Data Scientist H/FMACIF

Le Groupe MACIF couvre les besoins de plus de 5 millions de clients dont 4.8 millions de sociétaires en assurances de biens, assurances de personnes, épargne, crédit, assistance, services à la personne. Gérant près de 17 millions de contrats au 1er janvier 2011, le Groupe a réalisé un chiffre d'affaires de 6 milliards d'euros en 2010. Plus d'informations sur : www.macif.com

Entreprise de l'Économie Sociale, la Macif n'appartient ni à des actionnaires, ni à l'État, mais à ses sociétaires. Chaque jour, plus de 10 000 salariés se mobilisent pour apporter la meilleure qualité de service à nos 5,6 millions de sociétaires et adhérents en assurances dommages, santé prévoyance et finance-épargne.
Dans un contexte d'accélération autour de la data, nous renforçons notre service Connaissance Client et recherchons un(e) data scientist, capable de mobiliser des fondamentaux solides en statistique et modélisation pour répondre à des problématiques concrètes de comportement client.
Au sein de Macif Finance Épargne, la donnée est un levier clé pour comprendre les comportements d'épargne et éclairer des décisions stratégiques sur des enjeux réels (épargne, fidélisation, valeur client, trajectoires de vie).
Vos missions :
Vous serez impliqué(e) sur des sujets à forte valeur ajoutée, avec un niveau d'exigence élevé :
- Analyser des trajectoires clients pour identifier les tendances et les comportements ;
- Réaliser des études et traduire vos analyses en recommandations stratégiques, en identifiant des signaux faibles et des leviers d'action ;
- Développer des modèles statistiques et de machine learning (segmentation, scoring, prédiction) en garantissant la robustesse méthodologique ;
- Mobiliser des approches adaptées aux problématiques (modèles explicatifs vs prédictifs) ;
- Structurer des pipelines d'analyse reproductibles ;
- Participer à l'industrialisation des analyses (automatisation, suivi des performances) ;
- Restituer vos résultats de manière claire auprès d'interlocuteurs métiers non-spécialistes.
Mais aussi …
- Constituer et enrichir des bases d'études à partir de données structurées et non structurées issues de sources variées ;
- Réaliser des études descriptives et comportementales sur le portefeuille ;
- Formuler des recommandations opérationnelles et stratégiques pour améliorer l'expérience et la connaissance client.
Pourquoi nous rejoindre ?
Des problématiques riches.
Un terrain d'application concret où vos analyses sont réellement utilisées.
Une équipe experte, à taille humaine avec une forte exigence technique, favorisant la montée en compétences.
Une place pour proposer, challenger et faire évoluer les pratiques.
Équilibre vie pro/vie perso : Forfait de 203 jours annuels, 32 jours de congés payés et 100 jours de télétravail par an.
Avantages financiers : Prime de participation, intéressement, PEE/PERCO avec abondement.
Santé & Protection : Une mutuelle et un régime de prévoyance performants.
Évolution : Un parcours de carrière dynamique au sein du Groupe AEMA.
Le petit plus : Restaurant d'entreprise, avantages CSE (voyages, loisirs).
Poste en CDI basé à Niort.
Enfin, rejoindre la Macif, c'est intégrer une entreprise de l'économie sociale engagée, qui promeut la diversité et garantit l'égalité.

Diplômé(e) d'une grande école (ENSAE, X, Centrale, ENSAI ou équivalent) ou d'un Master 2 en statistique, data science ou mathématiques appliquées.
Solides bases en statistiques et modélisation, machine learning et manipulation de données.
Bonne maîtrise de Python / R / SQL. La pratique de Dataiku ou SAS serait un atout supplémentaire.
Débutant à sénior. Expérience confirmée sur des problématiques réelles de data science avec des projets concrets de mise en œuvre de modèles.
Intérêt pour l'IA et les nouveaux développements en matière de machine learning.
Ce qui fera la différence :
Au-delà des compétences techniques, nous serons attentifs à votre capacité à :
- Structurer un problème mal posé
- Faire preuve de rigueur intellectuelle et esprit critique
- Comprendre les implications métier d'un modèle
- Arbitrer entre performance, explicabilité et robustesse
- Prendre du recul sur vos résultats (limites, biais, interprétation).