STAGE Data Analyst - Modélisation des Frais Fixes - H/F

Description de l'offre

NANTERRE-IMMEUBLE SPAZIO(FRA)
Description du poste

Une première modélisation par régression linéaire a déjà été réalisée en se basant sur les charges constatées les années précédentes. Les stations ont été regroupées en clusters pour calculer les montants moyens pour chaque charge.
Le projet de modélisation mené lors du stage proposé sera basé sur les pratiques répertoriées en station. L’objectif est d’ identifier les écarts entre le cout idéal/théorique modélisé et le cout réel constaté sur chaque site. La modélisation sera basée sur les consommations théoriques de chaque poste/équipement et le volume d’activité de la station-service (volume carburant vendu, ventes boutique…)

Ce stage vous permettra de:

· 
Comprendre comment sont construits les modèles de rentabilité dans un environnement de gestion complexe

· 
Développer ses compétences d’analyse financière

· 
Développer son esprit de rigueur et de synthèse en documentant le travail réalisé

· 
Etre au cœur du suivi économique et du contrôle de gestion opérationnel d'un réseau de distribution.

· 
Mise en oeuvre des connaissances techniques au service d'un projet opérationnel

Réfèrence

21521BR
Pays

France
Durée du contrat

6
A propos de nous/Profil de l'entreprise

BETTER ENERGY NEEDS YOU

Donnez le meilleur de vous-même à l’énergie ! Rejoignez TOTAL : plus de 500 métiers différents dans 130 pays. Une entreprise responsable avec des standards de sécurité et d’éthique forts, des perspectives d’évolution de carrière variées, une culture de l’innovation et une mission partagée par les 100.000 collaborateurs du Groupe : rendre l’énergie meilleure jour après jour.

Profil recherché

Profil recherché

Vous préparez actuellement un Bac+5 en Finance et/ou Data Analyst et recherchez un stage conventionné de 6 mois à partir de Janvier 2020.

Vos savoir faire indispensables:

· 
Programmation Python et/ou R (Bon niveau à expert).

· 
Vba Excel .

· 
Langage Sql et Base de données .

Vos atouts indispensables :

· 
Savoir mettre en place des modèles de machine Learning/Deep Learning à l’aide de python et/ou R.

· 
Algorithmes de régressions (Linéaire, multiples, polynomiales...)

· 
Algorithmes de classifications (K-means, réseau de neurones…)

Vous êtes reconnu(e) pour vos capacités d'analyse et de synthèse. La connaissance d'un outil de data visualisation est un plus.

Métier

Systèmes d'Informations Fin, 'Systèmes d'Information Métiers
Intitulé du poste

STAGE Data Analyst - Modélisation des Frais Fixes - H/F
Unité de temps

Mois
Branche

Marketing & Services
Région, département, localité

92 - Hauts-de-Seine
Domaine professionnel

Finance, Systèmes d'Information
Niveau d’expérience requis

0- 3 ans
Salaire annuel brut maximum

SELON BAREME
Type d’emploi

Stage conventionné
Salaire annuel brut minimum

SELON BAREME
Localisation (Précisions/Mots-clés)

Nanterre
Contexte et Environnement

Les missions confiées seront :

1- Affiner la définition des Clusters par algorithme: Cluster Frais Fixes et Clusters SFS.

2- Pour chaque ligne de charge pour laquelle la démarche est pertinente, calculer les coûts à partir des usages. (entre 50 et 60 poste de coût). Pour les autres postes de charges nous conserverons la démarche par régression linéaire.  Vous serez amené à:

· 
Lister les paramètres impactant la dépense

· 
Quantifier les usages

· 
Modéliser

3- Poursuivre la modélisation des organisations de la main d’ouvre en station:
Pour chaque cluster SFS, vous devrez: Lister les tâches, lister les paramètres impactant la durée de chaque tâche et modéliser.

Le stagiaire devra :

- A l’aide de Python et/ou R, préparer/récolter, nettoyer, structurer les données qui lui seront fournies et identifier les données pertinentes sur lesquelles se portera l’étude.
- Identifier le modèle de machine Learning à modéliser par la programmation.
- Mettre en place un modèle de classification , algorithme de clustering sous Python ou R afin d’identifier les différents clusters d’analyses.
- Mettre en place un modèle de prédiction des différentes charges. 
- Réaliser la documentation du projet (Guide utilisateur par exemple).

Echéances :
1) 1er trimestre 2020
• Définition et rédaction de la méthode de travail
• 1ère collecte des données terrains
• 1ers traitements des données
• Définition des clusters des stations
• Ajustement de la méthode

2) 2ème trimestre 2020
• 2ème collecte affinées des données terrains
• Modélisation

3) Juin 2020
• Rédaction final du book détaillant le processus de la démarche
• Rédaction du book des bonnes pratiques d’une station en fonction de son cluster