Full Stack Data Science Engineer

Department Overview

Join a high-impact analytics team that shapes business decisions through data, insights, and AI/ML. Collaborate with business leaders and cross-functional teams to uncover opportunities, build scalable analytics solutions, and translate complex analysis into actionable insights.

Key Responsibilities

• Lead end-to-end performance diagnostics across customer, product, and advisor dimensions to identify growth, efficiency, and primacy opportunities.

• Translate curated data into actionable insights through hypothesis development, testing, analysis, and stakeholder storytelling.

• Design and deliver scalable analytics assets, including datasets, dashboards, segmentation frameworks, and predictive AI/ML models.

• Investigate, evaluate, and implement AI/ML tools and algorithms to solve complex business problems.

• Develop compelling visualizations and data stories tailored to technical and non-technical audiences.

• Partner with business owners to drive advanced analytics and AI/ML adoption.

• Lead cross-functional collaboration with data scientists, engineers, IT partners, and business process owners.

• Provide subject-matter expertise, mentorship, and guidance on advanced analytics and AI/ML methodologies.

• Identify emerging analytical trends and data needs to improve repeatable and scalable solutions.

Required Qualifications & Skills

• Business Acumen: Strong ability to frame and structure complex business problems in financial services / retail banking, connect analytical insights to commercial levers (growth, efficiency, customer and advisor outcomes), and translate findings into clear, actionable recommendations. Demonstrated comfort engaging with senior executives and C‑suite stakeholders, influencing decisions through concise, insight‑driven storytelling.

• Applied Analytics Expertise: Demonstrated ability to creatively explore data, identify non‑obvious patterns, and rigorously test hypotheses to solve complex business problems. Brings an entrepreneurial mindset to analytics by proactively identifying opportunities, challenging assumptions, and delivering high‑impact insights that drive informed decision‑making.

• ML/AI Lifecycle Familiarity: Experience working with existing ML/AI models (adjusting inputs, interpreting outputs) and building or modifying models as needed. Solid knowledge of applied Machine Learning, Deep Learning, Large Language Models

• Solid cloud experience with Azure or AWS and cloud AI/ML services such as Databricks, Kubernetes, docker and container orchestration, Azure Machine Learning, Azure Data Factory

• Visualization & Communication: Proficient in creating clear, compelling dashboards, visualizations, and data stories tailored to diverse audiences, including senior executives and C‑suite leaders, translating complex analysis into concise, decision‑ready narratives.

• Data Stewardship: Confident working with structured and unstructured data from multiple sources, ensuring data usability, cleanliness, and reliability. Able to build or modify data pipelines or analytical assets.

• Core Analytical Tools: Proficient in Python, PySpark, SQL, Power BI, and Databricks (or similar platforms) for data preparation, analysis, and collaboration.

• Strong experience with PySpark for big data processing and PyTorch for deep learning model serving.

• Non-Technical Skills: Strong relationship management, storytelling, and business communication skills for senior audiences.

Education & Experience

• A graduate or undergraduate degree in a quantitative or analytics-focused discipline (e.g., Business Analytics, Data Science, Statistics, Mathematics, Engineering, Computer Science, Finance, Actuarial Science).

• 5 years of relevant experience in advanced analytics, data science, or applied AI/ML in domains such as financial services, technology, consulting, or similar industries

• Data Manipulation: SQL, PySpark, Python

• AI & ML: Predictive Analytics, Natural Language Processing (NLP), Supervised and Unsupervised Learning, leveraging Generative AI tools and APIs, Model Development and Deployment, Experimentation and Optimization including emerging capabilities and their application in analytical workflows.

• Data Visualization: Power BI, Tableau

• Cloud & Big Data Platforms: Azure (ADF, Synapse, Databricks), Snowflake

• Data Engineering: ETL/ELT Pipelines, Apache Spark

 Nice-to-Have

• Experience in customer analytics within financial services (e.g., engagement, onboarding, cross-sell, retention, productivity insights).

• Expertise in optimizing analytical assets (data pipelines, models, dashboards) to drive measurable business impact.

• Bilingual proficiency (English/French).

Aperçu du département

Joignez-vous à une équipe d’analytique stratégique qui soutient la prise de décision d’affaires grâce à des analyses rigoureuses, aux données et aux capacités d’intelligence artificielle et d’apprentissage automatique (IA/AA). En partenariat étroit avec les leaders d’affaires et les équipes transversales, vous contribuerez à identifier des occasions à forte valeur ajoutée, à développer des solutions analytiques durables et à transformer des analyses complexes en recommandations claires, concrètes et responsables.

Responsabilités principales

• Diriger des analyses de performance de bout en bout couvrant les dimensions clients, produits et conseillers, afin d’identifier des occasions d’amélioration liées à la croissance, à l’efficacité opérationnelle et à la relation client.

