Analyste en Analyse Produit DCX (h/f/d)

L'Analyste en Analyse Produit collaborera avec les courtiers, les responsables clients et les équipes produit pour fournir des insights destinés aux courtiers afin d'améliorer les résultats de placement des renouvellements pour les clients. Vous réaliserez des analyses pratiques, construirez et validerez des modèles ainsi que des prototypes de tableaux de bord qui informent les décisions des courtiers lors des renouvellements. Vous traduirez les flux de travail des courtiers en exigences analytiques, produirez des livrables exploitables et travaillerez en étroite collaboration avec les ingénieurs pour opérationnaliser les modèles et les mesures.

Responsabilités principales

Interagir avec les courtiers et les parties prenantes produit pour identifier les points douloureux des renouvellements et les traduire en problèmes analytiques clairs et critères de succès.

Préparer, nettoyer et créer des caractéristiques à partir des données des systèmes et processus existants (polices, sinistres, devis, notes des courtiers, historique des tarifs) et de sources tierces.

Construire, évaluer et valider des modèles produisant les insights requis en utilisant des techniques appropriées.

Produire des notebooks d'analyse reproductibles et des artefacts de modèles (définitions des caractéristiques, pipelines d'entraînement, résultats de validation).

Prototyper des tableaux de bord destinés aux courtiers et des maquettes de rapports qui traduisent les sorties des modèles en recommandations exploitables pour les courtiers.

Collaborer avec l'ingénierie/MLops pour définir les contrats de données, les spécifications API et les critères d'acceptation pour les modèles opérationnels ; soutenir la passation et les tests.

Documenter les modèles, hypothèses, traçabilité des données et effectuer des contrôles de biais/équité conformément à la gouvernance.

Résultats et livrables attendus

Modèles fournissant des insights pour soutenir la discussion sur le renouvellement.

Prototypes de tableaux de bord et maquettes pour le poste de travail des courtiers (versions MVP/itératives).

Dictionnaires de caractéristiques et de données, notes de spécification ETL et exemples de requêtes SQL.

Manuels et guides courts "comment faire" pour que les courtiers agissent sur les recommandations basées sur les modèles.

Collaboration & interactions avec les parties prenantes (quotidien)

Courtiers : organiser des sessions de découverte, piloter les tableaux de bord, recueillir des retours, itérer sur le contenu et le format ; participer occasionnellement aux appels de renouvellement des courtiers pour observer les flux de travail.

Valider les caractéristiques de risque, convenir des règles métier et des seuils d'acceptabilité pour les recommandations automatisées.

Ingénierie : rédiger des critères d'acceptation clairs, soutenir les tests d'acceptation utilisateur, revoir les étapes de déploiement et surveiller le comportement en production.

BI/UX : collaborer sur la conception des tableaux de bord, les visualisations de données et garantir que les insights sont interprétables pour les utilisateurs non techniques.

Risque / Gouvernance : fournir la documentation et répondre aux questions de gouvernance des modèles ; respecter les politiques de confidentialité et d'accès aux données.

Outils, technologies et compétences techniques requises (niveaux)

Python — Intermédiaire à Avancé (pandas, scikit-learn, xgboost/lightgbm ; scripts et notebooks testables).- Modélisation statistique — Intermédiaire (classification/régression, création de caractéristiques, validation croisée, calibration).

BI & visualisation — Intermédiaire (Looker/Tableau/Power BI : prototypes de tableaux de bord et visualisations prêtes à être livrées).

Entrepôt de données — Connaissance à Intermédiaire (Snowflake / BigQuery / Redshift ; compréhension des schémas, partitionnement).

ETL / transformation — Connaissance (dbt souhaité ; capacité à créer et revoir des transformations basées sur SQL).

Exposition à MLOps — Connaissance (expérience en empaquetage de modèles, CI/CD basique, concepts de surveillance des modèles ; pas requis de déployer seul de bout en bout).

Compétences, formation et expérience nécessaires

• Compétences techniques :

Scripting Python & bibliothèques de data science

Expérience en visualisation de données

Compréhension statistique de base

Familiarité avec les entrepôts de données cloud et les modèles ETL.

Exposition aux concepts MLOps (versionnage, surveillance) et Git.

• Compétences commerciales & interpersonnelles :

Gestion solide des parties prenantes et communication ; capable de traduire les résultats techniques en recommandations exploitables pour les courtiers.

Esprit produit : capacité à définir des MVP et à prioriser les fonctionnalités pour l'adoption.

Connaissance commerciale des dynamiques de renouvellement d'assurance et des résultats de placement.

• Formation :

Requis : diplôme de licence dans une discipline quantitative ou analytique (ex. Statistiques, Mathématiques, Informatique, Économie, Ingénierie) OU expérience pratique équivalente.

Préféré : master dans un domaine quantitatif.

• Expérience :

Typique : 2 à 6 ans dans des rôles d'analytique/data science avec expérience pratique démontrable en modélisation.

Souhaitable : 1 à 3 ans d'exposition aux assurances/services financiers ou aux flux de travail des courtiers ; expérience en préparation de modèles pour des environnements de production.

Marsh, une entreprise de Marsh McLennan (NYSE : MMC), est le premier courtier d'assurance et conseiller en risques au monde. Marsh McLennan est un leader mondial du risque, de la stratégie et des personnes, conseillant des clients dans 130 pays à travers quatre entreprises : Marsh, Guy Carpenter, Mercer et Oliver Wyman. Avec un chiffre d'affaires annuel de 24 milliards de dollars et plus de 90 000 collaborateurs, Marsh McLennan aide à construire la confiance pour prospérer grâce au pouvoir de la perspective. Pour plus d'informations, visitez marsh.com, ou suivez-nous sur LinkedIn et X.

Marsh McLennan s'engage à créer un environnement de travail diversifié, inclusif et flexible. Nous visons à attirer et retenir les meilleurs talents et à embrasser la diversité d'âge, d'origine, de handicap, d'origine ethnique, de responsabilités familiales, d'orientation ou d'expression de genre, d'état civil, de nationalité, de statut parental, de statut personnel ou social, d'affiliation politique, de race, de religion et de croyances, de sexe/genre, d'orientation ou d'expression sexuelle, de couleur de peau, ou toute autre caractéristique protégée par la loi applicable.

Marsh McLennan est engagé dans le travail hybride, qui inclut la flexibilité du travail à distance et les bénéfices de collaboration, de connexions et de développement professionnel du travail en présentiel au bureau. Tous les collaborateurs de Marsh McLennan sont attendus dans leur bureau local ou sur site chez les clients au moins trois jours par semaine. Les équipes basées au bureau identifieront au moins un "jour d'ancrage" par semaine où toute leur équipe sera réunie en personne.