Profileimage by Thierry Month Expert Data Scientist from Dortmund

Thierry Monthé

available

Last update: 23.10.2023

Expert Data Scientist

Graduation: MSc. Data Science
Hourly-/Daily rates: show
Languages: German (Full Professional) | English (Full Professional) | French (Full Professional)

Skills

  • Advanced Statistics
  • Data Mining
  • Machine Learning
  • Fraud Detection
  • Data Integration / ETL , ELT Processes (SAS DI Studio)
  • Training and Support
  • Strategic Consulting - Digital Transformation
  • SAS (BASE, Macro)
  • SQL
  • R Programming
  • Python Programming
  • Predictive Analytics 
  • Datenqualitätssicherung
  • Design Thinking / Visual Thinking
  • Digital Business Models

Project history

01/2018 –                            Flex Financial Solutions AG (Finanz)
                                                      Rolle: Expert Data Scientist
Thema: Fraud Detection System
Details/Ziel: Entwicklung eines Statistischen Risikotool zur Online-Betrugserkennung
      Aufgaben:
  • Business Konzept
  • Test Konzept
  • Implementierung der gesamten Datenverarbeitungstrecke
  • Scoring/Modellierung
  • Dashboard-Reporting (Shiny, R Markdown
  • System Monitoring
  • Stakeholder-Management
  • Software Development in R
(MySQL, R, R-Studio, R Studio Server AWS, R Shiny, R Shiny Server,  R Markdown, Visual Studio, Python, API, WinSCP, Putty, GitHub, Linux Server, CRON-Jobs)


10/2018 –                            Training Data Sciences für KMU (Kenya)
                                                      Rolle: Expert Data Scientist
Thema: Training Basic of Data Science für KMU
Details/Ziel:
 Kooperationsprojekt mit CIM/GIZ (Deutschland) – 10 Tage Training für Kleine und Mittelständische Unternehmen (KMU) in 3 Standorten Kenyas (Nairobi/Nakuru/Eldoret) – Einführung in Angewandte Statistik – Design Thinking Workshop – Einführung in R – Einführung in Data Sciences (Prozesse/Anwendungen …)


09/2018 –                            Keynote Speaker Digital Transformation
  • Volksbank Investment Forum/Oelde/13.09.2018) - 
Thema: Digital Transformation in der Industrie: Erfolgsfaktoren für eine Reise ins Unbekannte

01/2018 – 06/2018               GEA AG (Maschinenbau / Engineering)
                                                      Rolle: Data Scientist
Thema: Predictive Maintenance (Kompressoren/Separatoren) – Digital Transformation in der Industrie
Details/Ziel: Entwicklung statistischer Modelle zur Vorhersage Maschine-Status/Verhalten auf der Basis von Sensor Daten
      Aufgaben:
  • Kundeninterviews zur Identifizierung Probleme (Pain Points)
  • Brainstorming Phase mit Prozess-Experten zur Identifizierung möglicher Lösungsansätze (635-Methodik)
  • Agile-Working Modus (SCRUM)
  • Story Definitionen, Aufwandschätzungen
  • Backlog-Definition
  • Database Modell Definition
  • Datenqualität Bewertung und Datenbereinigung
  • Model Entwicklung
  • Model Deployment und Model Monitoring
(MySQL, R, R-Studio, MS-Azure, Visual Studio, Python, MS-Office and other customer specific software/tools)



