POINTS FORTS

o Esprit d’analyse et de de synthèse, autonomie, proactif, esprit d’équipe o Connaissances dans l’analyse de données Loyalty, dans l’analyse de données du  Risque de crédit, dans l’analyse de données SI RH, dans l’analyse de données  clients, dans l’analyse de données des produits d’assurance, connaissance en  statistiques et en programmation informatique.

o Bonnes compétences Data/Big Data

DOMAINES  

FONCTIONNELS

o Customer, Loyalty & Partnerships

o Banque : Risques de crédit, qualité des données, SI RH

o Banque de détail, transferts de fonds internationaux

o Marketing (dont Digital)

o Assurance – Santé Collective (données DSN), Actuariat

o Immobilier

SYNTHÈSE DES TÂCHES  CONFIÉES

o Customer, Loyalty & Partnerships Data

o AMOA Métiers  

o Validations de mappings de données et de spécifications fonctionnelles o Data Analysis

o Chargé d’études (statistiques…)

o Chargé de projet

o Développements : SAS, Python, SQL, Power BI, R, Vba

o Savoir-faire en création de pipeline d’acquisition et de traitement de données  (datamining descriptif)  

o Forte expérience en traitement, analyse et interprétation de données o Savoir-faire en extraction et création de base de données relationnelle  o Savoir-faire en création de Dashboards

o Forte expérience en réalisation de reportings métier, CR, livrables…

FORMATION/

DIPLÔMES

o DU Big data, data science analyse et traitement de données sous Python et R Université de Montpellier, 2021

o Master 2 Actuariat et traitement de données

Université de Montpellier, 2021

o Master traitement et analyse de données bancaires  

Université de Rouen, 2020

o Certification SQL for Data Sciences. Coursera, 2021

o Certification Tableau Desktop : Formation Complète sur l'Importation, la  Transformation, la Visualisation et l'Analyse des Données. Ûdemy

o Certification SQL, Big Query & PostgreSQL : Analyse, Bases de Données,  Python, Power BI pour une Data Science optimale. Ûdemy

LANGUES ÉTRANGÈRES

o Anglais : intermédiaire (B2)

TECHNIQUES

o Langages : SQL, Python, SAS, VerticaPy, R, VBA

o Data Visualisation : Power BI (langage DAX), Tableau Desktop

o SGBD: Vertica, MySQL, PostgreSQL, WPS

o Data Warehouse: Cloud Snowflake, Big Query

o Gestion de tâches : ServiceNow

o Logiciels : Gretl, Eviews.MS Office (Excel, PPT, Word)

o BI : SAS

o ETL : Talend (notions)

Accor

o Technical Data Analyst – Customer, Loyalty & Partnerships Data

Crédit Mutuel

o Business Data Analyst Conformité Risques de Crédit – MOA Métier et Data

Crédit du Nord

o Data Analyst SI RH/Chargé d’études statistiques métier

Aatiko Conseils

o Data analyst: Python, Power BI

DIGICHISE

o Data analyst/Chargé d’études : Python, R, Power BI.

MAAF Assurances

o Chargé de projet : SAS, Excel, VBA

Accor

(03/2024 à 08/2024)

❖ Technical Data Analyst – Tribe Customer, Loyalty & Partnerships Projet : L’objectif de cette mission en tant que Technical Data Analyst est de faire du  support : traitement des demandes ad hoc et régulières de chiffres et d’extractions de  données pour les métiers. De l’accompagnement d’un Product Owner dans l’analyse des chiffres d’un Dashboard (nouvellement industrialisé) via des bases de données  Cloud Snowflake, avec des requêtes SQL. Et de l’audit de toutes les demandes traitées  sur l’année 2024.

Réalisations :

o Traitement des demandes de chiffres et d’extractions de données : ➢ Échanges souvent en anglais avec les métiers pour bien affiner les  besoins  

o Accompagnement Product Owner dans l’analyse des chiffres du Dashboard de  performance, via des requêtes SQL sur snowflake.

o Audit de toutes les demandes traitées sur ServiceNow sur l’année 2024 Livrables :  

o Données issues des demandes d’extractions et de chiffres

o Détaillées des remarques issues de l’analyse des chiffres du Dashboard  o Fichiers d’audit de toutes les demandes traitées sur l’année 2024

Environnement technique : SQL, Cloud Snowflake, ServiceNow.

