Shreeraj Salunke

PROJET : WebOne E-Commerce Analyse Exploratoire du Parcours Client

• Amélioré l’efficacité de validation de 75 %. Développé des pipelines ELT robustes en intégrant des data tests pour joindre des tables, nettoyer, et valider le dataset avec dbt sous data warehouse BigQuery pour un dataset de 100k+ enregistrements.
• Réduit le taux de retours de 35 %. Découvert des anomalies de taux de retours élevés pour les équipes de ventes et ops et mis en place des contrôles de qualité rigide, tirant parti de SQL avancé (window functions, CTEs).
• Achevé Uplift des Revenus à 1,7M €. Identifié baisse en pouvoir d'achat clients et recommandé les équipes de produits et de ventes d'ajouter des produits de moyenne gamme à travers une analyse de cohortes & comportements clients.

PROJET : SafetyNet Analyse de Marketing d’Assurance

• Amélioré le taux de clics de 17 % et le taux de conversions de 13 % avec une analyse KPI et A/B sur 50k+ enregistrements de campagne marketing sous Tableau et Python pour l’équipe marketing.
• Amélioré le ROI des campagnes marketing en réallouant les ressources de 12 campagnes. Mené des tests statistiques (Chi-Square) sous Python et réalloué les ressources vers des campagnes sur-performantes pour l’équipe marketing.
• Facilité reporting ad-hoc sur KPIs marketing (taux de clics, taux de conversions, CAC, CPC) avec un produit data optimisé (tableau de bord) sous Tableau.

• Présenté modèle d’affaires aux 50 petites entreprises. Traduit les leviers marché en opportunités répondant aux enjeux commerciales des responsables de ventes pour améliorer les ventes d’exports et la valeur de la marque sur 5 ans.
• Augmenté de 4,5 % la valorisation commerciale du client. Crée une stratégie d’export pour 2 ans en définissant des KPIs et prévoyant des ventes sur Excel pour les responsables de ventes et les chefs d’entreprise.

• Alignés 4 équipes autour des KPIs & Catégories Produits. Liaison entre équipes parties prenantes pour synthétiser besoins ; modélisé architecture data (JOINs) en système propriétaire pour créer un dataset valide de 100k+ enregistrements.
• Réduit les ruptures de stock de 95 %. Développé des modèles de prévision de ventes pour anticiper les SKUs à forte rotation en analysant les tendances historiques de vente d’un dataset avec 100k+ enregistrements.
• Amélioré la satisfaction client de 20 %. Doublé le portefeuille produits pour l’équipe de ventes en comblant des lacunes stratégiques dans le portefeuille, tirant parti des tableaux de bords et l’analyse des écarts.
• Réduit le temps de reporting de 50 % & facilité prise de décision data-driven. Présenté tableaux de bords semi-automatiques mensuels pour suivre les KPIs du portefeuille produits pour les responsables de logistique, direction, et produits.
• Réduit de 50 % le temps d’onboarding. Formé des collaborateurs dans l’équipe analyste d’achats grâce au maintien de documentation rigoureuse concernant un nettoyage structuré et des règles de gestion de données.
• Appliqué cadres Agile pour experimenter avec améliorations en incrément à la stratégie d’achats, permettant l’appréhension continue et priorisation ad-hoc des besoins des responsables de ventes, produits, et logistique.