Head of Data Analytics & Data Science

Head of Data Analytics & Data Science

BANK OF AFRICA est un Groupe bancaire multinational et multi-métiers. Créé en 1959 sous le nom de Banque Marocaine du Commerce Extérieur, le Groupe s’est transformé pendant plus de 60 ans pour devenir depuis 2020 BANK OF AFRICA, une Banque universelle, qui met son expertise et son savoir-faire au service de l’innovation, du progrès et de l’excellence.

Dans le cadre de son développement, BANK OF AFRICA recrute, un(e) Head of Data Analytics & Data Science expérimenté(e)

Missions principales:

- Apporter une expertise en data Analytics et data science pour développer des solutions adaptées à la stratégie de la banque, facilitant ainsi une prise de décision éclairée et optimisée;

- Participer à la veille technologique et recommander les outils et les technologies les plus adaptés pour répondre aux besoins métier en constante évolution ;

- Superviser la mise en œuvre de modèle de machine learning et des solution analytique ;

- Gérer les aspects budgétaires et de ressources humaines pour les projets ;

- Définir et mettre en œuvre les meilleures pratiques en matière de Mlops, ML et la mise en place des restitutions analyse ;

- Management des équipes ;

- Diriger et gérer une équipe de data science et data analyste pour assurer la mise en place des modèle ML et des analyses ;

- Gère les recrutements, la formation et l'évaluation du personnel.
Qualifications requises:

- Expertise avancée en algorithmes de machine learning, en modélisation prédictive et en techniques de data mining pour répondre aux besoins analytiques et opérationnels de la banque.

- Compétences approfondies en data Analytics, avec la capacité de convertir des données brutes en informations exploitables pour guider la prise de décision stratégique.

- Capacité à suivre les dernières innovations en matière de data science, d’analytique et de machine learning, et à recommander les technologies et outils adaptés aux besoins de l'organisation.

- Maîtrise des méthodes de gestion de projets data complexes, avec un focus sur la mise en place de pipelines ML et de solutions analytiques, ainsi que sur le respect des contraintes budgétaires et de ressources humaines.

- Connaissance des pratiques de MLOps pour l’industrialisation des modèles de machine learning et des workflows, garantissant ainsi la fiabilité, la reproductibilité et l'efficacité des déploiements.