Nihal Akel

• • Chargement des données du back Office dans la base de données BUDI sur une base mensuelle.

• • Développement du code SAS pour améliorer les résultats et le temps de traitement.

• • Documentation du processus et des résultats.

• • Mise en place des règles de gestion, du dictionnaire et le mapping des données.

◦ •

• • Automatiser le chargement à l'aide de macro programming SAS et effectuer les tests de non-régression.

• • Migration de la recette et production sur Gitlab à l'aide du batch Scripting afin d'avoir un outil centraliser pour traitement des demandes métiers.

• • Introduire les nouveaux projets aux métiers (actuaires).

La mission chez BPCE-SI se déroule au sein l'équipe Gestion des arrêtés du domaine règlementaire appartenant au pôle Finance, Risques & Sécurité financière. À la suite d'un projet développé par un éditeur externe ; Sopra Consulting, se basant sur l'intelligence artificielle et permettant la détection préventive d'anomalies sur les opérations clientèles.

Missions

• • Zones d'échanges normalisés : Alimentation des spécifications et règles de gestion des champs qui composent la banque des données, en se basant sur des analyses et recettes.

• • Extraction de données.

• • Analyse de données (nettoyage, formatage des données ...).

• • Développement des scripts et corrections des erreurs code.

• • Evolution des environnements (Local / recette / homologation).

• • Evolution des périmètres du moteur de détection d'anomalies.

• • Mise en production.

• • Exposition des données (visualisation, Dashboard).

Au sein de SAS Institute, je faisais partie de l'entité Consulting, et également été intégrée au sein de l'équipe du Groupama Assurance, l'un des clients de SAS, dans le cadre du projet de la lutte contre le blanchiment de l'argent. Dans le cadre de cette mission, il a fallu répondre à des problématiques opérationnelles du client dans le cadre de la mise en production de la solution AML. Ainsi que le développement d'un modèle d'apprentissage automatique permettant la détection des alertes à risque de blanchiment d'argent.

Missions

• • Challenger la solution AML en comparant les résultants de plusieurs algorithmes du machine learning (Random forest et grandiant boosting methods) et test des performances (SAS VIYA).

• • Mapping et analyse du journal d'un code SAS permettant le traitement de la base de données des clients de Groupama Assurance.

• • Production de la synthèse détaillée des inputs et outputs avec les règles de mapping pour chaque variable.

• • Tracking des alertes opérationnels de la solution AML.7 chez le client.

• • Construire un Flowchart de l'algorithme du code AML.