04/2017 – 12/2017                GEA AG (Maschinenbau / Engineering)
                                                      Rolle: Data Scientist
Thema: Start-Up Projekt (Process Business Modeling)– Digital Transformation in der Industrie (Brauerei)-
Details:
Konvertierung von Data ins Knowhow. Erstellung eines Online- Dashboards, um umfassende Transparenz über den gesamten Brauprozess zu erhalten – Aufbau der kompletten Datenschiene - von der Kundendatenwelt bis in die Cloud und zurück mit den verarbeiteten Informationen.
Ziel: 
Definition und Implementierung einer IT/Data-Infrastruktur, welche das Sammeln von Sensordaten (PLC) übernimmt und die Daten in ein zentrale Datenbank speichert, mit dem Ziel Business relevanter Informationen zu extrahieren und diese den Brauermeistern zur Verfügung stellt, in Form eines Dashboards (Transparenz und Verständnis über den Brauprozess).
      Aufgaben:
  • Aufnahme Kunden-Wünsche/ Identifizierung Probleme (Pain Points)
  • Brainstorming Phase zur Identifizierung möglicher Lösungsansätze (635-Methodik)
  • Agile-Working Modus (SCRUM)
  • Mitwirkung an Story Definitionen, Aufwandschätzungen
  • Mitwirkung an der Backlog-Definition
  • Mitwirkung an der Erstellung eines Network Security Konzepts
  • Sammeln Sensor-Daten aus den PLC-Units (Echocollect)
  • Datenqualität Bewertung und Datenbereinigung (mithilfe vom Expertenwissen und von statistischen Methoden. Z.B. Ausreißer Identifikation und
  • Entwicklung R Codes für Datenbereinigung, KPI Berechnungen und ad-Hoc Analysen
  • Integration der R Codes in die definierte IT-Umgebung (Docker Container, Python,  ..)
(Echo Collect, OPC UA, Visual Studio Code, Python, R, R Studio, R
Analytics Flow MySQL, MS Office, AT&T Global Client, MediBang Paint Pro, Winscp, Putty, GitHub, Rapid Miner)


01/2015 – 03/2017                GEA AG (Maschinenbau / Engineering)
                                                      Rolle: Data Scientist
Thema: Data Fusion Projekt (3 Phasen)
Details:
Krankheitsprävention/Prädiktion – Automatic Milking System – Multivariater Ansatz- Ausreißer Erkennung in Zeitreihen
Ziel: 
Entwicklung eines statistischen Modells zur Online-Detektion /Diagnose von Tierkrankheiten (Mastitiden) im Rahmen des automatischen Melkens (AMS)
      Aufgaben:
  • Aufnahme Kundenwünsche/ Identifizierung Probleme (Pain Points)
  • Extraktion und Bereinigung relevanter Daten aus den Farm Management System
  • Organisation und Monitoring des Datensammlungsprozesses
  • Definition eines Datenmodells für Data Storage
  • Zusammenarbeit mit Landwirten zur Protokollierung von Krankheitsfällen („positive cases“)
  • Entwicklung R Codes für Datenbereinigung, Modellbildung, Test, Monitoring und ad-Hoc Analysen
  • Entwicklung und Test (Entwicklungstests) des statistischen Modells
  • Organisation und Monitoring der Testphase mit ausgewählten Testbetrieben
(Echo Collect, OPC UA, Visual Studio Code, Python, R, R Studio, R Analytics Flow MySQL, MS Office, AT&T Global Client, Media Bang Paint Pro, Winscp, Putty, GitHub, Rapid Miner)


10/2013 – 12/2014               Landesbank Saarland (Finanzwesen)
                                                      Rolle: IT-Organisator
Thema:
Koordination und Betreuung Datenbereitstellung an interne Kunden (Risiko Management, Erfolgscontrolling, …)
Ziel: 
Entwicklung/Weiterentwicklung eines SAS-Datawarehouses und Verbesserung der internen monatlichen Datenbereitstellung -->0% Downtime
      Aufgaben:
  • Entwicklung eines Change Management System zur Aufnahme und Betreuung von internen Kundenwünschen
  • Datenmanagement mit Schwerpunkt Betreuung und Weiterentwicklung eines Datawarehouses auf Basis SAS
  • Entwicklung von Reports gemäß Anforderungen der Fachbereiche Controlling und Finanzen / Meldewesen
  • Bereitstellung von Datenextrakten
  • Überprüfung der Datenqualität
  • Mapping neuer Anforderungen auf die Datenbankstruktur und die Datenelemente
  • Entwicklung neuer Algorithmen und Weiterentwicklung der bestehenden Berechnungsalgorithmen
  • Test und Dokumentation der Entwicklungstätigkeiten und Begleitung der Freigabeprozesse
(SAS DI Studio, SAS Financial Management, SAS Management Console, SAS Makro, SAS BASE, SAS EG, Lotus Notes, MS Office)


