Data Analyst | Business Intelligence | Data Science

Participation à l'équipe data IT d'Inetum (client Cegid) pour automatiser la chaîne complète de reporting IT et transformer les données opérationnelles en dashboards analytiques exploitables.

• Conception et déploiement d'un pipeline de données automatisé (ServiceNow → Outlook → SharePoint → Power BI) alimentant en continu les rapports de suivi.
• Pilotage de l'automatisation des rapports IT journaliers, hebdomadaires et mensuels, réduisant le temps de reporting manuel de 4 à 8 heures par semaine.
• Structuration et consolidation de données hétérogènes multi-sources issues du support IT via Power Query, garantissant la fiabilité des données.
• Analyse du backlog de tickets ServiceNow en distinguant incidents et demandes : suivi quotidien de 35 à 60 tickets, hebdomadaire de 200 à 300 tickets, et mensuel de 800 à 1 200 tickets.
• Développement de KPI métier critiques (taux de clôture, délai moyen de résolution, volume d'incidents vs. demandes) suivis en quotidien, hebdo et mensuel.
• Modélisation des données et conception de dashboards analytiques Power BI multi-vues (journalière, hebdomadaire, mensuelle) pour la prise de décision opérationnelle.
• Transformation et fiabilisation des données du support IT via Power Query, structurant l'ensemble du processus d'extraction, nettoyage et transformation.

Participation à une mission d'audit data portant sur l'équité organisationnelle et salariale au sein d'une structure opérationnelle multi-usines.

• Analyse de données opérationnelles couvrant 4 usines et 10+ rôles métiers pour évaluer l'équité organisationnelle et salariale.
• Conception d'un dashboard Tableau identifiant 480+ minutes de downtime sur le dispositif LaserWelder, révélant des goulots d'étranglement critiques.
• Détection de 6 rôles hautement discriminatoires parmi 35+ observations via Excel avancé, mettant en lumière des anomalies structurelles.
• Présentation des résultats et recommandations actionnables aux parties prenantes métier.

Conception et optimisation de pipelines de traitement de données financières complexes pour garantir la qualité et la sécurité des données.

• Conception de pipelines de données pour nettoyer et agréger 30+ enregistrements financiers provenant de sources multi-hétérogènes.
• Application de techniques d'anonymisation conformes aux standards de sécurité bancaire et de confidentialité.
• Modélisation d'une base de données relationnelle structurant l'ensemble des flux financiers.
• Automatisation du traitement des données et amélioration de la qualité globale du parc informationnel.