Joel TERMONDJIAN
Data Analytics Engineer | 20 ans d’expérience en banque, aujourd’hui au croisement de la data et du business. J’analyse, structure et automatise les données pour éclairer la prise de décision. Conception de solutions data (analyse, automatisation, modèles), je transforme les données brutes en outils décisionnels à forte valeur métier.
🚀 Joël TERMONDJIAN
Data Analytics Engineer | Expert Banque & Finance
| 📍 Arles (13) | 📞 06 33 64 12 96 | ✉️ joel.termondjian@hotmail.com |
| 🐙 GitHub |
Expertise : 20 ans d’expérience bancaire mis au service de la Data. Spécialiste de la conception de pipelines automatisés et de modèles prédictifs (Scoring, Risque, KYC). Je transforme les flux de données brutes en leviers décisionnels stratégiques à forte valeur métier.
────────────────────────────────────────────────────────────────────────
💼 Expérience Professionnelle
Data Analytics Engineer - Freelance | 2026 - Présent
- Accompagnement des entreprises dans l’exploitation de leurs données : automatisation, modélisation prédictive et dashboards d’aide à la décision.
La Banque Postale | 2006 - 2025
Responsable Clientèle Professionnelle / Conseiller Financier Expert
- Analyse du Risque & Scoring : Évaluation de la santé financière des entreprises, analyse de bilans et décision d’octroi de crédit pour le segment Professionnels.
- Conformité & KYC : Pilotage des dossiers réglementaires et détection des signaux faibles de fraude.
- Data Storytelling : Traduction d’indicateurs financiers complexes (KPI) en recommandations stratégiques pour les clients et la direction.
────────────────────────────────────────────────────────────────────────
🎓 Formation & Certifications
-
Master 2 Architecte en Intelligence Artificielle Jedha Bootcamp (2025) -
Master 1 Concepteur Développeur Science des Données Jedha Bootcamp (2025) -
BTS Banque Formaposte (2006) -
DUT Techniques de Commercialisation IUT Aix-en-Provence (2004)
────────────────────────────────────────────────────────────────────────
🛠 Compétences Techniques
- Data Engineering & MLOps : Python, SQL, Spark, Airflow, Docker, MLflow, API REST (FastAPI).
- Machine Learning & Stats : XGBoost, Scikit-learn, Survival Analysis (Cox Model), Time-to-Event, Clustering (KMeans, DBSCAN), Optuna.
- Data Architecture : Pipelines ETL, Cloud (AWS S3), Hugging Face Spaces, Streamlit.
- Bases de données : MySQL, MongoDB.
────────────────────────────────────────────────────────────────────────
💼 Projets Data Phares
📊 Santé Économique : Modélisation du Risque de Défaillance (FinTech)
- Objectif métier : Estimer le risque de défaillance à 1, 2 et 3 ans (Time-to-Event) pour améliorer le scoring de crédit et l’anticipation du risque client sans données comptables récentes.
- Approche technique : Survival Analysis avec XGBoost Cox Model, feature engineering sur l’historique démographique et sectoriel, optimisation des hyperparamètres via Optuna.
- Résultat : Modèle performant avec un C-index de 0.749. Détermination d’un score de survie dynamique permettant de hiérarchiser le risque de défaillance avec un horizon temporel précis.
💵 Détection de fraude automatisée (FinTech)
- Objectif métier : Détecter en temps réel les fraudes sur les paiements par carte bancaire et alerter les analystes via un système automatisé.
- Approche technique : Analyse exploratoire (EDA) des flux transactionnels, modélisation avec XGBoost, suivi des expériences via MLflow et orchestration du pipeline d’alerte par Airflow.
- Résultat : Tableau de bord opérationnel (Streamlit) et envoi quotidien automatisé d’un rapport listant les fraudes détectées à J-1.
🔥 Prévision du risque incendie - Survival Analysis (SDIS)
- Objectif métier : Anticiper le risque incendie. Approche transposable en banque pour le Scoring de Crédit et le Risque de Défaut.
- Approche technique : Pipeline automatisé d’intégration de données météo via API, modélisation XGBoost Cox Survival Model pour prédire le temps avant événement.
- Résultat : Modèle performant avec un C-index à 0.809 et dashboard de visualisation du risque sur 5 horizons temporels.
🚗 Étude d’impact & Pricing Engine - Get Around
- Objectif métier : Optimisation des revenus et réduction des frictions opérationnelles liées aux retards de location.
- Approche technique : Simulation d’impact financier (Trade-off) et régression pour la prédiction de prix (Pricing Engine) via FastAPI.
- Résultat : Modèle avec un R2 à 0.771 et identification du seuil de rentabilité optimal pour le délai de sécurité entre deux réservations.
────────────────────────────────────────────────────────────────────────
🌍 Engagement & Impact Social
🎗️ 180 Jours contre le Lymphome — Fondateur & Analyste
- Objectif : Soutenir la communauté des patients et sensibiliser au parcours de soin via une plateforme caritative.
- Approche : Communication data-driven basée sur l’analyse de l’engagement et storytelling pour vulgariser le parcours de soin.
- Résultat : Création d’un espace d’échange actif, alliant expertise humaine et vision éthique du traitement des données.
────────────────────────────────────────────────────────────────────────
🎯 Infos complémentaires
- Permis : A et B
- Langues : Anglais (Niveau B2)
- Passions : Karaté, Jeux Vidéo, Réalité Virtuelle, Lecture.