Crédit Mutuel

CNCM  

(03/2023 à 02/2024)

❖ Business Data Analyst – Risques de Crédit – Conformité

Projet : L’objectif de cette mission en que Business Data Analyst est de réaliser d’une  part la recette des données Loan tapes et valuation, via des bases de données VERTICA, l’accompagnement des autres membres de l’équipe sur des sujets techniques, le  développement de programmes pour la validation rules en Python, VerticaPY et SQL.  Ces programmes nous permettent de s’assurer que nos données Loan Tapes respectent  bien les conditions prédéfinies par la BCE.

Réalisations :

o AMOA Métier & Data en interface avec de nombreux interlocuteurs o Pré-analyse des données Loan Tapes attendues par la BCE

o Validation des règles de mapping de données fournies par la MOE Data o Validation des spécifications fonctionnelles vs. Mapping des données o Référent interne pour les phases de Recette bi-mensuelles (complexes) des  données « Loan tapes » et « Valuation »:

➢ Définition des cas de tests

➢ Rédaction des cahiers de tests

➢ Utilisation de Python-SQL-VerticaPy

o Pilotage de l’avancement collectif de la Recette en coordination avec la CMAF o Rédaction de comptes-rendus de réunions projet

o Développement en Python-SQL-VerticaPy des programmes « validation rules »  de contrôle des données Loan Tapes,

o Analyse des données Loan tapes valuation

o Conduite du changement : rédaction du ModOp du projet Validation Rules,  support fonctionnel et technique…

Livrables :  

o Programmes des recettes « loan tapes » et « valuation»

o Programmes « validation rules »

o Fichiers des Cas de tests

o Fichier de validation des règles de mapping

Environnement technique : BDD VERTICA, Verticapy, Python, SQL.

Crédit du Nord

(07/2022 à 12/2022)

❖ Data Analyst SI RH – Chargé d’études statistiques

Projet : L’objectif de cette mission en tant que Data Analyst SI RH/chargé d’études est  de réaliser des reportings mensuels, trimestriels et annuels, d’assurer l’évolution, le  développement et la refonte de programmes informatiques. Prise en charge de  demandes ad hoc, des demandes allant de l’extraction de données, leur traitement  jusqu’à leur analyse. Réalisation d’enquêtes ACEMO à l’attention de la DARES sur  l’activité et les conditions d’emploi de la main d’œuvre, études et suivi d’indicateurs de  l’index égalité F/ H.

Refonte du programme du Cahier RH : reporting semestriel traitant des chiffres clés du  groupe, la structure et l’évolution des effectifs, leur mouvement, l’absentéismes, la  politique salariale, la rémunération, et les entretiens professionnels  

o Adaptation du programme aux nouvelles bases des données relationnelles SAS o Amélioration du code SAS et paramétrages VBA pour les adaptions aux  changements des bases

o Reporting sur les détachements des collaborateurs dans le cadre de la fusion  SG/CDN

o Creation reporting sur le télétravail, via des requêtes SAS

o Enquêtes et suivi d’indicateurs (KPI RH)

o Reporting Bilan salarial et négociations, via des requêtes SAS

o Analyses statistiques en vue des négociations salariales du Crédit du Nord.  o Traitement des demandes adhoc : extraction de données sur les retours de  congés longue durée Sur l’année, listes des formations suivies par  

collaborateurs depuis 2015, études statistiques, liste changements de métiers  par collaborateur, montant dernière augmentation par collaborateurs etc., via  des requêtes SAS.

Livrables :

o Livraison de divers reportings synthétiques et facilement exploitables par les  DRH et nos différents destinataires.  

o Livraison de données synthétique en fonction des demandes adhoc. o Livraison d’études et d’analyses statistiques.

Environnement technique : SAS Entreprise Guide, SAS Base Excel, VBA, SI RH, Winscp

Aatiko Conseils

(01/2022 à 06/2022)

❖ Data Analyst

Projet : L’objectif de cette expérience en tant que Data Analyst est d’accompagner les  consultants dans l’analyse des données des clients (Bailleurs et réservataires),  d’accompagner les gestionnaires territoriaux et les gestionnaires BEL (bourse d'échange  de logements) dans l'analyse de données. Réalisation de Dashboards sur les activités de  ces derniers.

