Nom : SEGBEDJI KOKUVI Barnabé
Email : sebarnabe90@gmail.com
Téléphone : +228 99 79 25 58 / 90 73 40 96
Adresse : Lomé, Togo
LinkedIn : Mon profil
Nom : SEGBEDJI KOKUVI Barnabé
Email : sebarnabe90@gmail.com
Téléphone : +228 99 79 25 58 / 90 73 40 96
Adresse : Lomé, Togo
LinkedIn : Mon profil
Je suis SEGBEDJI KOKUVI Barnabé, originaire du Togo. Statisticien de formation, je possède également des compétences solides en planification et en suivi-évaluation. Titulaire d’une licence en Statistiques sociales appliquées et d’un diplôme en Gestion des Ressources Humaines, je combine des expertises techniques en analyse de données, en planification stratégique et en suivi-évaluation de projets.
À travers mes expériences à l’INSEED, au CADERDT, à la mairie de Kpendjal 2, à l’ITRA et à l’ANID, j’ai participé à des activités variées telles que la collecte et l’analyse de données, l’évaluation d’impact, la rédaction de rapports stratégiques, ainsi que la conception de plans de développement.
Mon profil est renforcé par de nombreuses formations internationales, notamment à l’Université d’Oxford (OPHI), à l’Institut Africain de Développement Économique et de Planification (IDEP), au Fonds Monétaire International (FMI), et auprès de l’ONU Migration, entre autres. Je poursuis actuellement une formation en Machine Learning afin de renforcer mes compétences en science des données.
Rigoureux, adaptable et passionné par les données, j’assiste également les jeunes chercheurs dans leurs projets d’analyse statistique. Mon ambition est claire : devenir un data scientist de référence et mettre l’intelligence des données au service de politiques publiques inclusives, équitables et efficaces.
Vous pouvez consulter ou télécharger mon CV en cliquant sur le bouton ci-dessous :
📄 Télécharger le CVCe projet vise à prédire la probabilité d’acceptation d’un prêt personnel à partir des caractéristiques socio-économiques et financières des clients. Après une analyse exploratoire approfondie, plusieurs modèles de classification (régression logistique, arbre de décision, Random Forest et XGBoost) ont été développés et comparés. Les résultats montrent que les modèles d’ensemble, en particulier XGBoost, offrent les meilleures performances prédictives sur des données déséquilibrées. Ce travail fournit un outil d’aide à la décision permettant d’optimiser le ciblage marketing et de réduire les coûts de prospection bancaire.
📄 Télécharger le rapportPrésention l’apport de l’Intelligence Artificielle dans le Suivi-Évaluation, en mettant l’accent sur la génération de données synthétiques comme solution aux contraintes de disponibilité et de protection des données à caratère personnelle. La communication a combiné une approche théorique sur l’importance de l’IA dans l’analyse des politiques et programmes avec une démonstration pratique de génération et d’exploitation de données synthétiques sous Python, appliquée à l’évaluation de l’impact des cantines scolaires à l’aide de la méthode des différences-en-différences, illustrant ainsi l’optimisation des analyses et de la prise de décision basée sur les données.
📄 Télécharger le rapportCe projet est une analyse qualitative portant sur les effets du télétravail imposé par la pandémie du COVID-19. Il met en lumière les changements dans la dynamique entre vie professionnelle et personnelle, notamment chez les salariés du secteur formel.
📄 Télécharger le rapportCette étude vise à analyser les stratégies de résilience mises en place par les ménages agricoles togolais face aux chocs alimentaires. Elle part du constat que le Togo, pays à faible résilience, a connu une aggravation de l'insécurité alimentaire avec la crise du COVID-19, qui a fortement affecté les PME, notamment dans les secteurs agricole et agro-industriel. L’analyse, à la fois descriptive et économétrique, montre que la résilience des ménages reste faible et dépend de plusieurs facteurs, notamment les caractéristiques socio-démographiques et économiques, la sécheresse et les mauvaises récoltes.
📄 Télécharger le rapportCette étude propose une analyse des facteurs socio-économiques et sanitaires tels que la mortalité infantile, les dépenses de santé, le revenu par habitant, la fertilité, le taux de croissance et l'espérance de vie. L’objectif est de regrouper les pays selon leur niveau de vulnérabilité afin d’orienter efficacement les priorités d’intervention là où les besoins sont les plus urgents.
📄 Télécharger le rapportCe projet applique la méthode Alkire-Foster pour mesurer et analyser la pauvreté multidimensionnelle au Togo à partir de données synthétiques simulées. À travers une approche rigoureuse, il explore les privations touchant les ménages togolais selon les dimensions de l’éducation, la santé et le niveau de vie. L’étude propose une lecture désagrégée par sexe, région et milieu de résidence, permettant de mieux visualiser les disparités et d’illustrer la pertinence de l’IPM dans la formulation de politiques sociales ciblées. Ce travail, bien que réalisé à partir de données fictives, reflète fidèlement les exigences méthodologiques d’une analyse réelle, et constitue un excellent outil de démonstration de compétences en statistique appliquée et en évaluation de la pauvreté.
📄 Télécharger le rapportMon objectif principal est de devenir un data scientist de référence, capable de transformer les données en leviers concrets pour le développement.
Je souhaite contribuer à l'élaboration et à l’évaluation de politiques publiques efficaces, inclusives et basées sur des évidences empiriques. Je m’engage aussi à promouvoir la culture de la donnée et à renforcer les capacités locales, notamment en accompagnant les jeunes chercheurs dans leurs projets.
Je vise également à approfondir mes compétences en apprentissage automatique (machine learning), en évaluation d’impact, en visualisation des données et en planification stratégique pour intervenir dans des projets complexes à forte valeur sociale.
Je suis SEGBEDJI KOKUVI Barnabé, originaire du Togo...
Vous pouvez consulter mon portfolio hébergé en ligne à l’adresse suivante :
🌐 https://github.com/segbedjibarnabedata/PORTFOLIO.git