01/2013 – 09/2013               BNP Paribas AG (Finanzwesen)
                                                      Rolle: SAS Business Analyst
Thema: Prolongation Immobilienkredite. Modellierung des Mindestzinssatzes bei Prolongationen von Immobilienkrediten.
Details: 
Ausgangssituation: manuelle Prolongationen, Zinssatz wurde von Kreditentscheidern manuell geschätzt und den Kunden angeboten.
Einschränkungen: Profitabilität mit dem neuen Zins war nicht unbedingt gesichert.
Ziel: 
Anwendung statistisch-mathematischer Methoden, um den Mindestzinssatz bei der Prolongation zu ermitteln. Der ermittelte Zinssatz sollte zwar konkurrenzfähig ist aber immer noch profitabel für die Bank
      Aufgaben:
  • Analyse und Spezifikation der Anforderungen (Mitwirkung an der Erstellung des Fachkonzepts)
  • Mitarbeit an der Definition der DV-Anforderungen und der Ziel-IT-Infrastruktur
  • Mitwirkung an der Erstellung des DV-Konzepts
  • Leitung des Business Analysten-Teams (2 Personen)
  • Auswahl statistisch-mathematischer Methoden
  • Definition und Auswahl der für die Modellierung relevanter Kriterien (Variablenselektion)
  • Entwicklung Analytics Codes (Newton und Lagrange Approximationsverfahren)
  • Koordination und Durchführung fachlicher Tests
  • Backtesting und Monitoring Review nach Implementierung und Deployment
  • Erstellung der Projektdokumentation
  • Präsentation Projektergebnisse beim Management
(MS Office, SAS Enterprise Miner 13.2, SAS EG 6.1, SAS BASE (Makros)/ R, Tinn-R/ DB2-DWH, Oracle DWH2 / AS 400)


06/2012 – 01/2013              BNP Paribas AG (Finanzwesen)
                                                      Rolle: SAS Business Analyst
Thema: Score Development and Score Monitoring Automation
Details: 
Weiterentwicklung der bestehenden Scoring-Modelle. Aufbau und Automatisierung eines Score Monitoring Systems.
Ziel: 
Anpassung der bestehenden Scoring Modelle (Antragscore, PD, LGD) und Aufbau eines Automatisierten Score Monitoring Systems, das für alle Filialen der BNP Gruppe verwendet werden kann. Alle Jobs sollten voll automatisiert werden und anfangs jedes Quartals über Job Scheduling Prozess automatisch gestartet werden
      Aufgaben:
  • Analyse und Spezifikation der Anforderungen (Mitwirkung an der Erstellung des Fachkonzepts) und Definition der Segmente
  • Mitwirkung an der Erstellung des IT-Konzepts
  • Aufbau eines Modellierung-Datamarts (Training, Test, Validation) und Definition des Ausfallskriteriums und Cut off
  • Auswahl statistisch-mathematischer Methoden
  • Entwicklung Analytics Codes (SAS, Logistische Regression)
  • Auswahl für das Scoring relevantesten Einflussfaktoren
  • Entwicklung und Implementierung (Job-Automatisierung)
  • Dokumentation, und Monitoring Review
  • Quarterly Reporting
  • Ad-Hoc Analysen
(MS Office, SAS EG 6.1, SAS BASE (Makros)/ R, Tinn-R/ DB2-DWH / DB2-SQL / AS 400)


01/2012 – 08/2012                BNP Paribas AG (Finanzwesen)
                                                      Rolle: SAS Business Analyst
Thema: Likelihood of Disbursement (LOD) – Risk Management / Sales
Details: 
Segmentierung des Bestands nach Risk-Management oder Sales. Sicht
Ziel: 
Modellierung der Likelihood of Disbursement und Segmentierung des Bestands aus Sicht des Risiko-Managements einerseits  aus Sicht des Sales Bereichs andererseits.
      Aufgaben:
  • Analyse und Spezifikation der Anforderungen (Mitwirkung an der Erstellung des Fachkonzepts) und Definition der Segmente
  • Mitarbeit an der Definition der DV-Anforderungen und der Ziel-IT-Infrastruktur
  • Mitwirkung an der Erstellung des IT-Konzepts
  • Entwicklung und Implementierung (Bestandsanalyse, Potentialanalyse, Prognosen Analyse)
  • Auswahl statistisch-mathematischer Methoden
  • Entwicklung Analytics Codes
  • Backtesting und Monitoring Review nach Implementierung und Deployment
(MS Office, SAS EG, SAS BASE (Makros)/ R , Tinn-R/ DB2-DWH ( DB2-SQL / AS 400)


