Faycal Zouine

• • Défini et dirigé la méthodologie MMM globale d'Adobe depuis zéro—conçu des modèles hiérarchiques Bayésiens (PyMC3/Stan) qui sont devenus la norme pour mesurer le ROI au niveau canal dans 6 marchés, informant directement l'allocation de plus de 250M$ de budget annuel.

• • Présenté des résultats d'incrémentalité et des recommandations de réallocation budgétaire aux dirigeants de niveau VP et Directeur en Amérique du Nord, Japon, EMEA et APAC ; les insights ont modifié les priorités d'investissement et influencé les décisions de timing de mise sur le marché.

• • Navigué des demandes de mesure ambiguës de parties prenantes avec des priorités conflictuelles—aligné des équipes interfonctionnelles (Finance, Marketing, dirigeants régionaux) sur la méthodologie avant de construire les modèles, assurant l'adhésion des cadres sur les résultats.

• • Construit des modèles de segmentation client (K-means, DBSCAN) identifiant des personas comportementaux distincts ; les résultats ont permis au Marketing de restructurer le ciblage de campagne et personnaliser la stratégie de messaging par segment utilisateur.

• • Développé des modèles de prévision ARR (ARIMA/Prophet) adoptés par la Finance pour la planification trimestrielle et les communications investisseurs—remplacé les projections basées sur tableur par des prévisions statistiquement rigoureuses et reproductibles.

• • Créé 2 tableaux de bord R Shiny en libre-service démocratisant les insights MMM—les parties prenantes de toutes les régions ont accédé aux courbes ROI, scénarios budgétaires et performance des canaux sans intervention d'analyste, élargissant l'impact au-delà des demandes individuelles.

• • Architecturé des pipelines de données de bout en bout (SQL, PySpark, Databricks) automatisant l'ingestion, le ré-entraînement des modèles et le monitoring de performance.

• • Collaboré sur la conception d'expérimentation pour mesurer le lift incrémental à travers les canaux digitaux.

• • Construit des MMM à grande échelle intégrant des données de Google, Meta, Kantar et affiliés—les résultats des modèles ont directement guidé l'allocation du budget média d'Ally Bank, optimisant vers les nouvelles inscriptions client à travers les canaux.

• • Développé des modèles de prévision de séries temporelles incorporant des variables macroéconomiques pour prédire l'acquisition client pour les produits bancaires (CD, Comptes d'Épargne) ; les prévisions ont informé la stratégie de croissance trimestrielle d'Ally.

• • Conçu des pipelines ML pour l'optimisation de campagne en temps quasi-réel ; traduit des résultats statistiques complexes en recommandations claires pour les parties prenantes client non-techniques.

• • Dirigé des initiatives analytiques interfonctionnelles reliant les équipes de science des données et de compte ; possédé le reporting client et la cadence de livraison d'insights.

• • Construit des modèles économétriques prévoyant les ventes de véhicules pour Nissan et Infiniti—les résultats ont informé l'allocation stratégique d'environ 1Md$ de budget marketing annuel à travers les canaux et régions.

• • Analysé les résultats de tests A/B pour mesurer l'efficacité des campagnes ; les résultats ont guidé les décisions d'optimisation pour les initiatives de marketing de marque.

• • Développé des modèles d'impact causal quantifiant l'effet de facteurs de marché externes sur l'acquisition client, soutenant la planification de croissance à long terme.