• Convertir les données en informations exploitables par l’élaboration d’hypothèses, leur validation analytique et la communication structurée des constats aux parties prenantes.

• Concevoir, développer et maintenir des actifs analytiques évolutifs, incluant des ensembles de données, des tableaux de bord, des cadres de segmentation et des modèles prédictifs en IA/AA.

• Évaluer et mettre en œuvre des outils, techniques et algorithmes d’IA/AA afin de répondre à des enjeux d’affaires complexes, dans le respect des cadres de gouvernance et de gestion des risques.

• Produire des visualisations et des récits de données clairs et percutants, adaptés à des publics techniques et non techniques.

• Travailler en étroite collaboration avec les partenaires d’affaires afin de favoriser l’adoption de l’analytique avancée et de l’IA/AA à l’échelle de l’organisation.

• Assurer une collaboration efficace avec les équipes de science des données, d’ingénierie, des TI et les responsables des processus d’affaires.

• Agir comme expert-conseil, en offrant du mentorat et de l’accompagnement sur les méthodologies avancées en analytique et en IA/AA.

• Surveiller les tendances émergentes en analytique et les besoins en données afin d’améliorer la réutilisabilité, la robustesse et l’évolutivité des solutions.

Qualifications et compétences requises

Sens des affaires et communication exécutive

• Capacité démontrée à structurer et à résoudre des problématiques complexes dans les services financiers et les services bancaires de détail.

• Aptitude à relier les résultats analytiques aux leviers d’affaires (croissance, efficacité, expérience client et performance des conseillers) et à formuler des recommandations claires et orientées vers l’action.

• Aisance à interagir avec des cadres supérieurs et la haute direction, en influençant les décisions grâce à une communication concise, factuelle et axée sur les insights.

Expertise en analytique appliquée

• Solide expérience en exploration de données, en identification de tendances non évidentes et en validation rigoureuse d’hypothèses afin de soutenir des décisions d’affaires éclairées.

• Approche proactive et structurée, axée sur l’amélioration continue et la création de valeur mesurable.

IA et apprentissage automatique

• Expérience avec des modèles existants d’IA/AA (ajustement des paramètres, interprétation des résultats) ainsi qu’avec la conception ou l’évolution de modèles, au besoin.

• Bonne connaissance de l’apprentissage automatique appliqué, de l’apprentissage profond et des grands modèles de langage (LLM).

Infonuagique et plateformes analytiques

• Expérience avec des environnements infonuagiques tels qu’Azure ou AWS et avec des services d’IA/AA incluant Databricks, Kubernetes, Docker, Azure Machine Learning et Azure Data Factory.

Visualisation et narration des données

• Capacité à concevoir des tableaux de bord et des visualisations clairs, cohérents et adaptés à divers niveaux de public, incluant la haute direction, en mettant l’accent sur la prise de décision.

Gestion et qualité des données

• Aisance à travailler avec des données structurées et non structurées provenant de sources multiples, en assurant leur qualité, leur fiabilité et leur conformité aux normes internes.

• Capacité à concevoir ou à améliorer des pipelines de données et des actifs analytiques.

Outils analytiques

• Maîtrise de Python, PySpark, SQL, Power BI et Databricks (ou outils comparables).

• Expérience confirmée avec PySpark pour le traitement de données volumineuses et PyTorch pour le déploiement de modèles d’apprentissage profond.

Compétences interpersonnelles

• Excellentes habiletés en collaboration, en gestion des relations et en communication d’affaires auprès de partenaires et de dirigeants.

Formation et expérience

• Diplôme universitaire (baccalauréat ou maîtrise) dans un domaine quantitatif ou analytique (analytique d’affaires, science des données, statistique, mathématiques, génie, informatique, finance, actuariat).

• 5 années d’expérience pertinente en analytique avancée, science des données ou IA/AA appliquée, idéalement dans les services financiers, la technologie ou le conseil.

Compétences techniques clés

• Manipulation des données : SQL, PySpark, Python

• IA et AA : analytique prédictive, traitement du langage naturel (NLP), apprentissage supervisé et non supervisé, IA générative, développement et déploiement de modèles, expérimentation et optimisation

• Visualisation : Power BI, Tableau

• Infonuagique et données massives : Azure (ADF, Synapse, Databricks), Snowflake

• Ingénierie des données : pipelines ETL/ELT, Apache Spark

Atouts

• Expérience en analytique client dans un contexte de services financiers (engagement, intégration, ventes croisées, rétention, productivité).

• Capacité démontrée à optimiser des actifs analytiques afin de générer des résultats d’affaires mesurables.

• Bilinguisme (français et anglais).