Voici un bref aperçu des tâches et des responsabilités qui vous incomberont :

- Définir la méthodologie statistique permettant d’augmenter les données existantes de sondages auprès des entreprises à l’aide de données populationnelles et d’autres jeux de données pertinents;
- Évaluer les sources de données candidates, notamment les données historiques de sondages, les données pertinentes sur la population des PME canadiennes, les indicateurs économiques et les données de référence externes approuvées;
- Analyser la qualité, la couverture, la représentativité, les données manquantes, les biais et l’aptitude à l’utilisation des données, puis documenter les contraintes et les mesures correctives requises;
- Concevoir et mettre en œuvre des modèles statistiques transparents pour l’imputation et la génération de données synthétiques, notamment des méthodes bayésiennes lorsqu’elles sont appropriées et explicables;
- Développer les modèles initiaux ainsi qu’un processus reproductible dans un environnement Databricks approuvé;
- Établir un cadre de validation et des critères d’acceptation couvrant notamment la fiabilité, la reproductibilité, les biais, la variance, la précision par sous-groupe, l’explicabilité et la valeur pour les besoins d’affaires;
- Comparer les résultats des modèles aux résultats réels des sondages et documenter les contextes où l’approche est fiable, ses limites ainsi que les cas d’utilisation acceptables ou non;
- Piloter l’approche sur un cas d’utilisation de sondage sélectionné et évaluer sa capacité à accroître la profondeur effective des échantillons, à soutenir les analyses par sous-groupes et à réduire la pression sur la collecte de données;
- Documenter les méthodes, les hypothèses des modèles, la traçabilité des données, les résultats de validation, les limites ainsi que les recommandations de gouvernance et d’exploitation future;
- Collaborer avec les spécialistes en recherche et intelligence de marché ainsi qu’avec les parties prenantes concernées en matière de données, de technologies, de protection des renseignements personnels, de sécurité et de gestion des risques;
- Communiquer régulièrement l’avancement des travaux, signaler rapidement les obstacles et assurer le transfert de connaissances au moyen de séances de travail et de méthodes documentées;




- Formuler une recommandation finale visant à étendre, raffiner, suspendre ou limiter la capacité à la suite du projet pilote.

Le Profil Recherché Est Le Suivant

- Détenir une maîtrise en statistique, méthodologie des sondages, biostatistique, économétrie, mathématiques, sciences sociales quantitatives ou dans une discipline étroitement liée;
- Posséder un minimum de sept années d’expérience progressive en statistique appliquée, statistique d’enquête, recherche quantitative, économétrie, biostatistique ou dans un domaine connexe;
- Avoir de l’expérience dans la conception et la validation de méthodes de pondération de sondages, d’imputation, d’estimation pour petits domaines ou sous-groupes, d’augmentation d’échantillons ou de traitement des données manquantes;
- Maîtriser les principes avancés d’échantillonnage, de pondération, de calibration, d’imputation, de traitement des données manquantes, d’estimation de l’incertitude et de validation statistique;
- Démontrer une expérience avec des données de sondage complexes et des données populationnelles, administratives ou de référence;
- Savoir évaluer les biais, l’incertitude, la variance, la généralisabilité et la performance des modèles par sous-groupes;
- Connaître Python ou R pour l’analyse statistique et le développement de modèles reproductibles;
- Utiliser Databricks ou un environnement analytique gouverné équivalent, des notebooks, un système de contrôle de versions basé sur Git et des pipelines de données structurés;
- Posséder une connaissance pratique de SQL ainsi que de la préparation, du couplage, du profilage et de la validation de grands jeux de données;
- Être en mesure de concevoir des tests comparatifs entre les résultats réels de sondages et les résultats statistiquement augmentés, notamment des analyses par sous-groupes et des analyses de sensibilité;
- Produire des méthodes explicables, de la documentation technique,



des éléments probants de validation et des recommandations pratiques destinées à des parties prenantes non techniques;
- Connaître les principes de protection des renseignements personnels, d’intelligence artificielle responsable, d’éthique de la recherche, de gouvernance des données et d’utilisation appropriée des données synthétiques;
- Démontrer une grande rigueur intellectuelle dans le traitement des hypothèses, de l’incertitude et des limites méthodologiques;
- Communiquer clairement, à l’écrit comme à l’oral, auprès d’auditoires techniques et d’affaires;
- Collaborer efficacement avec des spécialistes en recherche, en données, en technologies, en gestion de projet et en fonctions de contrôle;
- Faire preuve d’autonomie, de jugement, d’orientation vers les résultats et de capacité à progresser dans un environnement en évolution;
- Savoir remettre en question de façon constructive les méthodes fragiles ou les conclusions insuffisamment étayées et proposer des solutions pratiques;
- Assurer une documentation rigoureuse des travaux et un transfert efficace des connaissances;
- Maîtriser l’anglais à un niveau professionnel, à l’oral et à l’écrit;
- Connaître le français à un niveau professionnel (un atout);
- Détenir un doctorat dans une discipline quantitative pertinente (un atout);
- Posséder de l’expérience en génération de données de sondage synthétiques ou fondées sur des modèles, notamment avec les réseaux bayésiens, la synthèse séquentielle ou basée sur des arbres CART, la synthèse de population ou l’appariement statistique (un atout);
- Maîtriser les statistiques bayésiennes, notamment la modélisation hiérarchique et la communication claire des distributions a priori, des hypothèses et de l’incertitude (un atout);
- Connaître les méthodes d’apprentissage automatique appliquées à la prédiction et à l’imputation, notamment les modèles basés sur des arbres et les classificateurs (un atout);
- Avoir de l’expérience dans le déploiement de modèles statistiques au sein d’un environnement d’entreprise, du secteur public, des services financiers ou d’un environnement contrôlé comparable (un atout);
- Posséder de l’expérience avec des données interentreprises, de petites entreprises, économiques ou de recherche de marché (un atout).

📌 Statisticien senior – Données d'enquêtes synthétiques (Montreal)
🏢 COFOMO
📍 Montreal