Stagiaire Data Science: Détection d’anomalies & Dashboards

Figeas SA, Société de services du Groupe Assura; Le Mont-sur-Lausanne; On-site; CHF 17,000 - 23,000; Full time

Benefits offered by this job

40 heures hebdomadaires pour un 100%

Horaires de travail flexibles

Environnement de travail collaboratif

Formation interne métier

Job summary

Figeas SA, Sociéte de services du Groupe Assura, propose un stage en sciences des données pour identifier des anomalies dans les données de facturation et développer des pipelines de traitement applicables à l’assurance maladie.

Vous concevrez et implémenterez des méthodes statistiques d’anomalies, construirez les dashboards et les modèles de données nécessaires, et présenterez vos résultats aux équipes métiers pour favoriser l’adoption opérationnelle.

Qualifications

• Étudiant·e en fin de Master dans une filière scientifique.
• Intérêt marqué pour la science des données et capacité d’analyse.
• Bonnes connaissances en probabilités et en statistiques de base.
• Maîtrise Python souhaitée.
• Allemand constitue un atout.

Responsibilities

• Analyser les besoins métiers et les objectifs de détection pour définir le périmètre d’étude.
• Développer un pipeline de traitement des données (collecte, nettoyage, transformation).
• Concevoir et implémenter des méthodes de détection d’anomalies adaptées.
• Construire les tables analytiques et définir un modèle en étoile pour l’analyse.
• Développer un tableau de bord pour suivre et analyser les anomalies.
• Valider les résultats avec les équipes métiers et présenter l’outil et les enseignements.

Skills

Probabilités

Statistiques descriptives

Python

Analyse de données

Modélisation de données

Education

Master en sciences des données

Job description

Figeas SA, Sociéte de services du Groupe Assura, propose un stage en sciences des données pour identifier des anomalies dans les données de facturation et développer des pipelines de traitement applicables à l’assurance maladie.

Vous concevrez et implémenterez des méthodes statistiques d’anomalies, construirez les dashboards et les modèles de données nécessaires, et présenterez vos résultats aux équipes métiers pour favoriser l’adoption opérationnelle.