MARGO

Témoignage

Pierre: de Software Engineer à Data Scientist

Découvrez le témoignage de Pierre, aujourd’hui Data Scientist chez Margo, et apprenez-en plus sur nos opportunités d’évolution.


Diplômé de l’Enseirb Matmeca, Pierre rejoint Margo en août 2015 en tant que Software Engineer C#. Il commence par suivre une formation en interne de trois mois avant d’intégrer l’équipe de calcul de liquidités de la Société Générale. Après une nouvelle formation à Télécom Paris, Pierre se tourne vers des sujets de Data Science et entame un nouveau projet au sein de l’entité data de BPCE. Découvrez son parcours et comment Margo l’a accompagné dans cette évolution.

 

Peux-tu nous parler de tes débuts au sein de Margo ?

J’ai découvert Margo alors que j’étais encore étudiant, lors du forum annuel de mon école.  Après mon stage de fin d’étude, j’ai été recontacté par une HR Manager et j’ai passé les différentes étapes du processus de recrutement. J’ai eu un très bon contact avec les équipes et j’ai surtout été convaincu par l’entretien technique. Je pense que ces tests techniques sont un bon moyen d’évaluer le niveau d’un candidat, mais aussi à l’inverse, pour un candidat d’estimer le niveau de sérieux de l’entreprise.

En plus de ça, Margo m’a proposé de commencer mon CDI par une formation pour me remettre à niveau en C#. Je sortais d’école et mon parcours académique était plutôt orienté mathématiques et mécanique. Je n’avais pas de compétences approfondies en programmation, j’utilisais Fortran 90, qui est un langage un peu obsolète, beaucoup utilisé dans le domaine scientifique mais pas dans l’industrie d’aujourd’hui. Ce programme de formation proposé par Margo a été une vraie force pour moi qui me sentais un peu déconnecté du marché du travail. J’y ai appris à coder en C#, mais aussi à acquérir de bonnes pratiques de développement, à me familiariser avec les cérémonies agiles et à progresser sur mes soft skills. Un véritable atout pour trouver ensuite un beau projet client !

 

Tu débutes justement par un projet en développement C# pour la banque de financement de la Société Générale. Peux-tu nous en dire plus sur ton rôle à cette époque ?

J’ai commencé dans l’équipe Liqor, le calculateur de liquidités de la Société Générale. L’équipe s’occupe de calculer des indicateurs qui prouvent que la banque est en mesure de satisfaire ses engagements même si ses contreparties lui font faux bond. Pour cela, nous devons fournir des résultats à des régulateurs comme la Banque Centrale Européenne ou encore la FED, la Réserve Fédérale des Etats-Unis.

Mon rôle était d’implémenter dans le calculateur de risque le fonctionnement de certaines activités de trading, pour rendre les calculs plus précis et mieux piloter la gestion du risque de liquidité en interne. Je développais essentiellement en C# et en SQL, avec une forte logique d’amélioration continue.

Ça a été un projet très formateur où j’ai beaucoup appris techniquement et humainement. J’ai eu la chance d’évoluer dans un environnement de travail agile, avec une vraie volonté d’améliorer les process et de tester de nouvelles méthodologies pour assurer la qualité du code. J’ai pu acquérir des bases solides pour la suite, qui me servent beaucoup aujourd’hui dans mon quotidien de Data Scientist.

 

C’est donc suite à cette première mission que tu choisis d’évoluer vers la Data Science. Comment Margo t’as accompagné dans cette démarche ?

Je me suis effectivement intéressé à la Data Science durant mon premier projet à la Société Générale et ça a été un coup de cœur. J’ai commencé par suivre des MOOCs, je suis allé à la rencontre de consultants data et j’ai échangé avec eux, ce qui m’a conforté dans mon choix. En démontrant ma motivation, j’ai convaincu Margo de m’accompagner dans ce nouveau projet. J’ai donc pu suivre en parallèle de ma mission client une formation en Data Science à Télécom Paris, trois jours toutes les trois semaines, pendant un peu plus d’un an.

A côté de cela, j’ai aussi eu la chance de travailler pendant six mois sur un projet data au sein de la Société Générale avec un Data Scientist Margo. Ça a été une super montée en compétence avant de pouvoir changer de client et rejoindre la BPCE en tant que Data Scientist.

 

Et aujourd’hui, quel est ton nouveau rôle en tant que Data Scientist ? 

