CONTEXTE

Lyon Aéroport, 1er aéroport du réseau VINCI Airports en France pilote l’exploitation des aéroports Lyon–Saint Exupéry et Lyon–Bron.

Dans le cadre de sa stratégie d’innovation et d’optimisation de ses infrastructures, l’Aéroport de Lyon souhaite initier un POC pour prédire au mieux l’évolution de ses performances aéronautique et extra-aéronautique. Ce stage s’inscrit dans une démarche de pilotage intelligent des ressources budgétaire et vise à enrichir la prise de décision par des outils de data science prédictive.

Le stage est rattaché à la Direction Achat, Investissement & Juridique, dans le pôle Data, en lien avec les équipes métiers et techniques.

 MISSIONS PRINCIPALES

Encadré(e) par un référent data et en collaboration avec les parties prenantes métiers, vous serez amené(e) à :

• Analyser les données historiques des différentes sources de données : fréquentation des parkings, historique passagers, évolution du chiffre d’affaires, etc.
• Identifier les sources de données complémentaires utiles (événements, trafic aérien, etc.)
• Construire un modèle de prédiction de la fréquentation (short-term forecasting), en vous appuyant sur des techniques de machine learning / time series analysis
• Participer à la construction du POC : exploration, nettoyage, préparation des données
• Définir et implémenter les KPIs d’évaluation du modèle (précision, robustesse, valeur ajoutée métier)
• Restituer les résultats de manière claire, via des tableaux de bord dynamiques (Power BI) et des livrables synthétiques pour les directions
• Proposer des axes d'amélioration ou des cas d’usage complémentaires.
   

Étudiant(e) en Master 2 ou dernière année d'école d'ingénieur avec une spécialisation en Data Science, Statistiques ou Intelligence Artificielle.

Compétences techniques :

• Bonne maîtrise de Python et des principales bibliothèques de data science (pandas, scikit-learn, matplotlib, etc.)
• Bon niveau en SQL pour la manipulation et l’extraction de données
• Connaissances en visualisation de données, idéalement via Power BI
• Compréhension des modèles prédictifs (régressions, séries temporelles, etc.)
• La maîtrise du prompting LLM est un plus.
• Autonomie, rigueur, esprit d’analyse
• Qualités de synthèse et de vulgarisation (données à impact opérationnel)