Fatou C

J’ai accompagné la BU PRO/PME et le Contrôle de Gestion dans la fiabilisation des chiffres, l’automatisation des reportings et la modernisation des outils BI (Tableau → Power BI).

Mise en place du Dashboard BR SAC–SRC (terminaux subventionnés)

Création d’un Dashboard Tableau permettant au Codir de suivre les volumes de terminaux subventionnés.

Passage d’un reporting manuel du CDG à un rapport automatisé, fiable et simple à mettre à jour.

Apport : vision consolidée indispensable au pilotage commercial et financier.

Calcul de la répartition des avoirs constructeurs

Développement d’un code garantissant la répartition correcte des avoirs entre les entités GC, E et PRO/PME.

Application stricte des règles de gestion demandées par le CDG.

Impact : allocation juste des montants lors du closing mensuel.

Harmonisation des chiffres : Data vs Contrôle de Gestion

Analyse et identification des écarts entre les données CDG et celles de la Data.

Correction des sources d’erreur et migration complète du CDG vers les chiffres Data.

Résultat : gain opérationnel majeur, le closing est passé de 5 jours à 3 jours, supprimant les traitements manuels.

Analyses ad hoc & études de performance

Analyses ponctuelles, extraction et exploration de données selon les besoins métier.

Maintien et évolution des reportings

Adaptation des codes et tableaux de bord suite aux changements de règles de gestion ou de périmètre.

Migration BI : Tableau → Power BI

Migration d’une quinzaine de Dashboard Tableau vers Power BI dans le cadre du décommissionnement.

Refonte visuelle, optimisation de la modélisation et harmonisation des KPI.

Création de reportings Power BI métiers

Conception d’un rapport Power BI à partir d’une maquette PowerPoint fournie par les équipes.

Mise en place d’une mise à jour entièrement automatisée pour remplacer un reporting manuel.

Analyse du churn et optimisation du programme de fidélité Darty Max

Réalisation d’un état des lieux complet du parc Darty Max depuis son lancement.

Analyse comportementale et transactionnelle des clients résiliés vs. actifs : achats, fréquence, panier, cycle de vie, profil socio-démographique.

Identification des variables explicatives du churn en vue de la construction d’un score prédictif par l’équipe Data Science.

🔹 Mesure de l’impact valeur et de l’effet fidélisant du programme

Identification de 3 typologies de clients Darty Max.

Construction de populations de comparaison à partir d’un échantillon de 100 000 clients non abonnés, basé sur une segmentation RFM.

Analyse du comportement d’achat 12 mois avant / 12 mois après souscription au programme.

Étude des profils socio-démographiques et des différences inter-populations.

🔹 Migration Data : Hadoop/R → GCP / BigQuery

Migration de multiples reportings analytiques vers BigQuery dans le cadre du passage au cloud GCP.

Mise en place d’un double run R vs BigQuery pour garantir la cohérence et la qualité des données.

🔹 Harmonisation des bases de données Fnac & Darty

Recette et validation de la nouvelle table de ventes Groupe.

Comparaison détaillée des KPI entre ancienne et nouvelle base (CA, volumes…) et investigation des écarts afin d’identifier leur source.

🔹 Développement d’outils Analytics & CRM

Conception d’un Assistant Ciblage destiné aux équipes commerciales & CRM permettant une autonomisation des ciblages et une forte réduction des demandes récurrentes adressées à l’équipe Connaissance Client.

Création d’un reporting dédié au suivi de la contactabilité des clients Darty.

Production d’extractions de cibles pour les campagnes marketing et réalisation des bilans post-opérations.

Conception de dataviz et dashboards sur Looker (Looker Studio & Looker BI).

Création d’un reporting spécifique sur le suivi de l’activation des clients post Black Friday.

Mise en place de dataviz pour le suivi des alertes immobilières

Conception et développement de tableaux de bord dédiés au suivi des alertes immobilières.

Extraction et préparation des données via SQL & Python.

Traitement et orchestration dans AWS puis visualisation dans Tableau Software.

Objectif : offrir une vision fiable et actualisée des performances et comportements utilisateurs.

Dataviz pour le suivi des campagnes d’appels sortants

Création de Dashboard permettant de suivre l’activité et l’efficacité des campagnes d’appels sortants.

Structuration des données, automatisation des flux et mise à disposition d’indicateurs opérationnels et stratégiques.

Automatisation du ciblage marketing (Python)

Développement de scripts Python permettant l’automatisation complète des ciblages marketing.

Standardisation des règles métiers et réduction du temps de production des listes de diffusion.

Contribution directe à la fiabilisation et à l’accélération des processus CRM.

Construction des cibles pour les campagnes emails (Adobe Campaign)

Préparation des audiences pour l’envoi des communications email via Adobe Campaign.

Segmentation, extraction et contrôle qualité des listes avant push marketing.

Garantie d’une diffusion précise et conforme aux besoins du CRM et des équipes marketing.