Le Scientifique des données sénior extrait de la valeur des données par l’analyse statistique, l’exploration, la modélisation descriptive/prédictive et la définition de métriques fiables, afin d’éclairer les décisions produit, opérationnelles et AI. Au-delà de l’exécution analytique, il agit comme référence technique et influenceur de leadership au sein du pôle données : il élève la qualité des pratiques analytiques, encadre et fait grandir les analystes plus juniors, structure les standards de modélisation et contribue à orienter les priorités analytiques en étroite collaboration avec le Data Lead. Explorer, analyser et interpréter les données produit, opérationnelles, clients ou réseau afin d’identifier les signaux utiles à la décision. Définir, valider et documenter les métriques, indicateurs, seuils, cohortes et règles de calcul nécessaires au pilotage de la valeur et de la performance. Qualifier la data readiness : couverture, qualité, fraîcheur, granularité, représentativité, biais, trous de données et limites d’usage. Établir et faire évoluer les standards analytiques du pôle : méthodes, bonnes pratiques de modélisation, critères de qualité des analyses, réutilisabilité des approches et rigueur d’interprétation. Exercer un leadership d’influence dans le pôle données : coacher les pairs, partager les apprentissages, challenger les hypothèses analytiques et contribuer aux arbitrages sur les priorités, risques et efforts à investir. Supporter Applied AI dans la définition de ground truth, jeux d’évaluation, métriques de performance et analyses exploratoires nécessaires aux modèles. Collaborer avec les Data Ops, Spécialistes en gouvernance de données, UX, IA Transformation, Gestionnaires de produits et Développeurs Logiciels pour cadrer les problèmes,



prioriser les initiatives analytiques et transformer les insights en actions. Formation universitaire en statistique, mathématiques, informatique, science des données ou domaine quantitatif connexe (maîtrise un atout). Expérience significative (5+ ans) en analyse de données, statistique appliquée et modélisation descriptive/prédictive dans un contexte produit ou opérationnel. Maîtrise des langages et outils d’analyse ( Python, R, SQL ), des bibliothèques de modélisation statistique/ML courantes et des logiciels de versionnement comme Git Capacité à vulgariser des résultats analytiques complexes en recommandations claires et actionnables pour des audiences non techniques. Capacité démontrée à exercer un leadership d’influence : mentorat, animation de pratiques, alignement de contributeurs et recommandation de priorités analytiques dans un environnement multidisciplinaire. Bilinguisme français-anglais, à l’oral et à l’écrit (la personne aura à communiquer avec des équipes à l’extérieur du Canada). Expérience de collaboration étroite avec des équipes Applied AI ou MLOps sur la préparation et la prétraitement des données. Connaissance des enjeux de gouvernance et de qualité des données (interaction avec les Spécialistes en gouvernance de données). Expérience en secteur télécommunications, réseaux ou environnement industriel similaire.



The Senior Data Scientist extracts value from data through statistical analysis, data exploration, descriptive and predictive modeling, and the definition of reliable metrics to support product, operational, and AI-related decision-making. Beyond analytical execution, this role serves as a technical reference and influential leader within the data practice, elevating analytical standards, mentoring junior analysts, establishing modeling best practices, and helping shape analytical priorities in close partnership with the Data Lead. Explore, analyze, and interpret product, operational, customer, and network data to identify insights that support business decisions. Formulate hypotheses, test them using rigorous statistical methods, and distinguish between correlation, probable causation, bias, and interpretation limitations. Develop analyses, segmentations, and descriptive, diagnostic, or predictive models to explain phenomena, anticipate trends, and prioritize actions. Define, validate, and document metrics, KPIs, thresholds, cohorts, and calculation methodologies required to measure value and performance. Assess data readiness, including coverage, quality, freshness, granularity, representativeness, bias, data gaps, and usage limitations. Establish and continuously improve analytical standards across the data practice, including methodologies, modeling best practices, quality criteria, reusability, and analytical rigor. Demonstrate influential leadership within the data organization by coaching peers, sharing knowledge, challenging analytical assumptions, and contributing to decisions regarding priorities, risks, and investment efforts. Support the Applied AI team in defining ground truth datasets, evaluation datasets, performance metrics, and exploratory analyses required for A

📌 Scientifique des données sénior (Canada)
🏢 EXFO
📍 Canada