Réalisations :

o Collecte et nettoyage de données fournies par les bailleurs sociaux  o Réorganisation des données  

o Alimentation des répertoires de données

o Mise en place du logiciel Power BI, qui n’est pas utilisé avant.

o Changement des outils de traitements de données d’Excel à python o Réalisation de Dashboards sous Power BI sur l’activité de l’entreprise.  o Mise en place d’un mode opératoire pour consultation des Dashboards.

Livrables

o Livraison de fichiers de sortie organisés et facilement exploitables par les  consultants.  

o Livraison de Dashboards ou de fichiers Excel synthétisant les analyses en  fonction des besoins.

Environnement technique : Python, Power BI, Excel.

DIGICHISE

(04/2021 à 09/2021)

❖ Data Analyst – Chargé d’études

Projet 1 : Au sein de cette start-up spécialisée en Marketing Digital, l'objectif de cette  mission est de construire des bases de données sur les PME ayant un projet de  transformation digitale.

Projet 2 : Web scraping et mise en place d’un tableau de bord (dataviz) pour le suivi du  marché immobilier et des transferts de fonds.

Réalisations :  

o Recueil de données quantitatives et qualitatives (via R et Python) sur  l’environnement, les marchés et la concurrence

o Élaboration et mise en place des tableaux de bord Power BI à partir de divers  panels pour le suivi et l’analyse des données  

o Traitement et nettoyage des données en Python

o Automatisation de la collecte de donnée via Python

Livrables

o Livraison de Dashboard Power BI synthétisant des indicateurs sur le marché de  l’immobilier et sur celui des transferts de fond.  

o Livraison de base de données (Excel) sur les PME susceptibles d’avoir des  projets de transformation digitale.

Environnement technique : Python, R, Power BI, Excel

MAAF Assurance (04/2020 à 09/2020)

❖ Chargé de projet  

Projet : L’objectif de cette expérience était de détecter, organiser et suivre jusqu’à la  mise en œuvre des actions pour améliorer les informations que MAAF reçoit de ses  entreprises clientes. J’ai travaillé exclusivement sur les campagnes de remédiation en  exploitants les données DSN.

Réalisations :

o Collecte et nettoyage de données DSN mensuelles clients avec SAS o Réorganisation des données sous SAS

o Alimentation des bases de données SAS

o Suivi des actions mises en place pour mettre en évidence leurs effets  

Livrables :

o Livraison de fichiers de sortie organisés et facilement exploitables par le  métier.  

o Des macros VBA programmées pour l’obtention des résultats finaux mais aussi  pour générer des tableaux croisés dynamiques afin de synthétiser au mieux  l’information.

Environnement technique : SAS sur WPS, Excel, VBA.

Banque CIC  

(07/2019 à 08/2019)

❖ Consultant data Jr

Projet : Faciliter le travail aux commerciaux en numérisant les données clients.

Réalisations :

o Recueil des données clients en format papier  

o Numérisation des données clients via Excel

o Fusion des bases de données SAS numérisées

o Traitement des demandes courantes des clients  

Livrable :

o base de données clients en SAS

Environnement technique : SAS, Excel.

Université de  

Montpellier  

2021 : 2 mois

❖ Statistique exploratoire

Projet : Indentification des données nécessaires à l’analyse afin de faire sortir des  indicateurs pertinents sous forme de tableau de bord

Conception

o Traitement et nettoyage des données pour les rendre exploitables o Bien identifier les objectifs de l’étude demandée  

o Création de profil client  

o Mise en place d’un tableau de bord synthétisant les indicateurs pertinents  

Recette  

o Livraison de base de données clients et une dataviz.  

Environnement technique : SAS, Excel, Power BI

Université de  

Montpellier  

2021 : 2 mois

❖ Tarification prime pure

Projet : Calibrer un ou plusieurs modèles de fréquence et de coût et les optimiser  Conception

o Traitement et nettoyage des données pour les rendre exploitables  o Analyse descriptive de la base de données

o Regroupement des modalités de certaines variables  

o Détermination d’un profil de référence dans la population en regardant pour  chacune des variables qualitatives, les catégories les plus représentées  o Effectuation de tests d’adéquation de données de sinistralité à différentes lois  de probabilités  

o Déduction d’un modèle de prime pure  

Recette  

o Livraison de la prédiction de la prime pure.  

Environnement technique : R, Modèle GLM, Machine Learning