Mehdi B.

Dans le cadre de mon expérience chez Sogetrel, j’ai travaillé sur l’exploitation, la fiabilisation et la valorisation de données opérationnelles issues de sources multiples afin d’améliorer le pilotage d’activité et l’aide à la décision.

J’ai conçu et développé plus de 10 tableaux de bord Power BI pour le suivi de 37 KPI liés à la production, à la qualité, aux stocks, à la charge et au pilotage global de l’activité. Ces reportings ont permis d’améliorer la lisibilité des données, le suivi des performances et la prise de décision des équipes métier.

J’ai également mis en place des traitements de collecte, de nettoyage, de transformation et de structuration de données provenant notamment de SQL Server, SharePoint, fichiers Excel et bases opérateurs. Ce travail m’a permis d’automatiser certains flux de données et de fiabiliser les analyses produites sur des volumes importants liés aux interventions terrain.

En parallèle, j’ai développé des analyses avancées en Python autour de la détection d’anomalies, de la prévision d’activité et de l’exploration de données métier. J’ai travaillé sur des approches de machine learning pour modéliser certaines problématiques opérationnelles, notamment en classification, prévision et analyse de données textuelles, avec une attention particulière portée à la qualité des données, à l’interprétation des résultats et à leur utilité métier.

Cette expérience m’a permis de renforcer ma maîtrise de Power BI, SQL et Python, mais aussi ma capacité à transformer des données complexes en livrables clairs, exploitables et orientés décision.

Analyse, nettoyage et structuration de données issues de sources multiples afin de produire des informations fiables pour l’aide à la décision.

Dans le cadre de cette mission, j’ai travaillé sur l’exploitation de jeux de données variés pour répondre à des besoins concrets de pilotage et de performance. J’ai réalisé des traitements de préparation de données, des analyses exploratoires et des restitutions visuelles permettant de mieux suivre certains indicateurs clés.

J’ai notamment conçu des rapports et tableaux de bord Power BI pour le suivi de KPI, avec un travail sur la sélection des indicateurs pertinents, la structuration des données et la mise en forme de visualisations lisibles pour les utilisateurs. L’objectif était de faciliter le pilotage de l’activité à travers des supports clairs, dynamiques et directement exploitables.

En parallèle, j’ai développé un outil Python destiné aux équipes commerciales, basé sur l’algorithme du plus court chemin, afin d’optimiser les déplacements et d’améliorer l’organisation opérationnelle. Ce travail a impliqué la manipulation de données, la logique algorithmique et l’adaptation de la solution à un besoin métier concret.

Cette expérience m’a permis de renforcer ma capacité à intervenir sur plusieurs dimensions d’un projet data : collecte, préparation, analyse, visualisation et développement d’outils d’aide à la décision. Elle m’a également appris à relier les aspects techniques aux enjeux métiers pour produire des livrables utiles, compréhensibles et orientés résultats.

Dans le cadre de cette expérience, j’ai travaillé sur l’analyse de données transactionnelles bancaires afin d’identifier des comportements, détecter des événements significatifs et produire des variables pertinentes pour la modélisation.

J’ai exploité et structuré d’importants volumes de données issues de transactions afin de mieux comprendre les comportements observés et de faire émerger des signaux utiles à l’analyse. Ce travail a impliqué des phases de préparation, de nettoyage, d’exploration et de transformation de données, avec une attention particulière portée à la qualité, à la cohérence et à l’interprétation des informations.

J’ai également participé au développement d’approches de machine learning pour la classification de comportements et la détection d’événements, à partir de variables construites sur les habitudes transactionnelles. Cette expérience m’a permis de travailler sur la sélection de variables, l’analyse statistique, l’évaluation de modèles ainsi que l’interprétation des résultats à travers des indicateurs tels que la précision, le rappel et le score F1.

En complément, j’ai contribué à une démarche orientée valorisation de la donnée, en cherchant à transformer des données brutes en informations exploitables pour répondre à des problématiques concrètes. Cette mission a renforcé ma capacité à relier rigueur analytique, compréhension métier et modélisation data.

Cette expérience m’a permis de consolider mes compétences en Python, SQL, analyse de données, machine learning et traitement de données, tout en développant une approche méthodique de la donnée, de sa préparation jusqu’à l’évaluation des modèles.