03/2011 – 12/2011                BNP Paribas AG (Finanzwesen)
                                                      Rolle: SAS Business Analyst
Thema: Risikoklassifizierung Immobilienkredite (statistische Modellierung)
Details: 
Unüberwachtes und Überwachtes Lernen des Immobilienkreditbestands (Supervised and Unsupervised learning)
Ziel: 
Entwicklung eines Systems zur kontinuierlichen Überwachung der Risikostruktur des vorhandenen Bestands an Immobilienkrediten mit dem Ziel Anpassungen vorzunehmen falls nötig (Pricing, Collection, …)
      Aufgaben:
  • Analyse und Spezifikation der Anforderungen (Mitwirkung an der Erstellung des Fachkonzepts)
  • Definition der Risikokriterien in Abstimmung mit dem Fachbereich
  • Mitwirkung an der Erstellung des IT-Konzepts
  • Modellentwicklung (Variablenselektion , Deskriptive Analyse, ANOVA, Gini, …)
  • Auswahl statistisch-mathematischer Methoden
  • Entwicklung Analytics Codes zwecks automatischer Klassifizierung
  • Backtesting, Dokumentation und Monitoring Review
  • Anlegen einer AS-400 Tabellen mit den Risikoklassen
  • Monatliches Reporting
(MS Office, SAS EG 6.1, SAS BASE (Makros)/ R , Tinn-R/ DB2-DWH ( DB2-SQL / AS 400)


01/2011 – 03/2011                BNP Paribas AG (Finanzwesen)
                                                      Rolle: SAS Business Analyst
Thema: Liquiditätsmanagement /Zinsänderungsrisikomodellierung
Details: 
Einfluss der Veränderungen des EURIBOR-Zinssatzes auf den Passiv-Bereich. EURIBOR Zinssatz zu verschiedenen Horizonten (1, 3, 5 Jahre z.B.) monitoren
Ziel: 
Entwicklung eines statistischen Modells zur Überwachung der Veränderung des zentralen EURIBOR Zinssatzes und Ihren Einfluss auf das Liquiditätsmanagement und die Kreditpolitik (Pricing) der Bank.
      Aufgaben:
  • Analyse und Spezifikation der Anforderungen (Mitwirkung an der Erstellung des Fachkonzepts)
  • Definition der Risikokriterien in Abstimmung mit dem Fachbereich
  • Mitwirkung an der Erstellung des IT-Konzepts
  • Modellentwicklung (Variablenselektion, Deskriptive Analyse, ANOVA, Gini, …)
  • Auswahl statistisch-mathematischer Methoden
  • Entwicklung Analytics Codes zwecks automatischer Klassifizierung
  • Backtesting, Dokumentation und Monitoring Review
  • Anlegen einer AS-400 Tabellen mit den Risikoklassen
  • Monatliches Reporting
(MS Office, SAS EG 4.2, SAS BASE (Makros)/ R, Tinn-R/ DB2-DWH ( DB2-SQL / AS 400)



02/2010 – 12/2011                BNP Paribas AG (Finanzwesen)
                                                      Rolle: SAS Business Analyst
Thema: Bank-Reporting
Details/Ziel: Entwicklung eines automatisierten Bank-Reporting Systems inklusive Dashboards (Collections/Operation) zur Überwachung ausgewählter Funktionalitäten des Banking-Prozesses
      Aufgaben:
  • Definition relevanter Key Performance Indicators (KPI)
  • Erstellung benötigter Data Marts zur KPI Berechnungen
  • Implementierung SAS-Jobs für die KPI-Berechnungen
  • Bereitstellung monatlicher Dashboards
  • Business Analyse monatlicher Ergebnisse
  • Stakeholder Management
  • Performance Optimierung
  • Ad-Hoc Analysen
(MS Office, SAS EG 4.2, SAS BASE (Makros)/ R, Tinn-R/ DB2-DWH ( DB2-SQL / AS 400)







 

Local Availability

Only available in these countries: Germany, Austria und Switzerland
* Preferenz für ein 3-2 oder 2-3 Working-Modus ( 3 Tage vor Ort - 2 Tage Remote / 2 Tage vor Ort - 3 Tage Remote)  +  Anwesenheit nach Notwendigkeit

* Grundsätliche Reisebereitschaft fall vom Projekt notwendig ist (DE/CH/AT)

 
Profileimage by Thierry Month Expert Data Scientist from Dortmund Expert Data Scientist
Register