L’équipe Data de la BNDMR est en charge de l’exploitation et de la valorisation de l’Entrepôt de Données (EDS) de la BNDMR. Intégrée à une cellule opérationnelle pluridisciplinaire d’environ 40 personnes, elle est composée d’un Chief Data Officer, de 6 data scientists, de 3 data managers et d’un data engineer/dataops. Elle intervient sur l’ensemble de la chaîne de valeur de la donnée : structuration, qualité, appariement, analyses statistiques et valorisation.
Dans un contexte d’évolution rapide de l’entrepôt de données (nouveaux jeux de données, appariement avec le SNDS, augmentation des projets de recherche), l’équipe oeuvre à l’industrialisation des processus data et au soutien des projets académiques et industriels, au service de la recherche, du pilotage du système de santé et de l’innovation dans le champ des maladies rares.
Dans le cadre d’une collaboration avec la Filière de Santé Maladies Rares FAI²R, la BNDMR recherche un/e data scientist / ingénieur statisticien avec des compétences en data management pour assurer les missions suivantes :

Biostatistique :
· Participer à l’élaboration des protocoles d’études et aux choix méthodologiques (design, objectifs, critère de jugement, population d’étude, plan d’analyse statistique…).
· Réaliser des analyses statistiques en lien avec des projets internes ou en partenariat avec des laboratoires publics/privés.
· Réaliser des analyses statistiques sur des bases de données complexes auxquelles la BNDMR est appariée (SNDS, EDS, PMSI).
· Valoriser les résultats en contribuant à des publications scientifiques, posters

Diplôme : Master ou PhD en science des données ou biostatistiques
Niveau d’étude : Bac+5
Niveau d’expérience : 1 à 2 ans d’expérience

Compétences requises

.Maîtrise des outils d’analyse de données (R ou Python), et des bases de données relationnelles
.Expérience du travail collaboratif et reproductible (Gitlab)
.Expérience en techniques de data management (multi-sources, chainage, sous-populations, gestion des données manquantes, etc.)
.Expérience en méthodes statistiques appliquées aux sciences de la vie (descriptives, univariées, multivariées, régressions linéaire et logistique, modèles de survie, etc.)
.La maîtrise des méthodes d’apprentissage automatique serait un plus
.Une première expérience dans la manipulation de données de santé serait un plus
.La connaissance des bases de données du SNDS (SNIIRAM, PMSI) serait un plus
.Bon niveau d’anglais (oral et écrit)

Connaissances associées

.Intérêt pour les études épidémiologiques
.Connaissances ou intérêt pour les principes d’ETL et outils BI
.Sensibilité aux pratiques régies par le RGPD et des orientations et doctrines CNIL sur la protection des données de santé

Qualités requises

.Travail en équipe, adaptabilité et autonomie
.Organisation, rigueur et respect des délais
.Confidentialité et respect du secret professionnel
.Adhésion aux valeurs du service public, intérêt prononcé pour le domaine de la santé