Mohamed B.

→ Objectif de la mission :

Concevoir, industrialiser et exploiter des pipelines data afin de fournir des analyses fiables, des dashboards actionnables et des outils automatisés répondant aux besoins des équipes métiers et décisionnelles.

→ Réalisations :

Interaction étroite avec les équipes internes pour comprendre les besoins métier et traduire les enjeux business en solutions data exploitables → meilleure alignement entre données et prise de décision.

Ingestion et traitement de données issues de multiples sources (bases de données, cloud, fichiers) via AWS, GCP, Python, SQL et Snowflake → centralisation et fiabilisation des données à grande échelle.

Conception, développement et maintenance de pipelines data automatisés → génération continue d’insights et réduction des traitements manuels.

Développement de dashboards et solutions analytiques automatisées → amélioration de l’efficacité des analyses et gain de temps pour les équipes internes.

Création de visualisations claires et pédagogiques (Tableau, Power BI, Matplotlib, Seaborn, Plotly) → vulgarisation d’analyses complexes auprès de profils non techniques.

Animation de rituels agiles (daily stand-up), suivi des tâches et résolution des blocages via JIRA → avancement fluide des projets et communication efficace avec les parties prenantes.

Formation et accompagnement des utilisateurs à la création de dashboards et à l’usage de Snowflake → montée en compétences des équipes et réduction des coûts liés aux mauvaises pratiques.

Mise en place de pratiques CI/CD et gestion du code via Git et Azure DevOps

→ pipelines data plus robustes, maintenables et industrialisés.

→ Stack technique :

Python, SQL, Snowflake, AWS, GCP, Pandas, NumPy, Scikit-learn, Matplotlib, Seaborn, Plotly, Tableau, Power BI, Git, Azure DevOps, JIRA.

→ Objectif de la mission :

Concevoir et déployer des solutions data cloud automatisées afin de fournir des sources de données fiables et exploitables pour les équipes Analytics et les clients internes, en soutien à une prise de décision data-driven.

→ Réalisations :

Développement et mise en production de solutions sur Google Cloud Platform (Cloud Functions, BigQuery) → automatisation de la collecte et du traitement des données issues de multiples APIs.

Mise en place de sources de données fiables et documentées en collaboration étroite avec l’équipe Analytics et les équipes métiers → amélioration du partage de la connaissance et de l’exploitation des données.

Gestion et exploitation des données saisies par les utilisateurs via Google Firebase (web et mobile) → cohérence des données multi-plateformes.

Travail collaboratif via Git → gestion des versions, organisation des développements et amélioration continue des solutions data.

→ Stack technique :

Google Cloud Platform (Cloud Functions, BigQuery), APIs, Google Firebase, Git, Spark, Google Analytics, AWS, Data Engineer, Python

→ Objectif de la mission :

Identifier les pratiques opérationnelles ayant le plus fort impact sur la croissance des ventes, la rentabilité et les avis clients, à partir de données structurées et non structurées, afin d’orienter les décisions stratégiques du groupe.

→ Réalisations :

Analyse de corrélation et modélisation prédictive sur les données d’audit et de ventes de l’ensemble des restaurants Pizza Hut au Royaume-Uni → identification des leviers clés de performance commerciale.

Développement de modèles de prévision des ventes en séries temporelles avec XGBoost → amélioration de la précision des forecasts.

Optimisation des hyperparamètres via algorithmes génétiques → performances modèles renforcées et meilleure robustesse.

Analyse de texte et topic modeling sur les avis clients → compréhension fine des facteurs influençant la satisfaction et la perception client.

Mise en œuvre de techniques d’Intelligence Artificielle explicable (XAI) → interprétation claire des résultats et adoption par les équipes métiers.

→ Résultats :

Production d’une liste priorisée de comportements et pratiques ayant le plus fort impact sur la croissance des ventes, la rentabilité et les avis clients, ainsi que la mise en évidence des relations entre pratiques opérationnelles et performance business.

→ Stack technique :

Python, XGBoost, Algorithmes génétiques, NLP / Topic Modeling, Analyse de séries temporelles, XAI, Data Science, SQL, GCP, NLP