Menu

Mamoudou SALL

Paris

Electionseuropéennes 2024

RETROUVEZ GRATUITEMENTLe résultat des européennes à Paris.

En résumé

Consultant avec une expérience de 4 ans, je recherche une mission dans les métiers statistiques, datamining ou dans le marketing (ciblage, fidélisation, prospection..).
Le secteur d'activité importe peu pour moi.
Au plaisir de recevoir vos offres.

Merci d'avance.

Mes compétences :
Analyse statistique
Ciblage prospects
Analyse de données
Marketing
Data mining - Scoring
Aide à la décision
Études statistiques

Entreprises

  • Orange - Consultant chargé de ciblage marketing

    Paris 2012 - maintenant Réalisation des campagnes, de la définition de la cible jusqu’à l’expédition des campagnes (Univers Home et Mobile) :
    • Evaluation des expressions de besoin (EB) du MD
    • Préparation des campagnes de marketing direct sur les univers Internet, Open, Fibre et Mobile
    • Evaluation des potentiels et volumes de cibles : comptage de la cible
    • Analyse des données disponibles dans les différents gisements sous Unica Affinium (DMC) et sous BO (Iris)
    • Production des ciblages TMK et print et formatage des données
    • Enrichissement de bases et extractions de données du DMC ou d’Iris
    • Paramétrage des campagnes mobile dans l’IHM (ou dans Ormis pour les envois immédiats) et paramétrage des campagnes Home dans Mailforge
    • Planification, validation et expédition des campagnes.
    • Analyse statistique des retours de campagnes
    • Contribution à l’évolution des outils
    • Envoie des emails des cibles de la base mobile et Sosh via Neolane
    • Etudier l’efficacité des campagnes par l’étude de l’échantillon témoin

  • Orange - Chargé d'études statistiques, scoring

    Paris 2012 - 2012 • Production des scores mobiles grâce au logiciel SAS et/ou KXEN
     Spécification de la cible et échantillonnage de la base sous SAS
     Modélisation des scores sous KXEN
     Production des notes de scores sous SAS
     Injection de celles-ci dans IRIS
    • Contribution à la spécification des besoins des scores formulés par le marketing
    • Construction des scores de churns, de montées en gamme, d’appétence aux offres de produits, de services ou de contenus (TV, musiques, jeux vidéos,…) qui leur seront confiés
    • Participation à la validation des scores modélisés
    • Soutien à la réalisation des tâches de production mensuelle des notes de scores
    • Présentation des modèles de scores aux clients internes (le marketing)
    • Réalisation d’études statistiques ad hoc connexes, suivi des performances des modèles

  • Crédit Foncier de France - Consultant Décisionnel

    CHARENTON CEDEX 2011 - 2011 • Mise en place d’une base de données sur le périmètre des crédits et garanties en utilisant AMADEA
    • Rétro-analyse de nombreuses requêtes SQL fournies par les agences de notations Moody’s et Standard and Poor

    Modélisation de la base :
     Identification des champs, des règles de rapprochement, d’enrichissement, de transcodification, de filtrage et d’agrégation, des indicateurs à créer, des référentiels.

    Modélisation du moteur :
     Identification des objets unitaires (chargement de table, chargement SQL, rapprochement / enrichissement / sélection par jointure ou création de champs, filtrage, agrégats, métadonnées, etc).
     Description du schéma du processus (enchaînement des objets).
     Rédaction des cas de tests (assertions favorables / défavorables).

    Développement du moteur sous Amadea (outil de datamorphing) :
     Développement piloté par les tests des différents objets du moteur.
     Développement du processus complet.
     Paramétrage des règles de production dans le fichier Excel.

    Recette de la base de données (analyse qualitative et quantitative)

  • France Télécom - Orange - Statisticien, Dataminer

    Paris 2010 - 2010 • Modèles réalisés et présentés au Marketing, de la spécification des périmètres et des cibles au déploiement opérationnel des scores

     Réalisation de scores d’acquisition de prospects : spécification du périmètre (métier et données), construction des cibles, modélisation, présentation des résultats (statistiques et métier) au Marketing, déploiement des scores.
     Reporting mensuel sur la qualité des données (statistiques descriptives sur 12 datamarts glissant) : utilisation des méta-données, construction d'indicateurs de comparaison, de validation et d'alerte.
     Préparation de la modélisation des scores : lecture du datamart des clients Orange Internet (12 millions de clients et 3000 variables), import de fichiers externes, jointures, sélection de clients et de variables, construction des périmètres des scores, export.
     Production mensuelle des rapports sous Amadea / KXEN : automatisation des processus sous l’ETL Amadea (multiplexage/partitionnement/union/juxtaposition/création de champs).
     Suivi des scores dans le temps.
     Études ad hoc (agrégations, tableaux croisées, verticalisation, binarisation).

Formations

Réseau

Annuaire des membres :