation algorithmique.

Objectifs de la mission:

Comprendre finement les mécanismes du Revenue Management dans un contexte aérien : dynamiques de réservation, effets prix, anticipation, segmentation, etc.

Concevoir, tester et mettre en œuvre un nouveau modèle de prévision de la demande, basé sur des approches de séries temporelles modernes (ML, statistiques bayésiennes, etc.) dans un contexte multi-segments, multi-horizons et incertain.

Garantir l’interprétabilité, la robustesse statistique et la fiabilité des prévisions, afin de permettre aux équipes métiers RM d’exploiter efficacement les résultats dans un système de décision.

Intégrer une réflexion rigoureuse sur les biais, les sources d’endogénéité, et les incertitudes des modèles, et proposer des moyens de les tester, corriger ou encadrer.

Définir et produire des indicateurs de performance prédictive et de qualité statistique, à destination des équipes métiers.

Compétences et Expériences Requises:

Profil académique : Diplôme de niveau Master 2 ou Doctorat en statistiques, économétrie, mathématiques appliquées, recherche opérationnelle ou data science, avec un socle théorique rigoureux.

Compétences statistiques et modélisation :

Maîtrise approfondie des modèles de séries temporelles (ARIMA, état-espace, bayésiens hiérarchiques, etc.).

Connaissance des problèmes d’endogénéité, des méthodes de contrôle (instruments, double robustesse, etc.).

Maîtrise des tests statistiques (hypothèse, robustesse, validité externe), et des méthodologies d’AB testing.

Compétence en analyse causale, ou capacité à discuter la causalité dans un environnement de données observationnelles.

Modélisation & abstraction :

Forte capacité à formuler mathématiquement des problèmes métiers complexes.

+de 8 ans d'expérience, incluant des environnements à fortes contraintes systèmes (ex. RM, supply chain, transport, trading...).

Compétences techniques :

Excellente maîtrise de Python (NumPy, SciPy, PyMC, scikit-learn, statsmodels, etc.) et SQL.

Connaissance d’outils de visualisation et de restitution des résultats (Power BI, Looker, Streamlit, etc.).

Bonne culture ML appliqué : modèles supervisés, boosting, régularisation, validation croisée.

Livrables attendus:

Cahier de modélisation : description structurée du problème, hypothèses, formalisation, critères d’évaluation.

Prototype fonctionnel du modèle de prévision de la demande (en Python, avec tests, métriques, documentation).

Rapports d’analyse sur la robustesse statistique, les biais potentiels, et la qualité des prévisions.

Présentations claires à destination des équipes métiers RM, incluant :

les incertitudes associées aux prévisions,

les hypothèses clés, des indicateurs de fiabilité et de suivi en production.

Compétences demandées

Niveau de compétence

Programmation Python Expert, Apprentissage supervisé Confirmé, looker Expert,Modélisation Statistique Expert, Boosting par gradient Confirmé, régularisation Confirmé, Power BI Expert

Comprendre finement les mécanismes du Revenue Management dans un contexte aérien : dynamiques de réservation, effets prix, anticipation, segmentation, etc.

Concevoir, tester et mettre en œuvre un nouveau modèle de prévision de la demande, basé sur des approches de séries temporelles modernes (ML, statistiques bayésiennes, etc.) dans un contexte multi-segments, multi-horizons et incertain.

Garantir l’interprétabilité, la robustesse statistique et la fiabilité des prévisions, afin de permettre aux équipes métiers RM d’exploiter efficacement les résultats dans un système de décision.

Intégrer une réflexion rigoureuse sur les biais, les sources d’endogénéité, et les incertitudes des modèles, et proposer des moyens de les tester, corriger ou encadrer.

Définir et produire des indicateurs de performance prédictive et de qualité statistique, à destination des équipes métiers.

Compétences et Expériences Requises:

Profil académique : Diplôme de niveau Master 2 ou Doctorat en statistiques, économétrie, mathématiques appliquées, recherche opérationnelle ou data science, avec un socle théorique rigoureux.