Je débute une nouvelle mission en tant que consultant Data Analyst au sein de l’Organisation nationale de lutte contre le faux-monnayage (ONCFM). Ma mission consiste à mettre en place une modélisation capable d’identifier automatiquement les vrais billets en euros des faux, en me basant uniquement sur certaines dimensions et éléments qui composent ces billets.
Dès mon arrivée, Marie, responsable du projet d’analyse de données à l’ONCFM, me confie le cahier des charges ainsi qu’un jeu de données. Elle me laisse une grande autonomie tout au long de la mission, me demandant simplement de lui présenter mes résultats à la fin. Elle souhaite que je lui explique les traitements et analyses effectués, les pistes explorées pour la construction de l’algorithme, ainsi que le modèle final que j’aurai retenu.
Avant de me rendre sur place, je trouve un post-it laissé par un collègue sur le coin de mon bureau. Il partage une astuce utile qu’il a découverte lors de sa précédente mission : utiliser la régression linéaire pour combler les valeurs manquantes dans un jeu de données. Je prends ce conseil en note, pensant que cela pourrait m’être utile pour cette mission.
Je me prépare donc à rejoindre les bureaux de l’ONCFM, prêt à relever ce nouveau défi et à contribuer à la lutte contre le faux-monnayage.