Je travaille depuis huit mois pour 89C3, l’entité digitale de la BPCE. J’ai intégré une équipe de quatre Data Scientists dont le rôle est d’identifier, promouvoir et accompagner le déploiement de projets data au sein du réseau d’agences Banque Populaire et Caisse d’Epargne.

A titre d’exemple, je travaille sur un moteur de ciblage qui aide les différentes banques et caisses à mieux identifier les clients à qui proposer une offre de crédit en ligne. L’un de nos gros enjeux sur ce projet est sur la partie backtesting. Il faut fournir des indicateurs aux entités risque de la BPCE pour leur assurer que le modèle est fiable et qu’il représente un réel gain en efficacité pour les équipes opérationnelles, autant qu’il limite les risques rattachés au crédit.

L’une des particularités au sein de 89C3 c’est que le rôle de Data Scientist est très complet : nous avons une vision globale et participons à chaque étape du projet : recueil des besoins, idéation, cadrage, développement du MVP, déploiement, mise en production, support, … Je m’appuie ainsi énormément sur mes compétences acquises en développement. J’utilise par exemple beaucoup de SQL et rencontre des problématiques de performance et de scalabilité auxquelles j’avais déjà été confronté lors de ma première mission en tant que Software Engineer. Mes deux expériences sont vraiment complémentaires !

 

Et au delà de ton projet client, comment participes-tu à la vie interne de Margo ?

Je m’investis beaucoup sur les sujets liés au recrutement. Par exemple, dès mon arrivée chez Margo, j’ai fait plusieurs cooptations, simplement en expliquant mon parcours auprès de mon réseau. Je fais également passer des validations techniques à nos candidats, au départ en C#, maintenant de plus en plus sur des sujets Data. De manière générale, j’aime bien échanger et partager mon expérience pour pouvoir aider d’autres personnes à se projeter et trouver leur voie !

 


C#
Data
DataScience
Software Engineer

Témoignage

Sabrina, Senior Software Engineer chez Margo

Mon premier objectif à la SGCIB a été de développer from scratch une plateforme de build et donc d’introduire des bonnes pratiques de développement au sein du projet. Je ne pouvais pas rêver mieux : du développement en C#, du DevOps, et de nombreux challenges techniques !

Découvrir 
Success Story

Le Machine Learning source de ROI commercial pour un acteur bancaire majeur

Margo accompagne l'un des acteurs majeurs de la banque dans la réalisation d'un projet de développement et d'industrialisation d'un modèle de Machine Learning. Nous vous proposons notre retour d'expérience sur la mise en oeuvre de ce projet afin de mieux comprendre comment la datascience peut rapidement devenir génératrice de ROI pour nos clients.

04/07/2019 Découvrir 
Tribune

Des statistiques traditionnelles à la Data Science

« Datascience is statistics on a Mac ». Au-delà de la caricature portée par cette affirmation, l’idée que la « data science » se veut ni plus ni moins qu’un « rebranding » des statistiques est aujourd’hui partagée par de nombreux ingénieurs en statistiques, jusque-là simplement présentés comme tels...

Découvrir 
Tribune

Mener à bien un projet data : une route encore semée d'embûches

En 2020, les investissements des entreprises dans les projets data devraient dépasser les 203 milliards de dollars au niveau mondial. Mais à l'heure où beaucoup se revendiquent être des Data Driven Companies, nombre de projets data se soldent encore par un échec.

15/10/2018 Découvrir 
Actualité

Tutoriel : Quelques bases en python pour la prédiction de séries temporelles

Dans ce tutoriel, nous introduisons quelques concepts élémentaires en séries temporelles afin de pouvoir effectuer “rapidement” des prédictions de valeurs futures sur des données temporelles. Loin d’être exhaustif, ce premier tutoriel présente quelques outils de base en Python permettant d’effectuer de premiers traitements. Le code permettant de retrouver ces résultats est ici : https://gitlab.com/margo-group/public/SeriesTemporelles.

11/09/2018 Découvrir 
Actualité

Kaggle Challenge : Ad Tracking fraud detection pour TalkingData

TalkingData est la plus grande plateforme indépendante de services Big Data en Chine, couvrant plus de 70% des appareils mobiles actifs dans tout le pays. Ils traitent 3 milliards de clics par jour, dont 90% sont potentiellement frauduleux. Afin de garder une longueur d'avance sur les fraudeurs, ils se sont tournés vers la communauté Kaggle pour obtenir de l'aide dans le développement de leur solution. Le sujet du challenge : créer un algorithme qui prédit si un utilisateur va télécharger une application après avoir cliqué sur une annonce d'application mobile.

31/05/2018 Découvrir