- Exploiter et valoriser les données ferroviaires afin d’améliorer la performance de l’exploitation, de la maintenance, de l’expérience voyageurs et des activités fret.
- Développer des modèles analytiques et prédictifs pour soutenir la prise de décision opérationnelle et stratégique.
- Contribuer à la fiabilité, à la sécurité et à la robustesse du système ferroviaire par une analyse avancée des données.
- Accompagner la transformation numérique du ferroviaire par l’usage maîtrisé de la donnée.

1. Cadrage des usages data ferroviaires
- Analyser les besoins métiers exploitation, maintenance, voyageurs ou fret.
- Identifier les cas d’usage data à forte valeur ajoutée.
- Définir les objectifs analytiques et indicateurs cibles.
- Prioriser les projets data selon les enjeux opérationnels.
- Formaliser les spécifications fonctionnelles data.
2. Collecte et préparation des données
- Identifier les sources de données ferroviaires pertinentes.
- Collecter les données issues des systèmes d’exploitation, capteurs et SI.
- Nettoyer, structurer et enrichir les jeux de données.
- Assurer la qualité, la cohérence et la traçabilité des données.
- Mettre en place les pipelines de préparation des données.
3. Analyse exploratoire et statistique
- Réaliser des analyses exploratoires des données ferroviaires.
- Identifier les tendances, corrélations et anomalies.
- Construire des indicateurs de performance et tableaux analytiques.
- Tester des hypothèses statistiques et opérationnelles.
- Mettre en évidence les leviers d’optimisation.
4. Modélisation et intelligence artificielle
- Développer des modèles prédictifs et explicatifs.
- Concevoir des algorithmes de machine learning adaptés aux données ferroviaires.
- Entraîner, valider et tester les modèles développés.
- Évaluer la robustesse et la performance des modèles.
- Adapter les modèles aux contraintes d’exploitation ferroviaire.
5. Industrialisation et déploiement des modèles
- Industrialiser les modèles analytiques et prédictifs.
- Déployer les solutions data dans les environnements SI ferroviaires.
- Assurer la maintenance et la supervision des modèles en production.
- Gérer les dérives de données et de performance des modèles.
- Garantir la disponibilité et la fiabilité des solutions data.
6. Sécurité, éthique et conformité des données
- Appliquer les règles de sécurité et de confidentialité des données.
- Respecter les exigences réglementaires liées aux données.
- Intégrer les principes d’éthique et de transparence des algorithmes.
- Contribuer à la gouvernance des données ferroviaires.
- Prévenir les risques liés à l’usage des données critiques.
7. Communication et aide à la décision
- Présenter les résultats analytiques aux acteurs métiers.
- Traduire les analyses data en recommandations opérationnelles.
- Concevoir des visualisations et supports d’aide à la décision.
- Accompagner les métiers dans l’appropriation des résultats.
- Contribuer aux arbitrages stratégiques basés sur la donnée.
8. Amélioration continue et innovation data
- Capitaliser les retours d’expérience des projets data.
- Améliorer les méthodes d’analyse et de modélisation.
- Proposer de nouveaux cas d’usage data ferroviaires.
- Contribuer à l’innovation numérique du secteur ferroviaire.

1. Analyser / Comprendre / Concevoir
- Analyser des problématiques complexes à partir de données ferroviaires.
- Comprendre les processus d’exploitation, de maintenance et de transport.
- Diagnostiquer les causes de non-performance à partir des données.
- Évaluer les impacts opérationnels d’un modèle ou indicateur.
- Interpréter les résultats statistiques et algorithmiques.
- Concevoir des approches analytiques adaptées aux contraintes ferroviaires.
2. Réaliser / Mettre en œuvre / Produire
- Réaliser des analyses de données avancées.
- Mettre en œuvre des algorithmes de machine learning.
- Développer et entraîner des modèles prédictifs.
- Produire des indicateurs, visualisations et livrables data.
- Mettre en production des solutions analytiques.
3. Contrôler / Vérifier / Sécuriser
- Contrôler la qualité et la cohérence des données utilisées.
- Vérifier la performance et la robustesse des modèles.
- Surveiller les dérives de données et d’algorithmes.
- Sécuriser les traitements et accès aux données.
- Valider l’aptitude des modèles à l’usage opérationnel.
4. Organiser / Piloter / Coordonner
- Organiser les projets data en lien avec les métiers ferroviaires.
- Planifier les travaux d’analyse et de modélisation.
- Coordonner les acteurs data, IT et métiers.
- Piloter les priorités et arbitrages des projets data.
- Prioriser les cas d’usage selon la valeur opérationnelle.
5. Communiquer / Transmettre / Interagir
- Communiquer avec les équipes métiers et techniques.
- Expliquer les résultats data de manière pédagogique.
- Rendre compte de l’avancement et des impacts des analyses.
- Transmettre les bonnes pratiques data aux utilisateurs.
- Faciliter la prise de décision basée sur la donnée.
6. Améliorer / Adapter / Innover
- Améliorer la performance des modèles et analyses data.
- Adapter les méthodes aux évolutions des données et usages.
- Proposer des innovations analytiques et algorithmiques.
- Optimiser les processus data et outils d’analyse.
- Capitaliser les retours d’expérience data ferroviaire.